bag-of-words模型

bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序、语法、句法等要素，将其仅仅看作是若干个词汇的几何，文档中每个单词的出现都是独立的，不依赖于其他的单词是否出现。

在一个巨大的文档集合D，里面一共有M个文档，文档里面的所有单词提取出来后，一起构成一个包含N个单词的词典，利用Bag-of-words模型，每个文档可以被表示为一个N维向量。向量中每个元素表示词典相关元素在文档中出现的次数，没有表达单词在原来的句子中出现的次序。

BAG-OF-WORDS应用于图像识别的三步:
1.利用SIFT算法，从每类图像中提取视觉词汇，将所有视觉词汇集合在一起。

SIFT算法是提取图像中局部不变特征的应用最广泛的算法，我们可以利用SIFT算法从图像中提取不变特征点，作为视觉词汇，并构造单词表，用单词表中的单词表示一幅图像。

2.利用K-means算法构造单词表。将词义相近的词汇合并，作为单词表中的基础词汇，得到包含k个词汇的单词表。

3.利用单词表中的词汇表示图像。利用SIFT算法可以从每幅图像中提取很多个特征点，这些特征点都可以用单词表中的单词近似替代，通过统计单词表中每个单词在图像中出现的次数，可以讲图像表示成一个k维数的向量。

参考：https://blog.csdn.net/wsj998689aa/article/details/47089153