基于多图流形排序的图像显著性检测

针对现有图像显著性检测算法中显著目标检测不完整和显著目标内部不均匀的问题,本文提出了一种基于多图流形排序的图像显著性检测算法.该算法以超像素为节点构造KNN图（K nearest neighbor graph）模型和K正则图（K regular graph）模型,分别在两种图模型上利用流形排序算法计算超像素节点的显著性值,并将每个图模型中超像素节点的显著值加权融合得到最终的显著图.在公开的MSRA-10K、SED2和ECSSD三个数据集上,将本文提出的算法与当前流行的14种算法进行对比,实验结果显示本文算法能够完整地检测出显著目标,并且显著目标内部均匀光滑.     

基于流形排序的查询推荐方法

针对传统查询推荐方法中存在的相关性度量问题和冗余性问题,该文中提出了一种新的基于流形排序的查询推荐方法。该方法利用查询数据内在的全局流形结构来获得查询之间的相关性,可以有效避免传统方法中相关性度量对高维稀疏查询数据处理的不足;同时,该方法通过提升结构上具有代表性的查询来达到减小查询推荐的冗余性。在一个大规模商业搜索引擎查询日志上的实验结果表明:使用流形排序的查询推荐方法要优于传统查询推荐方法和现有的Hitting-time Ranking方法。     

基于卷积神经网络和流形排序的图像检索算法

针对基于内容的图像检索(CBIR)中低层视觉特征与用户对图像理解的高层语义不一致以及传统的距离度量方式难以真实反映图像之间相似程度等问题,提出了一种基于卷积神经网络(CNN)和流形排序的图像检索算法。首先,将图像输入CNN,通过多层神经网络对图像的监督学习,提取网络中全连接层的图像特征;其次,对图像特征进行归一化处理,然后用高效流形排序(EMR)算法对查询图像所返回的结果进行排序;最后,根据排序的结果返回最相似的图像。在corel数据集上,深度图像特征比基于场景描述的图像特征的平均查准率(mAP)提高了53.74%,流形排序比余弦距离度量方式的mAP提高了18.34%。实验结果表明,所提算法能够有效地提高图像检索的准确率。     

结合流形排序和区域匹配的图像检索

给出一种基于数据流形排序(Manifold Ranking)和分割区域匹配的图像检索方法.在Manifold Ranking方法的基础上,提出区域匹配图(Region Matching Graph,RMG)的方法,通过计算图像的区域匹配权值,进行第二次相似性匹配,提高了匹配准确性.在Corel图像数据库对该方法进行了检索仿真,结果表明该方法能有效提高检索的准确性.     

基于流形排序的动态过抽样方法研究

针对传统过抽样容易出现数据冗余和局限于处理静态数据的问题,该文提出一种基于流形排序的动态过抽样方法。该方法采用流形结构描述数据,根据数据内在的全局流形结构对少数类数据进行排序,选择出排序值高的数据执行重采样策略,以达到改善数据平衡度的目的。实验结果表明：在动态的不平衡数据集上,该方法获得了比当前同类方法更好的分类效果,还能有效提升分类器对少数类的识别性能。     

基于对比度优化流形排序的显著目标检测算法

现有的基于背景先验的显著性算法模型中存在先验区域选取不合理的问题,导致计算出的前景区域不准确,影响最终结果。针对该问题提出了基于对比度优化流形排序的显著目标检测算法。利用图像边界信息找出背景先验,设计出采用显著期望、局部对比度以及全局对比度三个指标来衡量先验质量的算法,并根据先验质量设计带权加法,代替简单乘法融合显著先验,从而使显著先验更加准确。从先验中提取显著区域时,更改了选取阈值的策略,更合理地选取出前景区域,再利用流形排序得到显著性图,从而使显著性检测结果更加准确。实验结果表明,与同类算法相比,所提算法突出显著区域,减少噪声,更符合人类视觉感知,并在处理时间上领先于深度学习方法。     

基于流形距离的半监督近邻传播聚类算法*

通过学习数据集的低维流形结构,给出一种流形距离测度;结合成对约束信息,调整数据的相似度矩阵,将其作为近邻传播算法的输入,提出了基于流形距离的半监督近邻传播聚类算法（SAP-MD）。通过在UCI标准数据集上的仿真实验表明,SAP-MD算法相比于仅利用成对约束信息的聚类算法,在聚类性能上有很大提高。     

基于流形排序和联合连通性先验的显著性目标检测

为了进一步提高显著性目标检测的准确性,提出基于不同特征流形排序和联合连通性先验的显著性检测算法.针对现有基于流形排序的算法在图的构建中存在的边权重计算和顶点的连接问题,使用不同种特征计算顶点间边的权重,并且改进顶点的连接方式,得到流形排序显著图.同时结合边界连通性先验和前景连通性先验得到联合连通性先验显著图.在不同尺度下进一步融合两种显著性结果,得到最终的显著图.通过与16种算法在4种数据集上的对比表明,文中算法可以得到更清晰、准确的检测结果.     

