检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于特征共现的无监督哈希检索算法

微电子学与计算机 2024年第5期41卷 22-30页

作者：张青露陈壹华华南师范大学软件学院广东佛山528225

现有无监督哈希检索算法的关注点在于哈希映射过程中的信息损失以及生成哈希的质量问题,忽略了图像特征本身对检索精度的影响。为进一步提高检索的精度,提出一种改进的基于特征共现的无监督哈希检索算法(Unsupervised Hash retrieval al... 详细信息

现有无监督哈希检索算法的关注点在于哈希映射过程中的信息损失以及生成哈希的质量问题,忽略了图像特征本身对检索精度的影响。为进一步提高检索的精度,提出一种改进的基于特征共现的无监督哈希检索算法(Unsupervised Hash retrieval algorithm based on Feature Co-occurrence,UHFC)。该算法共分为两个阶段:深度特征提取和无监督哈希生成。为提高图像特征的质量,UHFC在卷积神经网络(Convolutional Neural Network,CNN)结构的最后一层卷积后引入了共现层,用来提取特征之间的依赖关系。并用共现激活值的均值来表示共现程度,解决原共现操作存在相同两个通道的共现值不一致的问题;接着,在特征融合部分UHFC设计一种适用于共现特征融合的,结合空间注意力机制的注意特征融合方法(Attention Feature Fusion method based on Spatial attention,AFF-S)。通过注意力机制自主学习共现特征与深度特征融合的权重,降低特征融合过程中背景因素的干扰,提高最终图像特征的表达能力。最后,根据最优传输策略,UHFC采用双半分布哈希编码对图像特征到哈希码的映射过程进行监督,并在哈希层后添加一层分类层通过KL损失进一步提高哈希码所包含的图片信息,整个训练过程中无需数据集的标注,实现无监督哈希的生成。实验表明,UHFC对哈希编码质量改善较好,在Flickr25k和Nus-wide数据集上其平均均值精度(mean Average Precision,mAP)分别达到了87.8%和82.8%,相比于baseline方法分别提高了2.1%与1.2%,效果明显。

关键词：图像检索注意特征融合共现特征无监督哈希

在线全文

学校读者我要写书评

暂无评论

潜在语义索引中特征优化技术的研究

中文信息学报 2009年第2期23卷 69-76页

作者：季铎郑伟蔡东风沈阳航空工业学院知识工程中心辽宁沈阳110034

潜在语义索引被广泛应用于信息检索、文本分类、自动问答等领域中。潜在语义索引是一种降维方法，它把共现特征映射到同一维空间上，而非共现特征映射到不同的空间上。在潜在语义索引的语义空间中，共现特征通过文档内部以及文档之间的... 详细信息

潜在语义索引被广泛应用于信息检索、文本分类、自动问答等领域中。潜在语义索引是一种降维方法，它把共现特征映射到同一维空间上，而非共现特征映射到不同的空间上。在潜在语义索引的语义空间中，共现特征通过文档内部以及文档之间的特征传递关系获得。该文认为这种特征传递关系会引入一些不存在的共现特征，从而降低潜在语义索引的性能，应该对这种特征传递关系进行一些选择，削除不存在的共现特征信息。该文采用文档频率对文档集合进行特征选择，用Complete—Link聚类算法在两个公开语料上进行三个实验，实验结果显示，保留文档频度的10％～15％时，其F1值分别提高了6．5770%，1．9928％和3．3614％。

关键词：计算机应用中文信息处理潜在语义索引共现特征奇异值分解特征选择

在线全文

学校读者我要写书评

暂无评论

基于多特征因子融合的中文短文本实体消歧

计算机与现代化 2023年第1期 30-36页

作者：王永缔雷刚江西师范大学软件学院江西南昌330022

现有中文短文本实体消歧模型在消歧过程中大多只考虑指称上下文与候选实体描述的语义匹配特征,对同一查询文本中候选实体间的共现特征以及候选实体与实体指称类别相似特征等有效的消歧特征考虑不足。针对这些问题,本文首先利用预训练语... 详细信息

