首页> 中国专利> 一种宫廷服饰特征选择方法及装置

一种宫廷服饰特征选择方法及装置

摘要

本发明实施例公开了一种宫廷服饰特征选择方法,应用于电子设备,所述电子设备确定每件宫廷服饰的待选特征量;确定宫廷服饰网络及其合并后网络;计算合并后网络转移概率矩阵;根据转移概率矩阵得到第一矩阵;确定合并后网络中节点初始分布概率;将所述初始分布概率向量乘以所述第一矩阵,得到合并后网络节点转移分布概率;根据所述转移分布概率得到若干个最大关联集及所述最大关联集的系数,获得每个最大关联集中节点共有的特征量及其次数,并用该次数乘以所述最大关联集的系数,将乘积最大的若干特征量作为结果特征量。本发明实施例中从具有相关联性的宫廷服饰的特征量中选择特征量,能够从大量的宫廷服饰特征中选择出最能代表宫廷服饰的特征。

著录项

  • 公开/公告号CN105631031A

    专利类型发明专利

  • 公开/公告日2016-06-01

    原文格式PDF

  • 申请/专利号CN201511027272.1

  • 发明设计人 白旭;任婧婧;赵海英;陈洪;

    申请日2015-12-30

  • 分类号G06F17/30;

  • 代理机构北京柏杉松知识产权代理事务所(普通合伙);

  • 代理人马敬

  • 地址 100191 北京市海淀区花园路2号数字电视国家工程实验室123室

  • 入库时间 2023-12-18 15:46:39

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2018-09-18

    授权

    授权

  • 2016-06-29

    实质审查的生效 IPC(主分类):G06F17/30 申请日:20151230

    实质审查的生效

  • 2016-06-01

    公开

    公开

说明书

技术领域

本发明涉及数据挖掘领域,特别涉及一种宫廷服饰特征选择方法及装置。

背景技术

宫廷服饰有大量的图案存留,同时相关专家学者关于宫廷服饰著有大量专 著文献,从历史渊源、社会变迁、服饰内容、艺术风格、质地材料等诸多方面 对宫廷服饰进行了大量深入细致的研究工作。所以,对于宫廷服饰而言,其特 征可以来自图案,也可以来自描述性的文字等。而且不同宫廷服饰之间存在各 种各样的联系,如宫廷服饰的图案不同标识着不同的身份,材质不同标识等级 不同等。

从宫廷服饰中能够得到大量的特征,需要从大量的服饰特征中选择出最能 代表宫廷服饰的特征,以便相关人员进行研究和使用。

现有的特征选择技术有先验(Apriori)算法及其系列改进算法,大致过程 为在待选特征集合中,将高词频或统计度量的特征作为特征输出,但由于宫廷 服侍的样本具有非独立分布的特点,已致该现有技术应用在宫廷服侍特征选择 时,会出现选择特征不能充分反映宫廷服饰对象的情况。

发明内容

本发明实施例公开了一种宫廷服饰特征选择方法,能够从大量的服饰特征 中选择出最能代表宫廷服饰的特征。

为达到上述目的,本发明实施例公开了一种宫廷服饰特征选择方法,应用 于电子设备,所述方法包括步骤:

确定预设的宫廷服饰池中每件宫廷服饰的待选特征量;

将所述每件宫廷服饰作为节点,以该服饰具有的待选特征量为对应节点的 度,任意宫廷服饰间每具有一个相同的待选特征量,则在对应的节点间生成一 条连线,得到宫廷服饰网络;

将所述宫廷服饰网络中的各个节点按节点的度进行合并,得到合并后网络;

计算所述合并后网络中每一个节点到包括自身在内的每个节点的一次转移 概率,得到转移概率矩阵;

计算所述转移概率矩阵的k次幂,其中k取值为从2开始、依次加1的整 数,直到得到的所述转移概率矩阵的k次幂中的所有非对角线元素小于预设的 第一阈值,取所述转移概率矩阵的k-1次幂作为第一矩阵;

