游戏网络编程自然科学基金

项目类别：青年基金项目申请人 电子邮箱：：依托单位：宁波大红鹰学院联系人：徐 申报日期：2014-9-二O 浙江省自然科学基金申请书(2015年度 第1姓名男获18位信息科学部/计算机科学/计算机应用技术/计算机应用技术20151月至201712分割处理。第二个目标是要研究完成一套图像处理的数学模型，即随机场为基础的（4个机场；马尔可夫 浙江省自然科学基金申请书(2015年度 第21男2男态63女64女65权男667生5230000 浙江省自然科学基金申请书(2015年度 第3:2002.9-2006.72006.9-2009.3宁波大学计算机应用专业 ，2009年1月另外一篇题为《segmentationUsingImprovedPotts 》于C2008，为EI检索2009.8-至今宁波大红鹰学院信息 对象与C++程序设计课程。2012.9考入宁波大学通信工程专业博士，从事图像处理方向的研究和学习，已一篇SCI收入一篇：'Swendsen-WangCutsSamplingforSpatiallyConstrainedDirichletProcessMixtureModels',GraphicalModels,76(2014),，男，，中，博士，。200812月毕业于中国矿业大学（）获博士。在科研方面，先后在各类学术专业学术4010项。在教学方面先后主持和参与多项教学项目，并主持温州市计算机科学与技术重点专业建设项目。主近三年主要EfficientRuleExtractionAlgorithmBasedonDiscernibilityMatrixinDecisionTable,InternationalJournalofAdvancementsinComputingTechnology,Volume4,Number6,April15,2012.EfficientAlgorithmforKnowledgeReductionin pleteInformationSystem,JournalofComputationalInformationSystems,Volume8,Number6.March2012.[3]HuashengZou,ChangshengZhang.QuickAlgorithmforRelativeReductionBasedonDecisionInformationSystem, Animprovedgeneticalgorithmforattributereductioninroughsettheory.InternationalJournalofAdvancementsinComputingTechnology,v3,n8,p103-109,September2011.Studyonroadbeddiseaserecognitionalgorithmbasedonsupportvectormachine.Proceedingsof2009InternationalConferenceonImageysisandSignalProcessing,IASP2009,p362-365,2009,Proceedingsof2009InternationalConferenceonImageysisandSignalProcessing,IASP2009AStudyandImplementofTeaQSTraceSystemAStudyandImplementofTeaQSTraceSystemBasedonWebGIS；ICECC2011；2011.10（EI：20114714544684）1/5DsignandImplementoftheRapidDispatchingSystemofPowerFailureRepair ICECC2011（EI）2/5TheDesignofNewbook mendationSystemBasedon 201（EI）2/5 浙江省自然科学基金申请书(2015年度 第5无无无无 浙江省自然科学基金申请书(2015年度 第6申请经费预算 元无无无无8费无无无合计 浙江省自然科学基金申请书(2015年度 第72015解模型的数学理论和原理，国际上的研究动态，参加国际上的高水平会议研究目标：一到两篇2016DPM模型的聚类特性，并以两者之间的契合点为研究突破口，最后设MCMC推断算法，并编程实现，与已有的模型算法进行对比，并进研究目标：EISCI收录的2017研究目标：开发 的图像处理系统 1-2 ，申请专利，结题 浙江省自然科学基金申请书(2015年度 第8在本项目的研究结果的基础上在本项目的研究结果的基础上进行进一步产品开发或技术转让在本项目研究结束后计划通过以下几种方式继续发展与开发本项目相关的研究其一是在本项目研究的基础上，继续申报省级以及国家自然科学基金项目的经费支持，进一步深入研究空间关系约束的DPM模型的研究和在机器视觉相关领域的应用其二是进行图像处理算法的实用化研究特别是智能识别在交通 中的应用研究；最后探索P模型与其他模型结合的应用。 3 ：S(S)CI1EI20研究年限期间预期完成的其他成果110获得省部级以上科技00 浙江省自然科学基金申请书(2015年度 第9申请 依托单位：宁波大红鹰学院我保证申请书内容的真实性和。如果获得资助，我将履行项目职责，严格遵守浙江省自然科学基金的有关管理规定，切实保证研究工作时间，认真开展工作，按送有关材料。若填报失实和规定，本人将承担全部责任。