现有中文短文本实体消歧模型在消歧过程中大多只考虑指称上下文与候选实体描述的语义匹配特征,对同一查询文本中候选实体间的共现特征以及候选实体与实体指称类别相似特征等有效的消歧特征考虑不足。针对这些问题,本文首先利用预训练语言模型获得指称上下文与候选实体描述的语义匹配特征;然后,针对实体嵌入和指称类别嵌入提出共现特征与类别特征;最后,通过融合上述特征实现基于多特征因子融合实体消歧模型。实验结果表明本文提出的共现特征及类别特征在实现实体消歧中的可行性和有效性,以及本文提出的基于多特征因子融合的实体消歧方法能够取得更好的消歧效果。

关键词：共现特征类别特征多特征因子多头注意力 Ernie

在线全文

学校读者我要写书评

暂无评论

基于概念关系的文本特征提取方法

计算机与数字工程 2014年第11期42卷 2066-2068,2163页

作者：文必龙李乃峰任秀英冯翔吕鹏全东北石油大学计算机与信息技术学院大庆163318

针对基于词频统计的TD-IDF文本特征提取方法缺乏对文本中概念关系处理,而使提取到的文本特征具有概念冗余、特征不明确等问题,提出基于本体概念相似度的词频统计方法。利用文本元素之间的语义相似度调整特征元素的词频,突出特征元素的... 详细信息

针对基于词频统计的TD-IDF文本特征提取方法缺乏对文本中概念关系处理,而使提取到的文本特征具有概念冗余、特征不明确等问题,提出基于本体概念相似度的词频统计方法。利用文本元素之间的语义相似度调整特征元素的词频,突出特征元素的语义贡献、消除特征冗余,增强特征集合元素的特征独立性。最后结合文本概念的共现特性,对可能出现某些重要特征元素因词频统计而被忽略的问题进行处理,从而准确、高效地提取文本特征。

关键词：文本特征词频统计本体概念相似度共现特征

在线全文

学校读者我要写书评

暂无评论

潜在语义索引中特征优化技术的研究

潜在语义索引中特征优化技术的研究

第四届全国信息检索与内容安全学术会议

作者：郑伟季铎蔡东风沈阳航空工业学院知识工程中心

潜在语义索引被广泛应用于信息检索、文本分类、自动问答系统等领域中。潜在语义索引是一种降维方法,它把共现特征映射到同一维空间上,而非共现特征映射到不同的空间上。在潜在语义索引的语义空间中,共现特征通过文档内部以及文档之间... 详细信息

潜在语义索引被广泛应用于信息检索、文本分类、自动问答系统等领域中。潜在语义索引是一种降维方法,它把共现特征映射到同一维空间上,而非共现特征映射到不同的空间上。在潜在语义索引的语义空间中,共现特征通过文档内部以及文档之间的特征传递关系获得。本文认为这种特征传递关系会引入一些不存在的共现特征,从而降低潜在语义索引的性能,应该对这种特征传递关系进行一些选择,削除不存在的共现特征信息。本文采用文档频率对文档集合进行特征选择,用Complete-Link聚类算法在二个公开语料上进行三个实验,实验结果显示,保留文档频度的10%-15%时,其F1值分别提高了6.5770%,1.9928%和3.3614%。

关键词：潜在语义索引共现特征奇异值分解特征选择

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

MACTEN:新型大规模布料纹理分类框架

计算机科学 2020年第S2期47卷 258-265页

作者：李浩翔李浩君浙江工业大学教育科学与技术学院杭州310023

针对纺织品行业布料种类数多且纹理复杂导致人为区分困难的问题,引入深度学习技术,提出了融合多尺度注意力共现特征的残差纹理编码网络模型(MACTEN),并基于此实现Web端大规模布料分类系统。MACTEN主要包含注意力共现表示模块(ACM),改进... 详细信息

针对纺织品行业布料种类数多且纹理复杂导致人为区分困难的问题,引入深度学习技术,提出了融合多尺度注意力共现特征的残差纹理编码网络模型(MACTEN),并基于此实现Web端大规模布料分类系统。MACTEN主要包含注意力共现表示模块(ACM),改进的残差编码模块(REM),以及多尺度纹理编码融合模块(MTEM)。ACM使用注意力机制对不同类型的布料自适应调整纹理共现特征权重,并通过扩展共现域优化共现特征的联合分布,形成更精致的纹理共现特征;REM通过了字典学习方式,产生改进的残差编码,包含空间不变性的全局纹理信息,有效解决了布料纹理的无序表示问题。最后,MTEM同时融合多个尺度注意力纹理共现特征与级联残差纹理编码作为描述子,可以表示不同形状大小的无序布料纹理。在自建布料数据集上,MACTEN相比几种基线算法有更好的表现。此外,KTHTIPS,FMD,DTD数据集的实验结果表明,MACTEN能够泛化作为通用纹理分类算法。