确定所述合并后网络中每个节点的初始分布概率,得到初始分布概率向量;

将所述初始分布概率向量乘以所述第一矩阵,得到合并后网络每个节点的 转移分布概率;

将合并后网络中每组具有连接关系的一对节点间转移概率至少有一个大于 第一阈值、且该对节点转移分布概率均大于第二阈值的节点的集合确定为最大 关联集,得到多个最大关联集;

将每个所述最大关联集中的每个节点的转移分布概率相加作为对应最大关 联集的系数,获得每个最大关联集中节点共有的特征量,并统计该特征量在该 最大关联集所有节点中出现的次数,并用该次数乘以所述最大关联集的系数, 得到对应的加权值;

将所述加权值从大到小进行排序,取排序在前预设数量个的加权值所对应 的特征量,作为结果特征量。

较佳的,所述确定预设的宫廷服饰池中每件宫廷服饰的待选特征量,包括:

针对所述预设的宫廷服饰池中保存有所述每件宫廷服饰,若本地保存有该 宫廷服饰对应的描述文本,则利用自然语言处理工具获取该宫廷服饰对应的描 述文本的分词标注,以所述分词标注作为该宫廷服饰的待选特征;若本地保存 有该宫廷服饰对应的图像,则利用图像处理工具,获得该宫廷服饰对应的图像 的纹理、背景色或对比度,作为该宫廷服饰的待选特征量。

较佳的,所述计算所述合并后网络中每一个节点到包括自身在内的每个节 点的一次转移概率,得到转移概率矩阵,包括:

针对所述合并后网络中每一个节点,将该节点作为出发节点,定义所述出 发节点到自身的转移概率为0,定义所述出发节点到特定其它节点的连线数占所 述出发节点自身总连线数的比值作为所述出发节点到该特定其它节点的转移概 率,得到转移概率矩阵。

较佳的,所述确定所述合并后网络中每个节点的初始分布概率,得到初始 分布概率向量,包括:

确定所述合并后网络中每一个节点在合并前的节点数;

以所述合并后网络中每一节点合并前的节点数占所述宫廷服饰网络中总节 点数的比值,作为该节点的初始分布概率,将得到的所述合并后网络中每个节 点的初始分布概率组合成所述初始分布概率向量。

较佳的,所述将合并后网络中每组具有连接关系的一对节点间转移概率至 少有一个大于第一阈值、且该对节点转移分布概率均大于第二阈值的节点的集 合确定为最大关联集,得到多个最大关联集,包括:

针对所述合并后网络中的每一个节点,将该节点作为主连节点,将与该主 连节点连接的其它节点作为被连节点,针对每一个被连节点,判断所述主连节 点转移到该被连节点的转移概率、或该被连接节点转移到所述主连节点的转移 概率是否至少有一个大于第一阈值;若是,则判断所述主连节点和被连节点的 转移分布概率是否都大于所述第二阈值;若是,则将所述主连节点和被连节点 确定为具有关联通路;

将任意两节点间都具有关联通路的节点取出,得到多个最大关联集。

本发明实施例还公开了一种宫廷服饰特征选择装置,应用于电子设备,所 述装置包括:

特征量确定模块,用于确定预设的宫廷服饰池中每件宫廷服饰的待选特征 量;

服饰网络模块,用于将所述每件宫廷服饰作为节点,以该服饰具有的待选 特征量为对应节点的度,任意宫廷服饰间每具有一个相同的待选特征量,则在 对应的节点间生成一条连线,得到宫廷服饰网络;

合并模块,用于将所述宫廷服饰网络中的各个节点按节点的度进行合并, 得到合并后网络;

转移概率矩阵生成模块,用于计算所述合并后网络中每一个节点到包括自 身在内的每个节点的一次转移概率,得到转移概率矩阵;

