一种飘动性分析的视频烟雾快速检测新算法

针对DSP视频监控系统中,实时视频烟雾检测功能的需求,提出一种基于烟雾飘动性分析的快速视频烟雾检测算法.相比于现有相关算法,在完成对给定视频样本学习后,该算法无需存储视频的历史帧数据,也不需要学习场景背景,而直接对原始视频图像分块提取烟雾飘动特征,然后经Bayesian决策输出检测结论.结合提出的一组新颖的视频烟雾飘动特征,新算法同时获得了较低的计算复杂度和较高的检测性能.综合来看,新算法能更好地适用于实时视频监控系统中的烟雾检测需求.     

基于动态赋权近邻传播的数据增量采样方法

数据采样是快速提取大规模数据集中有用信息的重要手段,为更好地应对越来越大规模的数据高效处理要求,借助近邻传播算法的优异性能,通过引入分层增量处理和样本点动态赋权策略,实现了一种能够非常有效地平衡处理效率和采样质量的新方法.其中的分层增量处理策略考虑将原始的大规模数据集进行分批处理后再综合;而样本点动态赋权则考虑在近邻传播过程中对样本点进行合理的动态赋权,以获得采样的数据空间上更好的全局一致性.实验中,分别使用人工数据集、UCI标准数据集和图像数据集进行性能分析,结果表明：新方法与现有相关方法在采样划分质量上可达到同等水平,而计算效率则可实现大幅提升.进一步将新方法应用于深度学习的数据增强任务中,相应的实验结果表明：在原始数据增强方法上结合进高效增量采样处理后,在保持总训练数据集规模的情况下,所获得的模型性能可实现显著的提升.     

领域资讯的个性化建构抽取建模研究*

网络资讯阅读已成为互联网时代个人知识增长的主要手段,更有效地提升资讯获取效率是个性化资讯服务的核心目标。以自动地采集满足个性化需求的领域资讯为问题目标,考虑深度优先、广度优先的抽取策略,并提出平衡组合游走建构认知抽取模型对上述问题进行建模研究。该模型基于人类学习的建构主义理论,基于用户对资讯信息的逐渐认知过程进行建模表达,并模拟用户逐渐阅读抽取网络资讯的过程。在健康领域资讯上的实验分析表明,该模型可更好地模拟人类的资讯阅读选择过程,从而为个性化资讯抽取服务提供基础手段。     

增量采样聚类驱动的新闻事件发现

为获得更好的事件发现和代表性新闻抽取性能,引入数据集代表点采样聚类的视角,研究实现了一种事件发现及表示的集成分析方法。对于给定的新闻流数据,首先引入信息支撑度定义新闻间关系权重和事件关系权重,并通过引入双层近邻传播算法的迭代构建整体时间流上的单向事件内容支撑度网络,实现代表性新闻的分层增量采样,进一步考虑以最大相似度划分策略实现代表性新闻上的整体新闻流数据聚类。实验结果表明,相比于现有相关方法,新方法在大规模新闻流数据上具有显著的计算效率,可提取出新闻流中极有代表性的新闻,以及获得更好的新闻文档聚类质量,其热点事件发现结果与权威机构评选的重大新闻有极高吻合度。     

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。     

基于时空域联合建模的领域知识演化脉络分析

同一领域不同知识概念之间存在演化关系,分析演化关系能有效地梳理领域知识的发展脉络,然而网络知识的碎片化、无序性、大规模等特性使得用户很难准确地分析并获取知识之间的这种关系。针对该问题,本文提出一种基于时空域联合建模的领域知识演化脉络分析方法,该方法首先考虑将知识系统以时空域联合知识网络的形式进行表达,随后采用骨架聚类方法提取历年知识网络演化路径,并按知识概念的发展进行演化路径衔接及路径分析。以数字媒体领域知识为例的实验分析表明,该方法能有效提取按年份发展的领域知识演化路径,对于辅助用户进行领域知识的理解与学习,以及个性化推荐具有显著的价值。     

一种集成贝叶斯决策的视频烟雾检测新方法

研究将贝叶斯决策应用于自适应神经-模糊推理系统（ANFIS）的视频烟雾检测系统。提取视频烟雾特征,通过减法聚类和混合学习算法,确定并优化得到ANFIS实例,引入贝叶斯决策对ANFIS输出进行检测判别。仿真实验表明,ANFIS比其他烟雾检测算法具备更好的检测性能,而基于最小风险的贝叶斯决策可进一步提高检测率和降低虚警率,能更好地满足实际应用的需求。     

领域本体驱动的招投标网页解析方法

针对正则表达式解析招投标网页效率低下的问题，提出了一种基于招投标领域本体的网页自动化解析新方法。首先，分析了招投标网页文本的结构特征；其次，构建了招投标本体的轻量级领域知识模型；最后，给出一种招投标网页元素语义匹配与抽取算法，实现招投标网页的自动化解析。实验结果表明，新方法通过自适应的解析，准确率、召回率分别可达到95.33%、88.29%，与正则表达式方法相比，分别提高了3.98个百分点和3.81个百分点。所提方法可实现自适应地对招投标网页中语义信息的结构化解析抽取，能够较好地满足实用性能要求。     

基于图约简的知识联想关系网络建模

考虑到人类知识在大脑中以联想记忆形式存在，尝试从联想关系的视角深入探索知识体系的内在关系网络模型，旨在为知识图谱的建模提供一种可参考的新思路。对于给定的知识语料库，首先考虑以直接联想关系生成方式构建初始的知识关系网络，随后引入多种图约简方法优化知识联想关系网络的建模。研究中特别地提出了随机选择、局部联想最大记忆保留、全局联想最大记忆保留等3种知识联想关系约简重整策略，并通过实验手段对这3种策略进行建模分析。实验结果表明:3种方法呈现出了价值意义清晰的共同性能特征，而其中的全局联想最大记忆保留策略能最优地平衡知识联想关系网络的规模和联想记忆效率，可为相关应用提供有效的方法基础，也可为进一步探索类脑联想记忆的知识关系网络生成建模提供十分有益的启发。