关键词：词袋模型 视觉词典构造 图像分类 

摘要：传统词袋（bag of Words，BoW）模型在构造视觉词典时一般采用k-means聚类方法实现，但k-means聚类方法的性能在很大程度上依赖于初始点的选择，从而导致生成的视觉词典鲁棒性较差，此外，每次迭代都要计算数据点与中心点的距离，计算复杂度高。针对上述问题，提出了一种改进的k-means聚类视觉词典构造方法，该方法首先对初始值的选取进行了优化，克服了随机选取初始值对聚类性能的影响，其次基于三角形不等式对计算进行了简化，使生成的视觉词典更加稳定，计算复杂度更低，最后引入权值分布对图像进行基于视觉词典的表示，并将基于改进的视觉词典的词袋模型应用于图像分类，提高了分类性能。通过在Caltech 101和Caltech256两个数据库进行实验，验证了本文方法的有效性，并分析了词典库大小对分类性能的影响。从实验结果可以看出，采用本文方法所得到的分类正确率提高了5％-8％。

仪器仪表学报杂志要求:

{1}注释：将注释按正文中出现的先后顺序排列编号，用数字加圆圈标注，并集中排列在正文后。

{2}来稿以未在国内外正式发表为限。

{3}正文的层次标题应简短明了，以15字为限，不用标点符号，其层次的划分及编号一律使用阿拉伯数字分级编号法。

{4}“题目”应明晰（必要时可加副标题），并附有200字左右以内的“摘要”和3-5个“关键词”。

{5}稿件研究内容如获得课题或基金资助，请注明其名称及项目号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社