第一矩阵生成模块,用于计算所述转移概率矩阵的k次幂,其中k取值为 从2开始、依次加1的整数,直到得到的所述转移概率矩阵的k次幂中的所有 非对角线元素小于预设的第一阈值,取所述转移概率矩阵的k-1次幂作为第一矩 阵;

初始分布概率向量生成模块,用于确定所述合并后网络中每个节点的初始 分布概率,得到初始分布概率向量;

转移分布概率确定模块,用于将所述初始分布概率向量乘以所述第一矩阵, 得到合并后网络每个节点的转移分布概率;

最大关联集确定模块,用于将合并后网络中每组具有连接关系的一对节点 间转移概率至少有一个大于第一阈值、且该对节点转移分布概率均大于第二阈 值的节点的集合确定为最大关联集,得到多个最大关联集;

加权模块,用于将每个所述最大关联集中的每个节点的转移分布概率相加 作为对应最大关联集的系数,获得每个最大关联集中节点共有的特征量,并统 计该特征量在该最大关联集所有节点中出现的次数,并用该次数乘以所述最大 关联集的系数,得到对应的加权值;

结果确定模块,用于将所述加权值从大到小进行排序,取排序在前预设数 量个的加权值所对应的特征量,作为结果特征量。

较佳的,所述特征量确定模块,具体用于:

针对所述预设的宫廷服饰池中保存有所述每件宫廷服饰,若本地保存有该 宫廷服饰对应的描述文本,则利用自然语言处理工具获取该宫廷服饰对应的描 述文本的分词标注,以所述分词标注作为该宫廷服饰的待选特征;若本地保存 有该宫廷服饰对应的图像,则利用图像处理工具,获得该宫廷服饰对应的图像 的纹理、背景色或对比度,作为该宫廷服饰的待选特征量。

较佳的,所述转移概率矩阵生成模块,具体用于:

针对所述合并后网络中每一个节点,将该节点作为出发节点,定义所述出 发节点到自身的转移概率为0,定义所述出发节点到特定其它节点的连线数占所 述出发节点自身总连线数的比值作为所述出发节点到该特定其它节点的转移概 率,得到转移概率矩阵。

较佳的,所述初始分布概率向量生成模块,包括:

节点数确定子模块,用于确定所述合并后网络中每一个节点在合并前的节 点数;

组合子模块,用于以所述合并后网络中每一节点合并前的节点数占所述宫 廷服饰网络中总节点数的比值,作为该节点的初始分布概率,将得到的所述合 并后网络中每个节点的初始分布概率组合成所述初始分布概率向量。

较佳的,所述最大关联集确定模块,具体用于:

针对所述合并后网络中的每一个节点,将该节点作为主连节点,将与该主 连节点连接的其它节点作为被连节点,针对每一个被连节点,判断所述主连节 点转移到该被连节点的转移概率、或该被连接节点转移到所述主连节点的转移 概率是否至少有一个大于第一阈值;若是,则判断所述主连节点和被连节点的 转移分布概率是否都大于所述第二阈值;若是,则将所述主连节点和被连节点 确定为具有关联通路;