关键词：布料分类深度学习纹理描述子共现特征特征融合

在线全文

学校读者我要写书评

暂无评论

基于word2vec的跨领域情感分类方法

计算机应用研究 2018年第10期35卷 2924-2927页

作者：王勤勤张玉红李培培胡学钢合肥工业大学计算机与信息学院合肥230009

情感分类是用于判断数据的情感极性,广泛用于商品评论、微博话题等数据。标记信息的昂贵使得传统的情感分类方法难以对不同领域的数据进行有效的分类。为此,跨领域情感分类问题引起广泛关注。已有的跨领域情感分类方法大多以共现为基础... 详细信息

情感分类是用于判断数据的情感极性,广泛用于商品评论、微博话题等数据。标记信息的昂贵使得传统的情感分类方法难以对不同领域的数据进行有效的分类。为此,跨领域情感分类问题引起广泛关注。已有的跨领域情感分类方法大多以共现为基础提取词汇特征和句法特征,而忽略了词语间的语义关系。基于此,提出了基于word2vec的跨领域情感分类方法 WEEF(cross-domain classification based on word embedding extension feature),选取高质量的领域共现特征作为桥梁,并以这些特征作为种子,基于词向量的相似度计算,将领域专有特征扩充到这些种子中,形成特征簇,从而减小领域间的差异。在SRAA和Amazon产品评论数据集上的实验结果表明了方法的有效性,尤其在数据量较大时。

关键词：语义特征共现特征词向量跨领域情感分类

在线全文

学校读者我要写书评

暂无评论

基于时空数据的用户社交链接预测研究

基于时空数据的用户社交链接预测研究

作者：陈元娟苏州大学

学位级别：硕士

基于用户时空数据对用户间社交链接进行预测（即预测任意两个用户之间是否有社交链接）是重要的研究方向之一,吸引了大量学者对其进行研究和探索。本文提出了一种新的预测用户社交链接关系的方法,该方法充分挖掘了用户的共现特征,有以... 详细信息

基于用户时空数据对用户间社交链接进行预测（即预测任意两个用户之间是否有社交链接）是重要的研究方向之一,吸引了大量学者对其进行研究和探索。本文提出了一种新的预测用户社交链接关系的方法,该方法充分挖掘了用户的共现特征,有以下三个创新点:1)针对传统方法基本上只注重用户与地点共现特征而忽略用户与时间共现特征的问题,本文提出了一种基于主题模型Latent Dirichlet Allocation（LDA）的特征提取方法,不仅能够获得用户与地点的共现特征（Co-location Feature）,还能同时获得用户与时间的共现特征（Co-time Feature）。研究发现,经常在相同的地方或者相同的时间发生签到行为的用户间存在社交链接关系的可能性较大。根据每位用户在各个地点出现的频率,通过LDA深层挖掘用户的主题特征（即用户与地点的共现特征,Co-location Feature）。该主题特征本质上是由用户与地点的共现产生,从而充分刻画了用户与地点的共现信息。同理,根据每位用户在各个时段出现的频率,通过LDA模型获取用户的主题特征（即用户与时间的共现特征,Co-time Feature）。在Brightkite数据集中,基于LDA的特征方法预测用户社交链接关系的（Precision,Recall）最高可达（72.6%,72.7%）。在Gowalla数据集中,基于LDA的特征方法预测用户社交链接关系的（Precision,Recall）最高可达（75.8%,66.4%）。2)LDA没有同时考虑用户签到的时间特征和空间特征,它是一种粗粒度的特征提取方法。因此,本文还提出了一种基于词向量算法word2vec的细粒度共现特征提取方法,该方法同时考虑了用户签到的时间特征和空间特征。通过该方法可以获得用户与相同地点最近时刻签到用户的共现特征（Co-location-time Feature）和用户与相同时段最近邻签到用户的共现特征（Co-time-location Feature）,该类特征同时考虑了用户签到的时间特征和空间特征。在Brightkite数据集中,该方法与基于LDA的社交链接预测方法相比,其Precision和Recall分别提高了5.3%和6.4%。在Gowalla数据集中,其Precision和Recall分别提高了11.9%和10.4%。3)为了能够充分利用共现特征预测用户社交链接关系,本文提出了基于决策融合的用户社交链接预测的方法,将LDA模型产生的Co-location特征和Co-time特征所预测的社交链接强度和word2vec产生的Co-location-time特征和Co-time-location特征所预测的社交链接强度融合（即决策融合）,获得融合的决策特征。实验证明,在Brightkite数据集中,该方法与基于LDA的方法相比,其Precision和Recall分别提高了7.1%和8.2%;该方法与基于word2vec的方法相比,其Precision和Recall都提高了1.8%。在Gowalla数据集中,与LDA方法比,其Precision和Recall分别提高了14.8%和13.0%;与基于word2vec的方法比,其Precision和Recall分别提高了2.9%和2.6%。目前,Entropy-Based Model（EBM）预测的用户社交链接关系实验效果最佳,其在Gowalla数据集上（Precision,Recall）最高可达（80%,70%）,而本文提出的基于决策融合的社交链接预测方法的（Precision,Recall）最高可达（90.6%,79.4%）。因此,我们提出的预测用户社交链接关系的方法比EBM模型的方法的预测结果的精确率和召回率分别提高了10.6%和9.4%。

