基于小样本训练集的肤色模型建立方法

肤色模型的应用大多是建立在小样本训练集上,而目前常用的肤色模型理论却主要是利用大训练集来提高模型的精确性。那么,如何实现一种基于小样本训练集的且具有较高精确度的肤色模型呢?文章在对该领域常用的三种典型肤色模型分析比较的基础上提出了一种多模型相互结合的肤色模型———统计色度空间模型。实验表明在四种模型中效果是最好的。     

基于球门检测的足球视频精彩事件提取

为了提高足球视频精彩事件检测效率,提出了一种基于双投影法的球门镜头检测算法,并在此基础上提出了基于球门检测的精彩事件提取算法.实验结果表明,该算法比常规算法取得了更好的检测效果,生成的精彩视频摘要大约为原视频的5%.     

教育考试信息化系统中的安全问题研究*

在分析教育考试信息化技术发展的基础上,给出了教育考试信息化系统的总体架构;分析了教育考试信息化系统面临的安全风险,提出了多层次纵深防御的安全体系,以实现物理安全、网络安全、系统安全和信息安全,最后强调了建立严格有效的安全管理制度的重要性。     

基于上下文重构的短文本情感极性判别研究

文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极性分类性能.具体做法对应一个两阶段处理过程:1)基于短文本的内在联系将其初步重组成上下文(领域);2)将待处理短文本归入适合的上下文(领域)进行深入处理.首先给出了基于Naive Bayes分类器的短文本情感极性分类基本框架,揭示出上下文(领域)范畴差异对分类性能的影响.接下来讨论了基于领域归属划分的文本情感极性分类增强方法,并将领域的概念扩展为上下文关系,提出了基于特殊上下文关系的文本情感极性判别方法.同时为了解决由于信息缺失所造成的上下文重组困难,给出基于遗传算法的任意上下文重组方案.理论分析表明,满足限制条件的前提下,基于上下文重构的情感极性判别方法能够同时降低抽样误差(Sample error)和近似误差(Approximation error).真实数据集上的实验结果也验证了理论分析的结论.     

软件重用与软件构件

首先讨论了软件重用的含义、技术及其发展状况,然后讨论了在软件重用方程取得巨大优势的软件构件的概念及构件的开发工具和开发方法,最后结合目前的Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ发展形势提出了基于软件构件的分布式应用系统开发策略。     

Text extraction method for historical Tibetan document images based on block projections

Text extraction is an important initial step in digitizing the historical documents. In this paper, we present a text extraction method for historical Tibetan document images based on block projections. The task of text extraction is considered as text area detection and location problem. The images are divided equally into blocks and the blocks are filtered by the information of the categories of connected components and corner point density. By analyzing the filtered blocks’ projections, the approximate text areas can be located, and the text regions are extracted. Experiments on the dataset of historical Tibetan documents demonstrate the effectiveness of the proposed method.     

多特征特定类型图像过滤方法

为有效杜绝互联网上色情图像传播现象,设计和实现了一种多特征特定类型图像过滤方法,即对图像进行肤色和纹理特征检测,提取多个统计特征,采用决策树分类器进行分类.实验结果表明:该方法能够达到90%以上的准确率.     

基于L-ISOMAP流形的癫痫数据降维可视化方法

针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.     

数字图书馆

这是本刊特为海内外正在就读和学成立业的博士、博士后青年学者们开辟的一片科普园地 .深学浅著是一门德识、慧学、素质修养的学问 .你们的新知识、新调研、新观察、新目光、新展望 ,能够用尽可能深入浅出、通俗流畅的语言 ,汇报给祖国人民、家乡父老子弟乡亲们吗 ?中华博士园地 ,乃耕耘忠孝之地 ,科教兴国、民族昌盛之地 .要用慈母听得懂的语言 ,写出你们的心声 !     

基于显著稀疏强关联的脑功能连接分类方法

针对脑功能连接数据维度过高、冗余特征过多影响神经网络分类准确率的问题,提出一种基于显著稀疏强关联的脑功能连接分类方法. 该方法利用显著特征稀疏模块对原始特征进行筛选增强;采用稀疏强关联特征上下文融合模块对不同感受野内的显著特征信息进行聚合;使用全连接神经网络进行分类预测. 在ABIDE以及ADHD-200数据集上的实验结果表明,所提方法相较于现有的脑功能连接分类算法在准确率上分别提升了10.41%和12.50%. 重要特征的可视化结果表明所提方法能准确定位与疾病相关的脑区,具有一定实际应用价值.