将任意两节点间都具有关联通路的节点取出,得到多个最大关联集。

由上述的技术方案可见,本发明实施例提供了一种宫廷服饰特征选择方法, 应用于电子设备,所述电子设备确定预设的宫廷服饰池中每件宫廷服饰的待选 特征量;将所述每件宫廷服饰作为节点,以该服饰具有的待选特征量为对应节 点的度,任意宫廷服饰间每具有一个相同的待选特征量,则在对应的节点间生 成一条连线,得到宫廷服饰网络;将所述宫廷服饰网络中的各个节点按节点的 度进行合并,得到合并后网络;计算所述合并后网络中每一个节点到包括自身 在内的每个节点的一次转移概率,得到转移概率矩阵;计算所述转移概率矩阵 的k次幂,其中k取值为从2开始、依次加1的整数,直到得到的所述转移概 率矩阵的k次幂中的所有非对角线元素小于预设的第一阈值,取所述转移概率 矩阵的k-1次幂作为第一矩阵;确定所述合并后网络中每个节点的初始分布概率, 得到初始分布概率向量;将所述初始分布概率向量乘以所述第一矩阵,得到合 并后网络每个节点的转移分布概率;将合并后网络中每组具有连接关系的一对 节点间转移概率至少有一个大于第一阈值、且该对节点转移分布概率均大于第 二阈值的节点的集合确定为最大关联集,得到多个最大关联集;将每个所述最 大关联集中的每个节点的转移分布概率相加作为对应最大关联集的系数,获得 每个最大关联集中节点共有的特征量,并统计该特征量在该最大关联集所有节 点中出现的次数,并用该次数乘以所述最大关联集的系数,得到对应的加权值; 将所述加权值从大到小进行排序,取排序在前预设数量个的加权值所对应的特 征量,作为结果特征量。由于本发明实施例中利用宫廷服饰的转移概率大小确 定宫廷服饰间的相关联性,并从具有相关联性的宫廷服饰的特征量中选择最能 代表宫廷服饰本质的特征量,能够从大量的宫廷服饰特征中选择出最能代表宫 廷服饰的特征。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付 出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种宫廷服饰特征选择方法的流程示意图;

图2为本发明提供的宫廷服饰网络示意图;

图3为对应于图2的合并后网络示意图;

图4为本发明提供的一种宫廷服饰特征选择方法具体实例中的宫廷服饰网 络示意图;

图5为本发明实施例提供的装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

下面通过具体实施例,对本发明进行详细说明。

图1为本发明实施例提供的一种宫廷服饰特征选择方法的流程示意图,所 述方法应用于电子设备,该方法可以包括步骤:

S101:确定预设的宫廷服饰池中每件宫廷服饰的待选特征量。

所述预设的宫廷服饰池中存储有待分析的宫廷服饰的相关信息,本发明最 终目的就是要根据这些宫廷服饰的相关信息,确定宫廷服饰的特征。针对所述 预设的宫廷服饰池中保存有所述每件宫廷服饰,若本地保存有该宫廷服饰对应 的描述文本,则利用自然语言处理工具获取该宫廷服饰对应的描述文本的分词 标注,以所述分词标注作为该宫廷服饰的待选特征;若本地保存有该宫廷服饰 对应的图像,则利用图像处理工具,获得该宫廷服饰对应的图像的纹理、背景 色或对比度,作为该宫廷服饰的待选特征量。

S102:将所述每件宫廷服饰作为节点,以该服饰具有的待选特征量为对应 节点的度,任意宫廷服饰间每具有一个相同的待选特征量,则在对应的节点间 生成一条连线,得到宫廷服饰网络。

所述宫廷服饰网络为具有节点和节点间连线的网络,其中每个节点代表了 一件宫廷服饰,每两个节点间有多少条连线,就意味着这两件宫廷服饰之间有 多少个相同的待选特征量。如图2所示的宫廷服饰网络,该网络有4个节点, 分别为节点1、节点2、节点3和节点4,其中,节点1和节点2之间有两个相 同的待选特征量,节点1和节点3之间有3个相同的待选特征量,节点1和节 点4之间有1个相同的待选特征量,节点2和节点3之间有2个相同的待选特 征量,节点2和节点4之间有2个相同的待选特征量,节点3和节点4之间没 有相同的待选特征量。其中,节点1的度为16,表示节点1总共具有16个待选 特征量,节点2的度为15,表示节点2总共具有15个待选特征量,节点3的度 为14,表示节点3总共具有14个待选特征量,节点4的度为16,表示节点4 总共具有16个待选特征量。

