Approximating the Signature Quadratic Form Distance Using Scalable Feature Signatures

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F14%3A10281432" target="_blank" >RIV/00216208:11320/14:10281432 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-04114-8_8" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-04114-8_8</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-04114-8_8" target="_blank" >10.1007/978-3-319-04114-8_8</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Approximating the Signature Quadratic Form Distance Using Scalable Feature Signatures

Popis výsledku v původním jazyce

The feature signatures in connection with the signature quadratic form distance have become a respected similarity model for effective multimedia retrieval. However, the efficiency of the model is still a challenging task because the signature quadraticform distance has quadratic time complexity according to the number of tuples in feature signatures. In order to reduce the number of tuples in feature signatures, we introduce the scalable feature signatures, a new formal framework based on hierarchicalclustering enabling definition of various feature signature reduction techniques. As an example, we use the framework to define a new feature signature reduction technique based on joining of the tuples. We experimentally demonstrate our new feature signature reduction technique can be used to implement more efficient yet effective filter distances approximating the original signature quadratic form distance. We also show the filter distances using our new feature signature reduction te

Název v anglickém jazyce

Approximating the Signature Quadratic Form Distance Using Scalable Feature Signatures

Popis výsledku anglicky

The feature signatures in connection with the signature quadratic form distance have become a respected similarity model for effective multimedia retrieval. However, the efficiency of the model is still a challenging task because the signature quadraticform distance has quadratic time complexity according to the number of tuples in feature signatures. In order to reduce the number of tuples in feature signatures, we introduce the scalable feature signatures, a new formal framework based on hierarchicalclustering enabling definition of various feature signature reduction techniques. As an example, we use the framework to define a new feature signature reduction technique based on joining of the tuples. We experimentally demonstrate our new feature signature reduction technique can be used to implement more efficient yet effective filter distances approximating the original signature quadratic form distance. We also show the filter distances using our new feature signature reduction te

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GPP202%2F12%2FP297" target="_blank" >GPP202/12/P297: Synergické modelování adaptivních podobnostních měr pro potřeby multimediálního vyhledávání</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

MultiMedia Modeling (Lecture Notes in Computer Science)

ISBN

978-3-319-04113-1

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

12

Strana od-do

86-97

Název nakladatele

Springer International Publishing

Místo vydání

Berlin

Místo konání akce

Dublin, Ireland

Datum konání akce

6. 1. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—