%0 Journal Article
%T 基于期望首达时间的形状距离学习算法
%A 郑丹晨
%A 韩敏
%J 自动化学报
%P 92-99
%D 2014
%R 10.3724/SP.J.1004.2014.00092
%X ？由于逐对形状匹配不能很好地反映形状间相似度，因此需要引入后期处理步骤提升检索精度.为了得到上下文敏感的形状相似度，本文提出了一种基于期望首达时间（Meanfirst-passagetime，MFPT）的形状距离学习方法.在利用标准形状匹配方法得到距离矩阵的基础上，建立离散时间马尔可夫链对形状流形结构进行分析.将形状样本视作状态，利用不同状态之间完成一次状态转移的平均时间步长，即期望首达时间，表示形状间的距离.期望首达时间能够结合测地距离发掘空间流形结构，并可以通过线性方程进行有效求解.分别对不同数据进行实验分析，本文所提出的方法在相同条件下能够达到更高的形状检索精度.
%K 形状匹配
%K 形状距离学习
%K 相似度矩阵
%K 离散时间马尔可夫链
%K 期望首达时间
%U http://www.aas.net.cn/CN/abstract/abstract18270.shtml