S103:将所述宫廷服饰网络中的各个节点按节点的度进行合并,得到合并 后网络。

将所述宫廷服饰网络中具有相同度的节点合并为一个节点,合并后被替换 掉的节点与其它节点的连接关系都由合并后的节点来进行建立。如图2所示, 节点1和节点4的度都为16,节点1和节点4进行合并,得到如图3所示的网 络,图3中,节点1’为图2中节点1和节点4合并后的节点,该节点与节点2 有4条连线,与节点3有3条连线。

S104:计算所述合并后网络中每一个节点到包括自身在内的每个节点的一 次转移概率,得到转移概率矩阵。

针对所述合并后网络中每一个节点,将该节点作为出发节点,定义所述出 发节点到自身的转移概率为0,定义所述出发节点到特定其它节点的连线数占所 述出发节点自身总连线数的比值作为所述出发节点到该特定其它节点的转移概 率,得到转移概率矩阵。如图3中,节点1’到节点2的转移概率为4/7,节点1’ 到节点3的转移概率为3/7,节点1’到自身的转移概率为0;节点2到节点1’的 转移概率为4/6,节点2到节点3的转移概率为2/6,节点2到自身的转移概率 为0;节点3到节点1’的转移概率为3/5,节点3到节点2的转移概率为2/5,节 点3到自身的转移概率为0;这样,就可以得到所述转移概率矩阵:

047374602635250.

S105:计算所述转移概率矩阵的k次幂,其中k取值为从2开始、依次加1 的整数,直到得到的所述转移概率矩阵的k次幂中的所有非对角线元素小于预 设的第一阈值,取所述转移概率矩阵的k-1次幂作为第一矩阵。

即计算所述转移概率矩阵的2次幂,3次幂,...,假设得到的转移概率矩阵 的4次幂中的所有非对角线元素小于预设的第一阈值,则将所述转移概率矩阵 的3次幂作为第一矩阵。

S106:确定所述合并后网络中每个节点的初始分布概率,得到初始分布概 率向量。

具体的,确定所述合并后网络中每一节点在合并前的节点数。例如,可以 根据合并后网络中每一节点的度数,在所述宫廷服饰网络中统计具有所述度数 的节点的个数,即得到所述合并后网络中每一节点在合并前的节点数。

以所述合并后网络中每一节点合并前的节点数占所述宫廷服饰网络中总节 点数的比值,作为该节点的初始分布概率,将得到的所述合并后网络中每个节 点的初始分布概率组合成所述初始分布概率向量。例如图3中的网络是由图2中 网络简化而来,节点1’是由图2中节点1和节点4合并后得到,而图3中的节点2和 图2中的节点2相同,图3中的节点3和图2中的节点3相同,所以在图3中,节点1’ 对应的合并前的节点数为2,节点2对应的合并前的节点数为1,节点3对应的合 并前的节点数为1,而图2中的节点总数为4,所以在图3中,节点1’的初始分布概 率为2/4,节点2的初始分布概率为1/4,节点3的初始分布概率为1/4。可以将图3 中所示三个节点的分布概率排列为初始分布概率向量[24,14,14].

S107:将所述初始分布概率向量乘以所述第一矩阵,得到合并后网络每个 节点的转移分布概率。

S108:将合并后网络中每组具有连接关系的一对节点间转移概率至少有一 个大于第一阈值、且该对节点转移分布概率均大于第二阈值的节点的集合确定 为最大关联集,得到多个最大关联集。

针对所述合并后网络中的每一个节点,将该节点作为主连节点,将与该主 连节点连接的其它节点作为被连节点,针对每一个被连节点,判断所述主连节 点转移到该被连节点的转移概率、或该被连接节点转移到所述主连节点的转移 概率是否至少有一个大于第一阈值;若是,则判断所述主连节点和被连节点的 转移分布概率是否都大于所述第二阈值;若是,则将所述主连节点和被连节点 确定为具有关联通路;

