该研究论文介绍了一种基于 Bag of Features (BoF) 方法的图像表示方法，重点介绍了最新的技术和解决问题的策略，并分析了 BoF 方法在图像检索、目标定位等领域的应用和局限性。

Jan, 2011

为了在保持高识别精度的前提下减少计算及存储成本，本文提出了一种名为‘Binary Projection Bank’的嵌入方法，通过学习一组小的投影来实现从高维特征向量向中等维二进制码转换，实验论证了该方法和现有技术相比在减小内存和编码复杂度方面具有较大优势。

Sep, 2015

本文提出了一种数据挖掘算法，利用强理论保证在任何对称正定核情况下找到代表性原型和批评（即异常值），并演示了其在零售、MNIST 数字识别和 CDC 数据集上的实际应用效果。

Jul, 2017

提出了两种方法来解决局部特征点干扰问题，即通过在聚合阶段包含一组描述符权重来平等地处理每个本地描述符的个体贡献，并在标准公共图像检索基准测试中进行实验证明对于短向量或中向量的图像搜索，这两种方法都比对象方法表现更好。

Nov, 2016

本文总结了针对集合特征向量数据集的基于监督学习的多种拓展方法，并提出了一种分类法以展示它们之间的关系，并讨论了未来的研究方向。

Jun, 2014

本文介绍了一种基于路径收集的网络数据分析框架，使用基尔霍夫矩阵求解策略计算路径之间关系概率分布，并提高了一种框架的应用，可以计算并测量不同的节点关系度量标准，并通过实验证明了该方法在半监督分类问题上的竞争优势。

Feb, 2013

本研究中，我们引入了非独立同分布模型来提高图像特征表示方法的性能，并通过模型的超参数的数据对数似然梯度来编码图像。我们同时使用变分自由能边界来学习超参数和计算近似的 Fisher kernels，其结果表明，与现有的特征集成方法中使用的幂归一化方法相比，我们的模型会提高性能。

Oct, 2015

该论文探讨了基于模板方法选择数据集中的样本子集，以在分类场景下实现数据精简，即挑选代表性样本集合进行分类任务的研究，并提出了一种基于集合覆盖优化的方法来解决这一问题。

Feb, 2012

我们提出了一种新的边界优化类原型生成（BRPG）方法，将其纳入整个训练框架中，该方法在 PASCAL VOC 2012 和 Cityscapes 数据集上的实验表明，它优于当前最先进的方法。

Jul, 2023

本文提出了一种介于使用相似性和原型实例之间的、将它们各自的特点结合起来的方法，并使用随机子空间集合来设计分类器以实现在多实例学习问题上的最先进性能。

Feb, 2014