我保证有关申报内容的真实性和。如果获得资助，我将严格遵守浙江省自然科学基时向项目报送有关材料。若个人信息失实、执行项目中规定，本人将承担相关责 1234权56证对研究计划实施所需要的人力、物力和工作时间等条件给予保障，严格遵守浙江省自然科学基金有关管理规定，督促项目和项目组成员以及本单位项目管理部门按照浙江省自 的要求及送有关材料、按研究计划完成项目。 浙江省自然科学基金申请书(2014年度 第1发展使得计算机网络需要和传输的数据以几何级数激增，网络服务器的处理能力2009年开浏览器或客户端就可以所有服务。云计算包括SaaS，PaaS，三个层次的服务。本研究着重于图像处理服务方面，仅研究SaaS，软件即服务。云计算的概念包含两个重要功能：云和云计算。云计算的兴起改变了传统的网络架构模式。所有的计算、都将在统一的云端进行。70%都是来自视觉感知。图像由于在计算机中的方式决定了图像数据量特别 浙江省自然科学基金申请书(2014年度 第2 未找 本项目在把握当前的国际研究热点基础上，结合的云计算技术，以解决像分割方法已经十分丰富，如基于阈值的方法错误!未找到源。-错误!未找到源。、基于区域的分割错误!未找到源。-错误!未找到源。、基于随机场模型的分割错误!未找到源。-错误!未找到、基于纹理的分割错误!未找到源。、错误!未找到源。-错误!未找到源。、基于形态学特征的分割错误!未找到源。-错误!未找到源。 浙江省自然科学基金申请书(2014年度 第3 源。如在K-Means聚类算法以及PAM算法错误!未找到 中，其中类别的个数是通过人工确定为K，在任何情况下是不变的。随着分 阶次。2002年， 型确定的方法中，其基本思想与BIC是一致的，但是这种方法使用了伪似然方法，极大地减少了计算量，使得BIC在实际的应用中具有可行性，获得了博士在2004年在PLIC准则基础上，提出了带惩罚项的误差平方和准 浙江省自然科学基金申请书(2014年度 第4重采样技术与排列测试技术在解决阶次选择问题的时候往往效率非常而通过寻找误差函数的曲线拐点来确定模型阶次的方法同样存在模型选择效率差的问题，这种方法只有在各个类的界限比较清晰的情况下会有较好的分割效果。最近几年的高阶条件随机场模型作为另外一种解决图像分割问题的模型，取得了令人鼓舞的成果，但是这种模型的推断算法计算量依然很大，Dirichlet过程模型是最近几年引入机器视觉领域的用来解决模型和阶次 Dirichlet过程一般以Dirichlet过程混合模型的形式出现然而经典的Dirichlet 理。对于像图像这样的二维数据，经典的Dirichlet过程并不能很好地嵌入空间信息进行建模。因此，研究者近几年对于空间约束的Dirichlet过程模型进 国际上比较著名的研究小组有普林斯顿大学的Blei教授带领的机器学习研究小组，主要研究DP模型及相关的变体在 模型处理的LDA模型错误!未找到 源DILN模型等以及与模型 浙江省自然科学基金申请书(2014年度 第5lifeifei教授LDA模型应用于图像处理领域错误!未找到源。错误!未找到源。Radford.M.Neal教授带领的机器学习与统计小组致力DPM模型的基于马尔可夫链（MCMC）的概率推断算法错误!用源。错误!未找到源。