基于特征融合的层次结构微博情感分类

情感分类是观点挖掘的热点研究之一,微博文本情感分类具有很高的应用价值.鉴于传统特征选择方法存在语义缺陷,采用神经网络语言模型,提出了基于概率模型的对词向量进行权重分配的深层特征表示方法,构建文本语义向量.将文本深层特征与浅层特征融合,构建融合语义信息的特征向量,弥补传统特征选择方法语义的缺陷.采用SVM层次结构分类模型,实现多种情感分类.实验结果表明,采用特征融合的层次结构情感分类方法,能有效提高微博情感分类的准确率.     

基于n-Gram的中文文本示例检索方法研究

用从文本中提取出的n-Gram统计特性来表示文本的内容特征,采用向量空间模型进行检索。所采用的技术方法简单易行,避免了许多自然语言处理的复杂问题。由于采用示例检索,用户只需提供感兴趣的一篇文章作为输入,无需构造查询式,减轻了用户负担。     

一种新型文本自动分类系统的研究与实现

文本自动分类系统是信息处理的重要研究方向，它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。通过对文本分类中所涉及的关键技术进行研究和探讨，提出了基于向量空间模型的文本分类系统的结构，并给出了评估方法和实验结果。     

基于NLP的政企类文本智能分类的实现与应用

本文基于深度学习框架及自然语言处理,将政企类文本智能分类过程中的文本预处理、模型构建、分类效果比较等环节进行了实现与分析。自然语言处理是文本分类的有效手段,在所有的文本分类语境中,政企类文本因其文本较长、类别较多、文本质量不一等特点,在文本分类中取得的效果一般。而随着政务服务水平的提高以及对信息化、智能化的要求逐渐提高,政企类文本智能分类的实现变得更加重要。在实验过程中,本文采用了DNN、CNN、LSTM、BERT等模型进行实验处理,经过比较以及模型优化,最终取得了较优的结果,并分析了其在实际工程项目中的具体应用场景。     

基于向量空间模型的信息检索技术研究

为了能够实现对信息检索中的文本分类策略，采用了空间模型算法，做了实验文档测试，获得了各自的权重文档搜索结果，得到在检索过程中，向量空间模型根据文档之间的相似度，计算哪个文档最符合用户输入的关键字的结论，具有信息检索中文本相似度根据权值大小分类显示的特点。     

基于BOW模型的相似图像分类检索方法

传统的相似图像检索大多基于颜色、纹理、场景等特征,缺少对图像的局部特征提取,忽视了局部特征对相似图像检索的影响,检索效果较差。本文采用视觉BOW(Bag of words)模型,提取图像中尺度不变的SIFT特征,形成视觉单词向量,设计了一个基于视觉单词的相似图像分类检索方法,取得了较好的分类检索效果。     

一种改进的VSM及其在文本自动分类中的应用

目前大多数文本自动分类系统都采用向量空间模型(VSM)来表示文档.针对常规的VSM文档表示方法不能反映概念的问题,文章对VSM进行了改进.在VSM的基础上,选取在同一个窗口单元中出现的高频词,用Apriori算法从这些高频词中挖掘出最大频繁词共现集,以此对VSM进行扩展后用来表示文档.实验表明,与用VSM表示文档相比,该方法使文本自动分类系统的性能有了显著的提高.     

基于改进SVM的文本混沌性分类优化技术实现

当前的文本分类方法无法较好地处理海量文本以及文本特征空间数据,不能打破计算机处理性能和内存的约束,实现文本混沌性分类。而云计算平台可向用户提供需要的运算能力和存储空间。提出一种优化SVM的云计算环境下文本混沌性分类方法,设计Hadoop开源云计算系统,通过该系统中的Map Reduce模型对分类过程进行处理,提高分类的效率。采用优化SVM分类方法将混沌文本分类二次规划过程中的不等式限制变换成等式限制,提高海量文本混沌性分类精度。实验结果表明,所设计分类方法具有更高的处理效率,可以对海量文本数据进行准确的分类。     

基于BiGRU-Capsule的多标签文本分类

传统的文本分类一般采用单标签形式,但现实生活中多标签文本比单标签文本具有更广泛的应用场景.本文提出一种BiGRU-Capsule模型的多标签文本分类方法,该方法首先通过嵌入层将输入的文本序列转化为向量表示;然后通过BiGRU和Capsule提取文本特征;最后使用sigmoid分类器进行分类.为确保数据量足够,利用今日头条2018新闻标题多标签语料数据集进行实验,将胶囊网络模型作为对比模型进行多标签文本分类实验与分析.实验结果表明:本文模型的多标签文本分类效果得到有效提升.     

基于链接信息的网页分类算法

为了提高网页文本分类的准确性.克服传统的文本分类算法易受网页中虚假、错误信息的影响.提出一种基于链接信息的网页分类算法.通过对K近邻方法的改进.利用当前网页与其父网页的链接信息对网页实沲分类,用空间向量表示待分类网页的父链接信息。在训练集合中找到K篇与该网页链接信息向量最相似的网页,计算该网页所属的类别,通过实验与传统文本分类算法进行了对比,验证了该方法的有效性.     