关键词：时空数据 LDA模型 word2vec 决策融合模型共现特征

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于骨架数据的健身动作识别与评估

基于骨架数据的健身动作识别与评估

作者：谢向磊兰州理工大学

学位级别：硕士

近几年,随着科学技术的发展,计算机视觉逐渐从理论走进现实,并且能完成许多人类在特殊领域无法完成的任务。其中人体作为视频或图像的主角,如何估计姿态以及识别动作也成为科研人员关注的话题。此外,随着全民运动的普及,人们开始走进健... 详细信息

近几年,随着科学技术的发展,计算机视觉逐渐从理论走进现实,并且能完成许多人类在特殊领域无法完成的任务。其中人体作为视频或图像的主角,如何估计姿态以及识别动作也成为科研人员关注的话题。此外,随着全民运动的普及,人们开始走进健身房锻炼身体,而评估动作的标准程度对新手来说是至关重要的。传统评估方法存在不直观以及时间地点受限等缺点,而基于穿戴设备的评估方法则存在对人体侵入程度过大等缺点。因此为了解决上述问题,本文用Kinect捕获数据,并提出基于骨架数据的健身动作识别与评估算法。(1)通过二头弯举和侧平举两个动作实际测试Open Pose和Video Pose3D的估计效果,并从关节维度、个数、处理的速度以及计算资源四个方面与Kinect深度相机进行对比,确定Kinect相机为本文姿态估计的工具。此外,为了解决现有公开动作识别数据集缺少足够健身动作类别的问题,通过Kinect建立8个类别,1920个数据样本的小型健身动作数据集Fitness-8。该数据集主要用于后续动作识别网络的验证。(2)为了解决传统ST-GCN难以获取长距离关节点共现特征的问题,提出基于ST-GCN的多分支网络,额外添加共现特征学习分支。然后在NTU RGB+D数据集上进行实验,证明改进的网络在识别效果上要优于原始网络及其他主流识别算法。此外,为了进一步证明改进网络能有效识别健身动作,将该网络用于Fitness-8数据集进行训练和测试,并使用迁移学习的方法解决数据规模小会影响网络识别精度的问题。最后经过实验证明改进的网络在自建数据集上的表现同样优异。(3)为了解决现有评估方法只采用单视角数据造成信息丢失的问题,提出基于DTW的多视角动作评估算法。首先采集教练员的数据作为标准动作。然后为了解决个体差异对欧氏距离的计算产生影响的问题,提出基于差异度的DTW算法对齐待测动作和标准动作。之后基于动作序列中个别关键帧就能判断动作标准性的思想设计多视角评估算法,并从动作标准指标的设计,关键帧、视角和阈值的确定等方面实现该算法。最后采集5名新手的数据进行实验,同时和单视角评估算法进行对比,证明视频对齐方法和多视角评估算法的有效性。(4)基于提出的动作识别和评估算法,设计并实现健身动作识别与评估系统。将Kinect摄像头、动作识别和评估算法与Qt窗口、数据中转云服务器串联成完整的闭环系统。最后采集10测试者的数据进行系统的测试,验证系统的实时性和可用性。

关键词： Kinect 时空图卷积共现特征动态时间规整多视角评估