错误!未找到源ErikB.Sudderth与MichaelI.Jordan在2008年提出基于空间依赖的Pitman-Yore过程，并将之应用于图像共分割的应用中错误!。他们将空间关系嵌入到一组基于模型的过程中，并且其相关性由过每个分量，都需要建立一个过程与之对应。而密歇根大学的XuanLongNguyenAlanE.Gelfand则在这个基础上进行了改进，只用一Dirichlet标定过程错误!未找到。但为了使模型的求解可以用梯度下降之类的确定型方法求解，Dunson和Park在2007年提出了核stick-breaking过程错误!未找到 过核方法嵌入到stick权值中。Anetal.用这种模型在图像处理上获得了初步的应用。杜克大学LuRen等人提出了一种新的非参数空间相关先验模型，称为逻辑stick-breaking过程错误!未找到 源。这种模型也是对stick权值进行处理， Abel和 浙江省自然科学基金申请书(2014年度 第6Probitstick-breaking过程错误!未找到DPstick-breakingbeta分布的随量替换成分布的随量，并在各种在基于Poly-UrnDPDPBlei的团队基于空间依赖的中餐馆模型错误!型错误!，从而将模型的功能进行扩展，得到功能更强、分类更准确的模另外一方面的基于空间关系的非参数模型的研究是将DP与随机 源。中DPM模型与隐马尔可夫随机场模型结合提出了无限态隐马尔可夫随机场模型，对图像进行分割处理，获得初步的结果。另外早稻田大学的TakumaNakamura等人于2012年提出了HDP-MRF模型错误!未找到 浙江省自然科学基金申请书(2014年度 第7当前基于空间约束的Dirichlet过程的研究还处于初步阶段，特别是随机场模型与DP之间的关系还没有完全研究透彻PeterOrbanz 模型虽然在一定程度上实现了随机场与DPM模型的结合但是得到的实验结 IHMRF模型也是随机场与DPM的结合，但是这种结合本身已经经过以研究随机场模型与DP模型的三种描述形式之间的关系为突破口，结合先DP之间的契合点及应用于图像分割问题时的关键技术-模型阶次的选择与实 （MCMC）采样法以及变分推断算法。MCMC由于 本项目以研究空间约束的DPM模型的概率型推断算法为重点在不失去概率 浙江省自然科学基金申请书(2014年度 第8PC端。1 浙江省自然科学基金申请书(2014年度 第91、研究基平台环境的图像处理软件，并以web服务的方式提供给2、研究基于理结果的处理。其算法的处理框架如图2所示。输入图像通过纹理过滤NormalizedCuts等算法进行预分割，得到以超像素为节点的图。图中相邻的节点以边连接，使用两相邻节点的相似度作为边的，得到图，并利DP模型对图像节点的标号进行建模，认为标号（也就是图像的类别号）是服从非参数分布（典型的选择为雷过程分布据服从分布。在模型建立的基础上，设计模型的概率推断算法，求解该2 .V表示图的节点集，E表示边的集合，W表示集合LL 浙江省自然科学基金申请书(2014年度 第10（MRF DP模型最早是在1973年由Furguson提出错误!未找 雷过程可以通过两个参数G0及正的尺度进行刻画。述，可以表示为DPG0,。