综合语义与颜色特征的图像检索技术研究

针对多媒体搜索引擎系统中的图像检索技术，本文提出了应用图像的高层语义特征和底层颜色特征作为图像检索的综合指标，将图像文本和视觉信息融合起来，给出了一种综合语义和颜色特征的图像检索系统的体系架构．以填补多媒体底层特征和高层语义之间的差异，并在此基础上提出了相关算法，使图像检索能够满足用户的需求．提高图像检索的效率和精度。     

Population-based incremental interactive concept learning for image retrieval by stochastic string segmentations

We propose a method for concept-based medical image retrieval that is a superset of existing semantic-based image retrieval methods. We conceive of a concept as an incremental and interactive formalization of the user's conception of an object in an image. The premise is that such a concept is closely related to a user's specific preferences and subjectivity and, thus, allows to deal with the complexity and content-dependency of medical image content. We describe an object in terms of multiple continuous boundary features and represent an object concept by the stochastic characteristics of an object population. A population-based incrementally learning technique, in combination with relevance feedback, is then used for concept customization. The user determines the speed and direction of concept customization using a single parameter that defines the degree of exploration and exploitation of the search space. Images are retrieved from a database in a limited number of steps based upon the customized concept. To demonstrate our method we have performed concept-based image retrieval on a database of 292 digitized X-ray images of cervical vertebrae with a variety of abnormalities. The results show that our method produces precise and accurate results when doing a direct search. In an open-ended search our method efficiently and effectively explores the search space.     

一种基于向量空间模型的个性化搜索引擎研究

传统的检索模型同时被不准确不完全的查询结果和不一致的文档相关性所困扰。基于这种现状,文章提出了一种基于向量空间模型个性化搜索算法,设计了一个能够可执行个性化搜索进程,以适应不同用户需求的检索系统。最后还给出了两种实现算法的比较。     

Fingerprint indexing based on minutiae-dependent statistical codes

Methods based on minutiae matching have been extensively used in fingerprint recognition because minutiae can be reliably extracted from poor quality and noisy fingerprints. However, structures have to be defined due to minutiae displacements and irreproducibility. Some of the structures, though very efficient, incur large computational complexities. In this article, a feature vector of statistically based values derived from the minutiae pattern in a fingerprint is proposed for indexing fingerprints using the incremental search retrieval method. The proposed indexing technique in combination with the incremental retrieval method proves to have an added advantage over certain minutiae-based structures, especially when the minutiae points are numerous in a fingerprint. The feature vector for a fingerprint requires negligible storage resources and, consequently, the computational time in the retrieval of a candidate list for a query fingerprint is very little.     

基于角度分类的快速图像检索系统

基于内容的图像检索是近年来计算机视觉领域的重要方向之一,如何快速准确地匹配视觉信息内容是图像检索最关键的部分。目前大多数检索方法采用BOF(bag of features)算法,该算法的检索精度较低,且运行速度较慢。提出了一种新的匹配方法,提高检索精度的同时有效减少了检索时间。本算法利用特征点的四个相对独立的角度对其进行分类,可大幅减少需要比较的特征算子的数量,并对每一分类中的特征点使用k-means算法聚类,得到若干个聚类中心。本方法对每一聚类的特征点进行汉明编码,并采用倒排表的方式进行信息存储。实验对象使用Holiday图像库,结果显示,检索精度和检索速度较原先算法得到了较大程度的改善,检索精度最高可提高55.9%,至0.8557,检索时间最多可降低49.3%,至0.35s。     

基于矢量量化的颜色图像检索方法

摘 要：针对颜色空间量化和直方图检索存在的问题,提出一种新的颜色图像检索方法。该方法通过对颜色空间进行矢量量化,使量化结果更接近人的感知;在提取分块主颜色基础上引入颜色转移矩阵,以描述颜色的空间分布情况;并将索引直方图和颜色转移矩阵两种颜色特征相结合,对图像整体和局部感兴趣区域赋以不同的权值,使局部图像特征矢量增强,从而提高检索精度。实验表明,该方法能较有效的提高检索效率。     

区块链上基于B+树索引结构的密文排序搜索方案

为了克服云存储不可信及云存储中密文检索效率低的问题,该文提出区块链上基于B+树的密文排序可搜索加密方案。该方案结合区块链技术解决了在互不了解的多方建立可靠信任的问题;使用向量空间模型降低了文本的复杂性实现了高效的文本检索系统;采用B+树的索引结构提高了区块链上密文交易的检索速度;利用加权统计(TF-IDF)算法实现了多关键词查询结果的排序。在随机预言机模型下,证明该方案是适应性不可区分安全的,通过效率对比分析,表明该方案在区块链上实现了高效的密文检索。     

Semantic image retrieval in magnetic resonance brain volumes

Practitioners in the area of neurology often need to retrieve multimodal magnetic resonance (MR) images of the brain to study disease progression and to correlate observations across multiple subjects. In this paper, a novel technique for retrieving 2-D MR images (slices) in 3-D brain volumes is proposed. Given a 2-D MR query slice, the technique identifies the 3-D volume among multiple subjects in the database, associates the query slice with a specific region of the brain, and retrieves the matching slice within this region in the identified volumes. The proposed technique is capable of retrieving an image in multimodal and noisy scenarios. In this study, support vector machines (SVM) are used for identifying 3-D MR volume and for performing semantic classification of the human brain into various semantic regions. In order to achieve reliable image retrieval performance in the presence of misalignments, an image registration-based retrieval framework is developed. The proposed retrieval technique is tested on various modalities. The test results reveal superior robustness performance with respect to accuracy, speed, and multimodality.     

A spine X-ray image retrieval system using partial shape matching

In recent years, there has been a rapid increase in the size and number of medical image collections. Thus, the development of appropriate methods for medical information retrieval is especially important. In a large collection of spine X-ray images, maintained by the National Library of Medicine, vertebral boundary shape has been determined to be relevant to pathology of interest. This paper presents an innovative partial shape matching (PSM) technique using dynamic programming (DP) for the retrieval of spine X-ray images. The improved version of this technique called corner-guided DP is introduced. It uses nine landmark boundary points for DP search and improves matching speed by approximately 10 times compared to traditional DP. The retrieval accuracy and processing speed of the retrieval system based on the new corner-guided PSM method are evaluated and included in this paper.