将任意两节点间具有关联通路的节点取出,得到多个最大关联集。

按图3所示,假设图3中所示3个节点的分布概率均大于1/4,并假设第一 阈值为1/2,第二阈值为1/4。首先考虑第1步转移:从节点1出发考虑,其到 节点2的转移概率为4/7>1/2,到节点3的转移概率为3/7<1/2,故节点1和节点 2属于同一关联集,节点1与节点3不能确定属于同一关联集;从节点2出发考 虑,其到节点1的转移概率为2/3>1/2,到节点3的转移概率为1/3<1/2,故节点 1和节点2属于同一关联集(当第一步已验证节点2属于节点的关联集后,该步 可忽略),节点1与节点3不能确定属于同一关联集;从节点3出发考虑,其到 节点1的转移概率为3/5>1/2,到节点2的转移概率为2/5<1/2,结合节点1、节 点2结论,可知节点3与节点1属于同一关联集,节点3与节点2不属于同一 关联集。结合上述结论,可知节点1、节点2属于同一关联集,节点3、节点1 属于同一关联集。

此时节点1同时属于2个关联集,说明节点1同时具有两个关联集的特征。

S109:将每个所述最大关联集中的每个节点的转移分布概率相加作为对应 最大关联集的系数,获得每个最大关联集中节点共有的特征量,并统计该特征 量在该最大关联集所有节点中出现的次数,并用该次数乘以所述最大关联集的 系数,得到对应的加权值。

S110:将所述加权值从大到小进行排序,取排序在前预设数量个的加权值 所对应的特征量,作为结果特征量。

为了更好地说明S103到S110各步骤的内容,使用下述例子进行说明。

对于不同的宫廷服饰描述文本段:

段1:“龙”是中华民族的象征,在进入阶级社会以后龙成为代表权势和等 级的符号,龙袍成为天子的象征,龙成为代表皇室富贵与权力的符号之时,其 面貌也转而变得威严、富丽堂皇起来。

段2:皇子,龙褂用石青色,绣五爪正面金龙四团,两肩及前后各一团,间 以五彩;帝服的龙补,是胸前绣一正龙,即绣龙头正面,龙身则盘旋成团,似 乎是稳坐江山的象征,其意义要比历代升龙图案显得尊贵。

段3:在清朝宫廷服饰纹样中,主要有正龙、行龙、团龙纹样,期间饰以五 色云龙。一是造型方面,龙的整体造型形式为曲线形,这种韵律的动感将帝王 的威严与至高无上的权力展现的淋漓尽致。

段1所示文字描述经过语义分析算法分析,得到16个待选特征量,将段2 所示文字描述经过语义分析算法分析,得到15个待选特征量,将段3所示文字 描述经过语义分析算法分析,得到14个待选特征量。其中,段1与段2间相同 特征量有2个,段1与段3间相同特征量有3个,段2与段3间相同特征量有2 个。

据此,可作出如图4所示的具体实例宫廷服饰网络。图4中,节点1 表示段1所描述的宫廷服饰,节点2表示段2所描述的宫廷服饰,节点3 表示段3所描述的宫廷服饰,节点1的度为16,节点2的度为15,节点3 的度为14。对于图4所示宫廷服饰网络而言,因为其每个节点的度各不相 同,所以该宫廷服饰网络对应的合并后网络就是该宫廷服饰网络本身,进 而,该宫廷服饰网络中每个节点的分布概率向量为[13,13,13].

根据图4所示宫廷服饰网络,可得到,节点1到节点2的转移概率为2/5, 节点1到节点3的转移概率为3/5,节点1到自身的转移概率为0;节点2到节 点1的转移概率为1/2,节点2到节点3的转移概率为1/2,节点2到自身的转 移概率为0;节点3到节点1的转移概率为3/5,节点3到节点2的转移概率为 2/5,节点3到自身的转移概率为0;可以得到该网络的转移概率矩阵为:

025351201235250,

将该概率转移矩阵进行平方运算,得到第二矩阵:

14256251531025310156251425

若预设的第一阈值为1/2,则所述第二矩阵除对角线元素外,其余元素均小 于所述第一阈值,则确定所述该网络的转移概率矩阵即为所述第一矩阵。

将所述分布概率向量乘以所述第一矩阵,得到所述转移分布概率为 [1130,415,1130].