GGN个随机样本*

nDP模型应用于数据点y ，得 N

n*G~n

n

ynn~Fn

首先从Polyaurnscheme的角度来 雷过程。当我们对G进行NGnN1nN

的概率从基分布G0进行采样，2）Nc为*的值，其选择的概率值与该值之前被选择的次数成正比。设KNc 浙江省自然科学基金申请书(2014年度 第11ncncncnc

fN

G

1

从这个可以看出DP决定了另外一种DPMDP模型通过stick- 1Stick-breakingc c

v是从ccBeta(1,)中抽样得到。而cG0中抽样得到。那么我们可以得到ccGcv

cv

1j1

v

浙江省自然科学基金申请书(2014年度 第12

y

N

x

N

nxc表示当前格点的观察值满足的分布参数n*n取值为cDPM

~cxnv~Multc

cG0~G0

c动态模型。这里的

到

DPMstick-breaking构造方式与随机场结合的一个最大优点是避nDP模型的第三种构造方式称作中餐馆构造方式（CRP，这种描述方式而不同的cknk张桌子上就坐的顾客人数，而以概率一张新的桌子，其过程可以如图2所示。而构造过程的概率表示由 2可 浙江省自然科学基金申请书(2014年度 第132CRPDP模型中。如空间依赖的中餐馆模型、基于空间依赖的Pitman-Yore过程等一系列模型。另外式是将DP与空间随机场模型相结合，如IHMRF模型、HDP-MRF模型等。DP的算法构造模型的求解一般分为两种确定型变分推断技术和概率型 Wv,x

,R

,m,,

个任意的分布qWpWy近程度，这里使用Kullback-Leibler散度。这样可以得到logpyLqKLq||

KL散度是非负的，而观察模型的似然对于一组已经得到的观察值来说， 浙江省自然科学基金申请书(2014年度 第14对于以上变分问题的求解，我们对qW采用独立性假设，用均值场方法假设W中各参数是相互独立的，可以得到如下的

c

NqxqxnN KLqK

,Rlogp,R,m,, c c

c,Rc dq

K 2

dv

K

qvcqxnc1

pxncxˆ;

dq,Rlog

qxn

c

c这样就可以利用类期望最大化技术求解各个参数来更新，然后利用Metropolis-Hasting机制决定最终采样的状态，可以大大提高采样的速度。MHq决定候选的 浙江省自然科学基金申请书(2014年度 第15

