检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于潜在语义主题融合的铁路扣件状态检测

传感器与微系统 2016年第7期35卷 19-21,25页

作者：狄仕磊刘甲甲罗建桥李柏林西南交通大学机械工程学院四川成都610031

针对现有单一底层特征识别扣件状态的算法存在描述能力差、特征维度过高等问题,提出一种基于两种扣件底层特征的潜在语义主题融合的扣件检测模型。通过潜在狄利克雷分布(LDA)模型分别获取扣件图像的局部二值模式(LBP)特征和方向梯度直方... 详细信息

针对现有单一底层特征识别扣件状态的算法存在描述能力差、特征维度过高等问题,提出一种基于两种扣件底层特征的潜在语义主题融合的扣件检测模型。通过潜在狄利克雷分布(LDA)模型分别获取扣件图像的局部二值模式(LBP)特征和方向梯度直方图(HOG)特征的扣件语义主题向量。将这两种语义主题向量进行加权融合,权值由该图像LBP特征图和其梯度图的信息熵来确定。以该向量训练分类器,判断待检扣件状态。实验表明:与目前的主流扣件检测方法相比,该方法的漏检率和误检率明显降低,检测能力显著增强。

关键词：铁路扣件检测语义主题潜在狄利克雷分布模型信息熵加权融合

基于语义主题相似度的Web教育资源查询方法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2014年第2期24卷 104-106,110页

作者：王杨尤科本吴梦婷虞威陈付龙赵传信安徽师范大学数学与计算机科学学院安徽芜湖241000

针对传统Web教育主体难以获得高可用教育资源的问题,提出了一种面向语义主题相似度的Web教育资源查询方法。该方法建立了本体概念语义网络(Ontology Concept Semantic Network,OCSN),在此基础上,设计了基于语义主题相似度匹配的概念检... 详细信息

针对传统Web教育主体难以获得高可用教育资源的问题,提出了一种面向语义主题相似度的Web教育资源查询方法。该方法建立了本体概念语义网络(Ontology Concept Semantic Network,OCSN),在此基础上,设计了基于语义主题相似度匹配的概念检索方法:在检索前主动将教育资源根据其语义和主题组织到本体概念语义网络中,然后建立一个基于语义特性的Web教育资源发现的垂直搜索引擎,并通过构造满足条件的相似度函数,将对应的语义距离映射为相似度,有效地提高了查询效率。实验结果表明此方法能够提高Web教育资源的查准率和查全率。

关键词：语义主题本体知识库资源组织框架相似度匹配

在线全文

学校读者我要写书评

暂无评论

大规模图像集中的代表性图像选取

自动化学报 2014年第4期40卷 706-712页

作者：齐美彬朱俊俊纪平蒋建国合肥工业大学计算机与信息学院合肥230009 合肥学院电子信息与工程系合肥230022

针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题,提出了一种基于互近邻一致性和近邻传播的代表性图像选取算法,为每个查询选取与其相关的不同语义主题的图像集合.该算法利用互近邻一致性调整图像间的相似度,再进行... 详细信息

针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题,提出了一种基于互近邻一致性和近邻传播的代表性图像选取算法,为每个查询选取与其相关的不同语义主题的图像集合.该算法利用互近邻一致性调整图像间的相似度,再进行近邻传播(AP)聚类将图像集分为若干簇,最后通过簇排序选取代表性图像簇并从中选取中心图像为代表性图像.实验表明,本文方法的性能超过基于K-means的方法和基于Greedy K-means的方法,所选图像能直观有效地概括源图像集的内容,并且在语义上多样化.

关键词：代表性图像语义主题互近邻一致性 AP聚类图像簇排名

一种基于百度百科的中文网络文本关键词抽取方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2014年第11期35卷 2422-2427页

作者：陈叶旺华侨大学计算机科学学院福建厦门361021

网络上存在海量的中文文本资源,其中有许多具有稀疏性与不规范性,这令以统计词组方式来抽取文本关键词的方法表现不佳.基于百度百科本文提出一种中文网络文本关键词抽取方法,通过百科知识关系将文本从外延词条集合映射到能体现其内涵的... 详细信息

网络上存在海量的中文文本资源,其中有许多具有稀疏性与不规范性,这令以统计词组方式来抽取文本关键词的方法表现不佳.基于百度百科本文提出一种中文网络文本关键词抽取方法,通过百科知识关系将文本从外延词条集合映射到能体现其内涵的语义主题空间中,再利用主题间的关系进行权值调整,最后通过Nave Bayes法回溯并找到原文的关键词.该方法有效地避开穷举词条的统计方式,能在很大程度上解决现有文本挖掘方法无法抽取网络词汇和新生词汇这一难题.在两个数据集上的实验表明,该方法在规范的文本和不规范文本上都有着较好且稳定的表现.

关键词：网络文本百度百科语义主题

在线全文

学校读者我要写书评

暂无评论

大规模图像集中的代表性图像选取

大规模图像集中的代表性图像选取

作者：朱俊俊合肥工业大学

学位级别：硕士

代表性图像选取是一种从网络相册集中选取最具代表性或最典型的图像摘要技术。它可以根据用户输入的查询关键词，返回与其相关的包含多种语义主题的图像集合，以供用户快速浏览、获取该查询的相关信息。近年来，代表性图像选取技术的应... 详细信息

代表性图像选取是一种从网络相册集中选取最具代表性或最典型的图像摘要技术。它可以根据用户输入的查询关键词，返回与其相关的包含多种语义主题的图像集合，以供用户快速浏览、获取该查询的相关信息。近年来，代表性图像选取技术的应用领域越来越广泛，成为图像处理和分析、模式识别、人工智能等众多领域中的研究热点。本文的主要工作和创新点如下： 1.概述了现有图像摘要方法的各个步骤，包括图像特征提取、基于特征的图像聚类、图像簇排名和选取代表性图像，并分析了现有方法的一些不足之处。 2.针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题，提出了一种基于互近邻一致性和AP聚类的代表性图像选取算法。针对每个查询选取与其相关的包含不同语义主题的图像集。首先利用互近邻一致性调整图像间的相似度，然后利用AP聚类方法将图像集分为若干簇，对这些图像簇进行排名选出质量较高的簇，并从中选取中心图像作为代表性图像。实验表明该方法在查准率和查全率方面的性能超过基于K-means的方法和基于Greedy K-means的方法，选取的图像能直观有效地概括源图像集的内容,并且实现了语义上的多样化。 3.针对代表性图像选取过程中不同特征的权值分配问题，提出了一种基于粒子群优化算法的自适应权值分配方法。将各个特征的权值分配问题转化为目标函数的优化问题，即将聚类结果的总质量Q作为目标函数，并采用粒子群优化算法对其进行优化，实现根据图像集自身的特性来分配各个特征的权重,从而更加有效的表示相似度量。实验表明该方法性能超过基于K-means的方法和基于Greedy K-means的方法，与基于KMNC-AP的方法相比，节省了大量的人力和时间。

关键词：代表性图像语义主题互近邻一致性 AP聚类图像簇排名