若预设的第二阈值为1/3,因为在所述转移分布概率向量的元素中, 11/30>1/3,4/15<1/3,则确定节点1和节点3组成了最大关联集1,节点2组成 了最大关联集2。

由于所述最大关联集中1的节点为节点1和节点3,则将节点1的转移分布 概率11/30和节点3的转移分布概率相加,得到对应于所述最大关联集1的系数 为11/15;由于所述最大关联集2中的节点只有节点2,则得到对应于所述最大 关联集2的系数为4/15。将最大关联集1中节点1和节点3的所有特征量无区 别的放到一起来看,重复出现的特征量有:“龙”,重复出现了11次;“权力”, 重复出现了2次,“威严”,重复出现了2次;在最大关联集2仅有的节点2中, 重复出现的特征量为:“富贵”,重复出现了2次。

则计算“龙”的加权值为:11*11/15=121/15;“权力”的加权值为2*11/15=22/15; “威严”的加权值为2*11/15=22/15;“富贵”的加权值为2*4/15=8/15,若取所 述加权值最大的前3个加权值对应的特征量,即能够得到“龙”、“权力”和“威 严”,即将“龙”、“权力”和“威严”作为最终选择出的对应于段1、段2和段 3的文本描述的宫廷服饰特征。

图5为本发明实施例提供的一种宫廷服饰特征选择装置,应用于电子设备, 所述装置可以包括:

特征量确定模块501,用于确定预设的宫廷服饰池中每件宫廷服饰的待选特 征量;

服饰网络模块502,用于将所述每件宫廷服饰作为节点,以该服饰具有的待 选特征量为对应节点的度,任意宫廷服饰间每具有一个相同的待选特征量,则 在对应的节点间生成一条连线,得到宫廷服饰网络;

合并模块503,用于将所述宫廷服饰网络中的各个节点按节点的度进行合并, 得到合并后网络;

转移概率矩阵生成模块504,用于计算所述合并后网络中每一个节点到包括 自身在内的每个节点的一次转移概率,得到转移概率矩阵;

第一矩阵生成模块505,用于计算所述转移概率矩阵的k次幂,其中k取值 为从2开始、依次加1的整数,直到得到的所述转移概率矩阵的k次幂中的所 有非对角线元素小于预设的第一阈值,取所述转移概率矩阵的k-1次幂作为第一 矩阵;

初始分布概率向量生成模块506,用于确定所述合并后网络中每个节点的初 始分布概率,得到初始分布概率向量;

转移分布概率确定模块507,用于将所述初始分布概率向量乘以所述第一矩 阵,得到合并后网络每个节点的转移分布概率;

最大关联集确定模块508,用于将合并后网络中每组具有连接关系的一对节 点间转移概率至少有一个大于第一阈值、且该对节点转移分布概率均大于第二 阈值的节点的集合确定为最大关联集,得到多个最大关联集;

加权模块509,用于将每个所述最大关联集中的每个节点的转移分布概率相 加作为对应最大关联集的系数,获得每个最大关联集中节点共有的特征量,并 统计该特征量在该最大关联集所有节点中出现的次数,并用该次数乘以所述最 大关联集的系数,得到对应的加权值;

结果确定模块510,用于将所述加权值从大到小进行排序,取排序在前预设 数量个的加权值所对应的特征量,作为结果特征量。

进一步地,所述特征量确定模块501,具体用于:

针对所述预设的宫廷服饰池中保存有所述每件宫廷服饰,若本地保存有该 宫廷服饰对应的描述文本,则利用自然语言处理工具获取该宫廷服饰对应的描 述文本的分词标注,以所述分词标注作为该宫廷服饰的待选特征;若本地保存 有该宫廷服饰对应的图像,则利用图像处理工具,获得该宫廷服饰对应的图像 的纹理、背景色或对比度,作为该宫廷服饰的待选特征量。

进一步地,所述转移概率矩阵生成模块504,具体用于:

针对所述合并后网络中每一个节点,将该节点作为出发节点,定义所述出 发节点到自身的转移概率为0,定义所述出发节点到特定其它节点的连线数占所 述出发节点自身总连线数的比值作为所述出发节点到该特定其它节点的转移概 率,得到转移概率矩阵。

进一步地,所述初始分布概率向量生成模块506,包括:

节点数确定子模块(图中未示出),用于确定所述合并后网络中每一个节点 在合并前的节点数;

组合子模块(图中未示出),用于以所述合并后网络中每一节点合并前的节 点数占所述宫廷服饰网络中总节点数的比值,作为该节点的初始分布概率,将 得到的所述合并后网络中每个节点的初始分布概率组合成所述初始分布概率向 量。

进一步地,所述最大关联集确定模块508,具体用于:

针对所述合并后网络中的每一个节点,将该节点作为主连节点,将与该主 连节点连接的其它节点作为被连节点,针对每一个被连节点,判断所述主连节 点转移到该被连节点的转移概率、或该被连接节点转移到所述主连节点的转移 概率是否至少有一个大于第一阈值;若是,则判断所述主连节点和被连节点的 转移分布概率是否都大于所述第二阈值;若是,则将所述主连节点和被连节点 确定为具有关联通路;

将任意两节点间都具有关联通路的节点取出,得到多个最大关联集。

本发明实施例提供了发明实施例提供了一种宫廷服饰特征选择方法及装置, 应用于电子设备,所述电子设备确定预设的宫廷服饰池中每件宫廷服饰的待选 特征量;将所述每件宫廷服饰作为节点,以该服饰具有的待选特征量为对应节 点的度,任意宫廷服饰间每具有一个相同的待选特征量,则在对应的节点间生 成一条连线,得到宫廷服饰网络;将所述宫廷服饰网络中的各个节点按节点的 度进行合并,得到合并后网络;计算所述合并后网络中每一个节点到包括自身 在内的每个节点的一次转移概率,得到转移概率矩阵;计算所述转移概率矩阵 的k次幂,其中k取值为从2开始、依次加1的整数,直到得到的所述转移概 率矩阵的k次幂中的所有非对角线元素小于预设的第一阈值,取所述转移概率 矩阵的k-1次幂作为第一矩阵;确定所述合并后网络中每个节点的初始分布概率, 得到初始分布概率向量;将所述初始分布概率向量乘以所述第一矩阵,得到合 并后网络每个节点的转移分布概率;将合并后网络中每组具有连接关系的一对 节点间转移概率至少有一个大于第一阈值、且该对节点转移分布概率均大于第 二阈值的节点的集合确定为最大关联集,得到若干个最大关联集;将每个所述 最大关联集中的每个节点的转移分布概率相加作为对应最大关联集的系数,获 得每个最大关联集中节点共有的特征量,并统计该特征量在该最大关联集所有 节点中出现的次数,并用该次数乘以所述最大关联集的系数,得到对应的加权 值;取加权值最大的预设数量个加权值所对应的特征量,作为结果特征量。由 于本发明实施例中利用宫廷服饰的转移概率大小确定宫廷服饰间的相关联性, 并从具有相关联性的宫廷服饰的特征量中选择最能代表宫廷服饰本质的特征量, 能够从大量的宫廷服饰特征中选择出最能代表宫廷服饰的特征。

对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比 较简单,相关之处参见方法实施例的部分说明即可。

需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些 实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含” 或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过 程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他 要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有 更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要 素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤 是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读 取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。 凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在 本发明的保护范围内。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号