由于概率方法收敛速度慢，在文献错误!未找到源。中提出了SWC约束，引入边的变量，通过相同类的数据结点进行绑定更新状态，直DPM模型为出发Split-MergeGibbsDP的中餐馆描述。由于中餐馆方DPDP的相关理论知识，开展各种讨论班，透彻理解模型的数学理论和原理，国际上的研究动态，参加国际上的高水平会议进行研讨，一到两篇。第二年度在充分了解模型的基础上，研究随机场模型的空间邻域关系以及 浙江省自然科学基金申请书(2014年度 第16增强，编程实现图像分割系统，EISCI收录的第三年度进一步根据模型提出适合模型的推断算法，并编程实现基的图1-2篇基于空间随机场约束的DPM模型的概率推断算法目前有两种方法：Gibbs采样和Split-Merge采样。而本项目基于空间信息的SWC采样在DPM模型上实现是之前没有人做过的工作，这是本项目的一个创新点MCMC采样。项目组所依托拥有多台高性能服务器计算机，能完成算法实现运行所要求的计算硬件，以及相机，能完成高质量图像。每台计算机配备windows系统、、visualstudio2010等算法实现的编程平台，以及opencv等开源算法。项目组成员均是计算机应用专业的和博士，有多年的从事图像处理 浙江省自然科学基金申请书(2014年度 第17在国内外著名的会议期上 “ImageSegmentationUsingImprovedPottsModel”,InternationalConferenceonNeuralComputation2008(ICNC2008),(EI)”基于改进型Potts模型的图像分割”，计算机工程，2009.13）“SegmentationUsingImprovedMarkovChainMonteCarlo”InternationalConferenceonNeuralComputation2013(ICNC2013EI)4)'Swendsen-WangCutsSamplingforSpatiallyConstrainedDirichletProcessMixtureModels',GraphicalModels,76(2014),496-506.(SCI)2008年度学生科研创新计划SRIP973重大基础前期专项—虚拟人多通道感知与情感计算研究；项目编号：2005CCA04400，2006.01-2007.12.参与。国家自然科学基金—机器视觉学习与生成模型研究；项目编号：2005CCA04400，2007.01-2009.12.2006.072008.12 浙江省自然科学基金申请书(2014年度 第18及实验程序。二、申请软件著作权一项。三、预计在及以上期或国际会议上SCI或EI经费支持，进一步深入研究空间关系约束的DPM模型的研究和在机器视觉相交 浙江省自然科学基金申请书(2014年度 第1PalNR,PalSK.Areviewonimagesegmentationtechniques[J].Patternrecognition,1993,26(9):1277-1294.ClarkeLP,VelthuizenRP,PhuphanichS,etal.MRI:stabilityofthreesupervisedsegmentationtechniques[J].MagneticResonanceImaging,1993,11(1):95-106.GilboaG,OsherS.Nonlocallinearimageregularizationandsupervisedsegmentation[J].MultiscaleModeling&Simulation,2007,6(2):595-630.AzencottR,GraffigneC.Non-supervisedsegmentationusingmulti-levelMarkovrandomfields[C]//PatternRecognition,1992.Vol.III.ConferenceC:Image,SpeechandSignalysis,Proceedings.,11thIAPRInternationalConferenceon.IEEE,1992:201-204.DengY,ManjunathBS.Unsupervisedsegmentationofcolor-textureregionsinimagesand[J].PatternysisandMachineInligence,IEEETransactionson,2001,23(8):PanjwaniDK,HealeyG.Markovrandomfieldmodelsforunsupervisedsegmentationoftexturedcolorimages[J].PatternysisandMachineInligence,IEEETransactionson,1995,17(10):WeszkaJS.Asurveyofthresholdselectiontechniques[J].ComputerGraphicsandImageProcessing,1978,7(2):259-265.SahooPK,SoltaniS,WongAKC.Asurveyofthresholdingtechniques[J].Computervision,graphics,andimageprocessing,1988,41(2):233-260.SezginM.Surveyoverimagethresholdingtechniquesand tativeperformanceevaluation[J].JournalofElectronicimaging,2004,13(1):146-168.BaziY,BruzzoneL,MelganiF.ImagethresholdingbasedontheEMalgorithmandthegeneralizedGaussiandistribution[J].PatternRecognition,2007,40(2):619-634.HammoucheK,DiafM,SiarryP.Amultilevelautomaticthresholdingmethodbasedonageneticalgorithmforafastimagesegmentation[J].ComputerVisionandImageUnderstanding,2008,109(2):163-175.XueJH,TitteringtonDM.Median-basedimagethresholding[J].Imageandvisioncomputing,2011,29(9):631-637.XueJH,ZhangYJ.RidlerandCalvard’s,KittlerandIllingworth’sandOtsu’smethodsforthresholding[J].PatternRecognitionLetters,2012,33(6):793-WaniMA,BatchelorBG.Edge-region-basedsegmentationofrangeimages[J].PatternysisandMachineInligence,IEEETransactionson,1994,16(3):314-319.AdamekT,O'ConnorNE,MurphyN.Region-basedsegmentationofimagesusingsyntacticvisualfeatures[J].2005.HuangYP,ChangTW,SandnesFE.Efficientshape-basedimageretrievalbasedongrayrelationalysisandassociationrules[J].InternationalJournalofPatternRecognitionandArtificialInligence,2008,22(04):711-732.CremersD,RoussonM,DericheR.Areviewofstatisticalapproachestolevelsetsegmentation:integratingcolor,texture,motionandshape[J].Internationaljournalofcomputervision,2007,72(2):195-215.JungM,PeyréG,CohenLD.Nonlocalactivecontours[J].SIAMJournalonImagingSciences,2012,5(3):1022-1054. 浙江省自然科学基金申请书(2014年度 第2JungM,PeyréG,CohenLD.Texturesegmentationvianon-localnon-parametricactivecontours[C]//EnergyMinimizationMethodsinComputerVisionandPatternRecognition.SpringerBerlinHeidelberg,2011:74-88.DerinH,ElliottH.ModelingandsegmentationofnoisyandtexturedimagesusingGibbsrandomfields[J].PatternysisandMachineInligence,IEEETransactionson,1987(1):39-55.LakshmananS,DerinH.SimultaneousparameterestimationandsegmentationofGibbsrandomfieldsusingsimulatedannealing[J].PatternysisandMachineInligence,IEEETransactionson,1989,11(8):799-813.BoumanCA,ShapiroM.AmultiscalerandomfieldmodelforBayesianimagesegmentation[J].ImageProcessing,IEEETransactionson,1994,3(2):162-177.DubesRC,JainAK.Randomfieldmodelsinimageysis[J].Journalofappliedstatistics,1989,16(2):131-164.HeldK,KopsER,KrauseBJ,etal.MarkovrandomfieldsegmentationofbrainMRimages[J].MedicalImaging,IEEETransactionson,1997,16(6):878-886.BarbuA,ZhuSC.Generalizingswendsen-wangtosamplingarbitraryposteriorprobabilities[J].PatternysisandMachineInligence,IEEETransactionson,2005,27(8):1239-1253.SzeliskiR,ZabihR,ScharsteinD,etal.AcomparativestudyofenergyminimizationmethodsforMarkovrandomfields[M]puterVision–ECCV2006.SpringerBerlinHeidelberg,2006:BatraD,YadollahpourP,Guzman-RiveraA,etal.Diversem-bestsolutionsinmarkovrandomfields[M]puterVision–ECCV2012.SpringerBerlinHeidelberg,2012:1-16.PayetN,TodorovicS.Hough RandomFieldforObjectRecognitionandSegmentation[J].ZhouQ,ZhuJ,LiuW.LearningDynamicHybridMarkovRandomFieldforImageLabeling[J].HongBW,NiK,SoattoS.Entropy-Scaleprofilesfortexturesegmentation[M]//ScaleSpaceandVariationalMethodsinComputerVision.SpringerBerlinHeidelberg,2012:243-254.WuQ,AnJ,LinB.ATextureSegmentationAlgorithmBasedonPCAandGlobalMinimizationActiveContourModelforAerialInsulatorImages[J].2012.PrakashA,HewkoM,SowaM,etal.Texturebasedsegmentationmethodtodetectatheroscleroticquefromopticaltomographyimages[C]//EuropeanConferencesonBiomedicalOptics.InternationalSocietyforOpticsandPhotonics,2013:88020S-88020S-6.MeyerF,BeucherS.Morphologicalsegmentation[J].Journalofvisualcommunicationandimagerepresentation,1990,1(1):21-46.PesaresiM,BenediktssonJA.Anewapproachforthemorphologicalsegmentationofhigh-resolutionsaliteimagery[J].GeoscienceandRemoteSensing,IEEETransactionson,2001,39(2):309-320.AptoulaE,LefèvreS.Acomparativestudyonmultivariatemathematicalmorphology[J].PatternRecognition,2007,40(11):2914-2929.TarabalkaY,ChanussotJ,BenediktssonJA.Segmentationandclassificationofhyperspectralimagesusingwatershedtransformation[J].PatternRecognition,2010,43(7):2367-2379.HamarnehG,LiX.Watershedsegmentationusingpriorshapeandappearanceknowledge[J].ImageandVisionComputing,2009,27(1):59-68.DerivauxierG,WemmertC,etal.SupervisedimagesegmentationusingDerivaux 