1、“.....结果与分析实验数据本文使用的农业视频数据来自于陕西省宝鸡市电视。基于图稀疏算法的农业科教视频多语义标注方法论文原稿。语义标注其表示测试镜头与视频集中镜头的相关性。第组视频对于镜头语义标注的重要性用来评估，若，即第组视频对测试镜头语义标记的权值为，若≠，则向量中不为的值即为第组视频中镜头对测试镜头语义标记的权值。由于每个测试镜头根据权重得到了若干个标签，因此需要对每个测试镜头的标签根据该标签的累计权重系数来，基于图稀疏算法的农业科教视频多语义标注方法论文原稿，王煜，周立柱，邢春晓视频语义模型及评价准则计算机学报，标全率和平均查准率为，相对于其他方法有了较大进步......”。

2、“.....但是也能看到其提升空间依旧很大，需要在以后的工作中进步的探索来提出改进的地方。参考文献王敏，王斌，沈钧戈，等教学视频的文本语义镜头分割和标注数据采集与处理，均查准率呈反比关系，当的取值较小时，由于选择权值系数较大的标签促使平均查准率较高，同时因为选择的标签较少导致平均标全率较低。随着逐渐增大，被选择的标签数量逐渐增多，标签的平均标全率随之提高，但其平均查准率也随之不断下降。同时，通过横向比较能看出模型对语义的标注效果要明显高于模型和模型，表明算法在处理农业科教视频语义标注方面上要优于算法和算法，证明了算法在提高农业科教视频语义标注的标全率和查准率上是有益的......”。

3、“.....对每个镜头运用算法聚类出关键帧。农业科教视频关键帧中的内容多数以农作物或林木为主，含有较为丰富的纹理信息，为了较为准确的表示这些信息，本文使用特征向量来表示关键帧。对农业视频库中的关键帧进行手工标注，作为语义扩散的来源。接下来使用算法求得需要标注的视频关键帧与已标注视频库的联系。结果与分析实验数据本文使用的农业视频数据来自于陕西省宝鸡市电视台农事直通车栏目，共个视频。这些视频具有定的权威性且较好的涵盖了农业科教视频内容的各个的关键帧进行手工标注，作为语义扩散的来源。接下来使用算法求得需要标注的视频关键帧与已标注视频库的联系......”。

4、“.....首先对视频库进行镜头分割和关键帧提取，并人工打上标签，然后使用模型对需要标注的镜头进行重构，最后根据较大权重系数对应的视频标签进行语义标注。公式中，表示视频集中镜头的总数目。公式的前个部分为个约束项，第个正则化项约束了所有的视频关键帧重构王煜，周立柱，邢春晓视频语义模型及评价准够达到，且整体上比本文验证的其他算法优秀。在综合指标达到峰值的时候，语义标注的平均标全率和平均查准率为，相对于其他方法有了较大进步，可以应用于农业科教视频的标注和信息检索等领域，但是也能看到其提升空间依旧很大，需要在以后的工作中进步的探索来提出改进的地方。参考文献王敏，王斌，沈钧戈......”。

5、“.....第个正则化项实现了组内的稀疏，第个正则化项实现了组间的稀疏，这个部分即传统的模型公式。基于图稀疏算法的农业科教视频多语义标注方法论文原稿。基于图稀疏的视频多语义标注方法本文使用了基于图稀疏的模型对农业科教视频进行多语义标注。首先对视频库进行镜头分割和关键帧提取，并人工打上标签，然后使用模型对需要标注的镜头进行重构，最后根据较大权重系数对应的视频标签进行语义标注基于图稀疏算法的农业科教视频多语义标注方法论文原稿。数据准备本文首先对视频进行镜头分割，对每个镜头运用算法聚类出关键帧......”。

6、“.....含有较为丰富的纹理信息，为了较为准确的表示这些信息，本文使用特征向量来表示关键帧。对农业视频库中法所得的实验结果如表所示，所得的部分镜头标记如图所示。由表可以看出平均标全率和平均查准率呈反比关系，当的取值较小时，由于选择权值系数较大的标签促使平均查准率较高，同时因为选择的标签较少导致平均标全率较低。随着逐渐增大，被选择的标签数量逐渐增多，标签的平均标全率随之提高，但其平均查准率也随之不断下降。同时，通过横向比较能看出模型对语义的标注效果要明显高于模型和模型，表明算法在处理农业科教视频语义标注方面上要优于算法和算法，证则计算机学报，肖霄图像特征提取的研究与应用吉林大学......”。

7、“.....明了算法在提高农业科教视频语义标注的标全率和查准率上是有益的。权衡平均标全率和平均查准率的综合指标，在定程度上可以体现镜头标注峰值，在时算法的综合指标达到了，达到了最优的视频镜头标注效果。結语本文针对于农业科教视频多语义标注问题，提出了种基于算法的农业视频语义标注模型。该模型在的基础上增加了农业视频的组间稀疏约束和组内稀疏约束，并保留了视频集自身的结构关联性，能够较好的将训练集的标签标注到测试镜头上。实验结果表明，该方法的综合指标峰值能基于图稀疏算法的农业科教视频多语义标注方法论文原稿台农事直通车栏目，共个视频。这些视频具有定的权威性且较好的涵盖了农业科教视频内容的各个方面......”。

8、“.....该数据集存在组间联系和组内联系。其中，表示测试镜头的个数，表示第个测试镜头通过语义标注被标记上的正确标签，表示第个测试镜头在当前值情况下检测到的人工标注的正确标签，表示第个测试镜头被人工标记上的正确标签。实验结果分析将视频集按的比例随机分为测试镜头和训练镜头，实验前对训练集和测试集进行人工语义标记，便于对实验结果进行评估。种方进行从大到小排序，取前个标签标记该测试镜头。关键词农业科教视频镜头检测多语义标注稀疏编码中图分类号文献标识码文章编号近年来，农业科教视频的大量涌现，为农业技术的推广提供了坚实的基础。随着手机电脑因特网等传播媒体的普及，农户可以很容易地接触到农业科教視频......”。

9、“.....但由于农业视频大多是整体录制，而农户可能只需要对其中部分的内容进行了解，很难满足用户个性化的检索需求。研究农业科教视频语义标注的方法，在海量的视频中给农业科教视频镜头自动准确的打上语义标签，为农户能够快速检索，肖霄图像特征提取的研究与应用吉林大学，戴金波基于视觉信息的图像特征提取算法研究吉林大学，和平均查准率的综合指标，在定程度上可以体现镜头标注峰值，在时算法的综合指标达到了，达到了最优的视频镜头标注效果。結语本文针对于农业科教视频多语义标注问题，提出了种基于算法的农业视频语义标注模型。该模型在的基础上增加了农业视频的组间稀疏约束和组内稀疏约束，并保留了视频集自身的结构关联性......”。