搜索引擎页面排序算法研究综述*

系统地分析了现有的页面排序算法,指出了它们各自的优势和存在的不足,并指出不同算法在不同领域和场合所具有的优势。建立专业搜索引擎是提高搜索准确性和性能的有效途径。通过网格技术将各种专业搜索引擎集成在一起,形成一个基于网格的搜索引擎,从而更好地满足不同背景不同偏好的用户需求。     

基于动态规划和流形排序的知识库问答未登录词处理

为解决知识库问答中较多实体未被纳入到词库中以及新词层出不穷旧词库无法及时更新的问题,提出一种基于动态规划和流形排序的知识库问答模型DPQA来为未登录词选择最优表征,缓解知识库未登录词描述信息不足的问题。该方法通过动态规划获取未登录词的子词序列;使用一种基于流形排序的子词排序方法得到最优子词;使用最优子词的向量表示未登录词。实验结果表明,基于动态规划的方法在多个数据集上的问答结果表现最佳。     

基于连通图的视觉显著区域检测研究

显著性区域检测是指自动识别出图像中最感兴趣、最重要的区域,目前在目标识别、图像检索等领域应用广泛。基于图的流形排序的显著区域检测算法虽然能够准确高效的检测出一幅图像中的显著性区域,但该算法中使用的K正则图描述的各顶点的空间连接性的图的结构存在局限。为解决上述的局限性,研究构造一个更一般的连通图,在显著目标较大或显著目标不连续的情况下,能够更准确的检测出显著性区域。通过在CSSD、SOD、ASD和SED2四个标准数据集上进行大量验证性实验,与六种现有的代表性方法相比,实验结果在PR曲线、F值、MAE等多个指标均表明改进算法均有明显的提高,有效验证了算法的有效性。     

结合区域特性的图像改色算法

针对现有图像改色方法应用于零散分布对象时效果不佳的问题,提出了一种结合区域特性的两级协同扩散算法。首先将图像像素与通过过度分割得到的小块区域分别组成有权图的两级,除了建立像素级近邻连接外,图中还引入了区域级全连接,以及每块区域与其内部像素之间的连接;然后设计一迭代过程对所有这些连接进行信息调配,从而既能实现远距离扩散,也能使区域内像素的色彩特性趋近于一致。实验结果表明,即使添加非常少的人工标记该算法也可以获得很好的改色效果。     

无线传输中Raptor译码算法研究

研究了在加性高斯白噪声(AWGN)信道中采用最小频移键控(MSK)调制的Raptor码的译码算法设计问题。基于Raptor码和MSK调制的特点,提出了一种改进的Raptor码置信传播译码算法。仿真结果证明该译码算法具有更好的译码性能。     

A robust continuous model for evidential reasoning

A 2-D model for evidential reasoning is proposed, in which the belief function of evidence is represented as a belief density function which can be in a continuous or discrete form. A vector form of mutual dependency relationship of the evidence is considered and a dependency propagation theorem is proved. This robust method can resolve the conflicts resulting from either the mutual dependency among evidences or the structural dependency in an inference network due to the evidence combination order. Belief conjunction, belief combination, belief propagation procedures, and AND/OR operations of an inference network based on the proposed 2-D model are all presented, followed by some examples demonstrating the advantages of this method over the conventional methods.     

一种分布式协作频谱感知技术

构造认知用户的网络模型为马尔科夫随机场,应用BP算法和加权BP算法来协助分布式网络中的决策融合,利用加权的BP算法更有效地解决阴影衰落和恶意节点所导致的问题.这种方法的性能优于现有的分布式网络中的大数判决等其他多数算法的性能.采用MATLAB进行仿真,验证了分析结果.     

基于图的流行排序的显著目标检测改进算法

针对现有基于图的流行排序的显著目标检测研究算法对于背景先验假设过于理想导致其在复杂背景图像检测中效果较不佳的问题,提出一种基于仿射传播聚类和流行排序的改进算法。首先根据位于边界的超像素集的颜色对比度进行背景提取;然后在背景估计和前景估计的显著性计算中利用仿射传播算法将提取的背景按颜色自适应聚类,根据各聚类簇分别采用经典的流行排序算法计算显著性,最后合并排序结果并融合多尺度显著值得到最终的显著图。在常用的公开的ASD、ECSSD、DUTOMRON和SED2数据集上与九种流行算法就准确率、召回率、F-measure、PR曲线和AUC值等指标和直观的视觉检测效果进行了比较,证明了所提算法的有效性。     

A unifying framework of rating users and data items in peer-to-peer and social networks

We propose a unifying family of quadratic cost functions to be used in Peer-to-Peer ratings. We show that our approach is general since it captures many of the existing algorithms in the fields of visual layout, collaborative filtering and Peer-to-Peer rating, among them Koren spectral layout algorithm, Katz method, Spatial ranking, Personalized PageRank and Information Centrality. Besides of the theoretical interest in finding common basis of algorithms that where not linked before, we allow a single efficient implementation for computing those various rating methods. We introduce a distributed solver based on the Gaussian Belief Propagation algorithm which is able to efficiently and distributively compute a solution to any single cost function drawn from our family of quadratic cost functions. By implementing our algorithm once, and choosing the computed cost function dynamically on the run we allow a high flexibility in the selection of the rating method deployed in the Peer-to-Peer network. Using simulations over real social network topologies obtained from various sources, including the MSN Messenger social network, we demonstrate the applicability of our approach. We report simulation results using networks of millions of nodes.

可满足性问题中信念传播算法的收敛性分析

信念传播算法是基于因子图模型的消息传递算法,通过图中的边,将消息从一个结点传递给另一个结点,以高概率地确定部分变量的取值,这种方法被实验证明在求解可满足性问题时非常有效.然而,目前还未对其有效性从理论角度给予解释.通过对信念传播算法的收敛性分析,试图从理论上解释算法的有效性.在信息传播算法的信息迭代方程中,参数的取值范...