浙江省自然科学基金申请书(2014年度 第3transform,fuzzyclassificationandevolutionarycomputation[J].PatternRecognitionLetters,2010,31(15):2364-2374.SalvadorS,ChanP.Determiningthenumberofclusters/segmentsinhierarchicalclustering/segmentationalgorithms[C]//ToolswithArtificialInligence,2004.ICTAI2004.16thIEEEInternationalConferenceon.IEEE,2004:576-584.NgRT,HanJ.EffcientandEffectiveClusteringMethodsforSpatialDataMining[C]//Proc.of.1994:144-155.SheikholeslamiG,ChatterjeeS,ZhangA.Wavecluster:Amulti-resolutionclusteringapproachforverylargespatialdatabases[C]//VLDB.1998,98:428-439.SmythP.ClusteringUsingMonteCarloCross-Validation[C]//KDD.1996:126-FraleyC,RafteryAE.Howmanyclusters?Whichclusteringmethod?Answersviamodel-basedclusterysis[J].Thecomputerjournal,1998,41(8):578-588.BaxterRA,OliverJJ.Thekindestcut:minimummessagelengthsegmentation[C]//AlgorithmicLearningTheory.SpringerBerlinHeidelberg,1996:83-90.HansenMH,YuB.Modelselectionandtheprincipleofminimumdescriptionlength[J].JournaloftheAmericanStatisticalAssociation,2001,96(454):746-774.SugiyamaM,OgawaH.Subspaceinformationcriterionformodelselection[J].NeuralComputation,2001,13(8):1863-1889.VaskoKT,ToivonenHTT.Estimatingthenumberofsegmentsintimeseriesdatausingpermutationtests[C]//DataMining,2002.ICDM2003.Proceedings.2002IEEEInternationalConferenceon.IEEE,2002:466-473.MontiS,TamayoP,MesirovJ,etal.Consensusclustering:aresampling-basedmethodforclassdiscoveryandvisualizationofgeneexpressionmicroarraydata[J].Machinelearning,2003,52(1-2):91-118.RothV,LangeT,BraunM,etal.Aresamplingapproachtoclustervalidation[C]pstat.Physica-VerlagHD,2002:123-128.TibshiraniR,WaltherG.Clustervalidationbypredictionstrength[J].JournalofComputationalandGraphicalStatistics,2005,14(3):511-528.TibshiraniR,WaltherG,HastieT.Estimatingthenumberofclustersinadatasetviathegapstatistic[J].JournaloftheRoyalStatisticalSociety:SeriesB(StatisticalMethodology),2001,63(2):411-423.TehYW,JordanMI,BealMJ,etal.Hierarchicaldirichletprocesses[J].Journaloftheamericanstatisticalassociation,2006,101(476).TehYW,JordanMI.HierarchicalBayesiannonparametricmodelswithapplications[J].BayesianNonparametrics:PrinciplesandPractice,2010:158-207.BleiDM,NgAY,JordanMI.Latentdirichletallocation[J].theJournalofmachineLearningresearch,2003,3:993-1022.GriffithsT,JordanM,TenenbaumJ,etal.Hierarchicaltopicmodelsandthenestedrestaurantprocess[J].Advancesinneuralinformationprocessingsystems,2004,16:106-114.FergusonTS.ABayesian ysisofsomenonparametricproblems[J].Theannalsofstatistics,1973:209-230.BleiDM,FrazierPI.Distancedependent restaurantprocesses[J].TheJournalofMachineLearningResearch,2011,12:2461-2488.GhoshS,UngureanuAB,SudderthEB,etal.Spatialdistancedependent 浙江省自然科学基金申请书(2014年度 第4processesforimagesegmentation[C]//AdvancesinNeuralInformationProcessingSystems.2011:1476-1484.BleiDM,JordanMI.VariationalinferenceforDirichletprocessmixtures[J].Bayesianysis,2006,1(1):121-143.WangC,BleiDM.Variationalinferenceforthenested restaurantprocess[C]//AdvancesinNeuralInformationProcessingSystems.2009:1990-1998.CaoL,Fei-FeiL.Spatiallycoherentlatenttopicmodelforconcurrentsegmentationandclassificationofobjectsandscenes[C]puterVision,2007.ICCV2007.I