基于邻域相关性MC模型的空域隐写检测算法

空域隐写作为最常用的隐写方式之一,对其进行隐写分析具有较高的实用价值。空域隐写破坏了图像的邻域相关性,通过分析其在隐写前后发生的改变,能有效检测图像是否进行了隐写。如何对邻域相关性进行量化分析成为问题解决的关键。通过对图像邻域相关性进行MC建模,提出了一种有效的空域隐写检测算法。该算法在相关性MC模型的基础上提取出相关性量化矩阵,分析了其在隐写前后发生的变化,并提取出相应的检测特征。最后,以Fisher分类器作为检测分类器进行了检测实验。实验结果表明该算法能有效检测多种空域隐写算法,其平均检测率达到85％以上。与其它空域隐写检测算法相比该算法具有更好的适用性。     

时间元兴趣度度量方法和扩展VSM用户兴趣模型研究

为了快速得到用户关心的信息,根据用户浏览内容和浏览行为建立兴趣模型,并在用户访问时根据兴趣模型自动向其进行文章推荐的方式得到了越来越多的运用.本文在前人研究的基础上,对于兴趣模型的构建进行了系统阐述,提出一种基于时间元的合理量化兴趣度值的方法,同时据此扩展了VSM(Vector Space M odel)文本表示模型,并引入了主题兴趣度的概念.实验结果显示通过该方法构建的兴趣模型能够较好的区分和把握用户的不同兴趣,准确率较高.     

基于话题和修辞识别的阅读理解why型问题回答

针对阅读理解问答中的why型问题,提出基于问题话题和话题间因果修辞关系识别的答案句抽取方法.抽取时利用机器学习方法,选择可识别出对应问题话题的句子特征、问题话题与句子上下文之间因果关系特征,对篇章内的句子按照成为答案句的概率进行排序.对应问题话题的句子识别利用基于idf和语义角色的相似度;因果修辞关系的识别利用线索短语...     

工作流合并规则中的冲突检测方法

在关系型规则和活动型规则形式描述工作流合并需求的基础上,提出一种基于可达关系的合并规则冲突检测算法。通过记录每条规则应用后的可达关系矩阵,以及新增可达关系对应的规则集方式,为合并规则集中存在冲突的若干规则组合进行较为准确的定位。实例分析表明,该算法为规则集的合理调整提供直接依据,可有效实施工作流的合并。     

向量空间模型中结合句法的文本表示研究

为增强向量空间模型(VSM)中项的语义描述性,克服VSM中各语义单元相互独立的缺陷,提出一种基于短语的特征粒度描述方法。该方法从文本的表示及特征项之间的组织方式入手,通过句法规则识别基本短语,构建特征与中心动词的关系树,利用基本短语代替BOW中的词。实验结果表明,采用基本短语的文本表示可提高分类的性能,增加项之间的联系,克服特征项相互独立的缺陷,在特征数量较少的情况下仍能保持良好的分类效果。     

多主题文本摘要抽取的研究与实现

研究自动摘要技术,结合统计与文本关系图并基于复杂网络中的社区划分算法,提出一种多主题文本摘要抽取方法。抽取文本中权重较高的句子,通过句子的相似度计算建立文本关系图,利用社区划分算法解决子主题划分的问题。实验结果表明,该方法对多主题文本摘要的抽取质量较好,能抽取出较多的子主题。     

基于特征值分解的图像边界与空间关系描述

针对图像识别、检索、配准中的特征提取与特征描述问题,利用加权图的邻接矩阵特征值分解方法,构造具有平移、缩放、旋转不变性的图像边界形状和空间关系描述子。理论分析与仿真实验结果表明,该算法在缩放和旋转条件下具有较强的鲁棒性和较好的类别可分离性,相比传统算法可以更好地进行图像描述,且计算量有所减小。     

视觉显著性的八叉树颜色量化方法

针对彩色图像颜色量化过程中整体层次与局部细节之间存在的问题,提出视觉显著性的八叉树颜色量化方法。将视觉注意机制引入图像颜色量化中,分析视觉显著性模型获取视觉显著图方法及理论,根据八叉树颜色量化方法中对细节量化不足的缺陷,结合显著图进行颜色频度统计,增加视觉显著区域的颜色频度。将该方法与八叉树颜色量化图像进行比较验证,可见量化后的颜色具有丰富的层次感,图像细节失真度降低,轮廓清晰。     

出口分支语句的向量化方法

传统的向量化方法和超字并行方法依靠数据依赖关系分析确定程序中的并行性,而依赖关系分析无法处理非结构化控制流语句,现有的编译器对该类语句的向量化能力有限。为此,给出一种面向SIMD扩展体系结构的出口分支语句向量化方法,该方法针对一个向量因子内的出口分支语句,能够有效地进行自动向量化处理。测试结果表明,该方法既充分发掘了程序数据流中的并行性,又保证了控制流语义的正确性。     

基于互信息和粗糙集理论的特征选择

针对互信息方法在精度方面的不足,通过引入粗糙集,给出一种基于关系积理论的属性约简算法,以此为基础提出一个适用于海量文本数据集的特征选择方法。该方法采用互信息进行特征初选,利用提出的属性约简算法消除冗余,获得较具代表性的特征子集。实验结果表明,该特征选择方法能获得冗余度小且较具代表性的特征子集。