闭环检测中词袋与词对袋的对比研究

从词袋技术(Bo W)入手探究拓扑地图中的闭环检测算法,在性能和时间效率两个因素系统地对比了词袋技术与词对袋技术(Bo WP),词袋技术是以Dorian Gálvez López提出的DLoop Detector算法为参考,词对袋(Bo WP)技术是以Nishant Kejriwal提出的高性能闭环检测为原始算法,主要凸显了词对袋技术在性能上的优越性。词袋技术的优点是技术成熟易实现,但存在感知混叠问题。通过额外创建一个由词对组成的词典来克服传统词袋法中因矢量的量化导致的感知混淆的限制。实验表明,词对袋方法比Dloop能提供更好的召回性能,并且减少了算法的计算时间及复杂度。     

水稻晚栽高产技术的研究

根据三年水稻晚栽高产技术研究的结果,认为营养士旱育,长龄带蘖的壮秧是晚栽高产的关键。中熟品种稀播晚栽产量高于早熟品种晚播晚栽。晚栽品种以沈农1033较安全,在辽宁省南部可用辽粳5号。本文还阐明了晚栽水稻的生育特性,经济性状及产量变化规律,并提出了晚栽高产的其他技术措施.     

水稻乳苗抛栽与其他栽培方式的比较研究

不同栽培方式的水稻产量差异达极显水平，手插秧和抛秧的产量极显地高于乳苗抛栽。乳苗抛栽的成苗率低，成穗率低。乳苗抛栽比手插秧和抛秧在田间的生长期大大缩短，各个生育时期均有所延后，乳苗抛栽群体的灌浆比手插秧和抛秧延迟，灌浆持续期比手插秧和抛秧短，千粒重降低。     

不同处理防止蘑菇褐变的研究

不同处理防止蘑菇褐变的研究吕素彬张庆芳殷梅（沈阳农业大学食品科学系，沈阳１１０１６１）蘑菇是我国栽培面积很广的食用菌，目前世界蘑菇罐头生产居蔬菜罐头生产第一位，我国也是出口大国之一。但是我国蘑菇罐头生产中普遍采用焦亚硫酸钠护色，虽然控制褐变效果显著，...     

基于词袋模型的迁移学习算法

在分类新类别图像时,词袋模型总需要重新学习视觉词典及分类器,而不能充分利用已经学习好的视觉词典。运用迁移学习的思想,提出一种视觉短语的迁移学习算法。这种视觉短语不仅包含图像的局部不变特征,而且包含特征间的空间结构信息,能更有效地描述不同类别图像之间的共同特征。在分类新类别图像时,算法通过迁移视觉短语而不是重新学习视觉词典,来完成图像分类任务。实验结果证明这种迁移算法能有效地利用已有知识,在分类新类别图像时取得很好的效果,而且还能适用于仅有少量训练样本的图像分类任务。     

软袋大输液全自动传送码垛生产线的开发

为了解决传统的软袋大输液生产线自动化水平低、质量难以保证的问题,设计开发了一个软袋大输液全自动传送码垛生产线.在该生产线中采用专用机械手和一台通用机器人完成软袋大输液的抓取和摆放工作,整个生产线可以实现无人操作,保证了产品的生产率和药品质量.     

基于高层语义词袋的人体行为识别方法

人体行为分析为视频监控系统、视频检索系统提供重要的研究基础。本文提出了一种基于高层语义词袋模型 的人体行为识别方法。该方法根据底层词袋中词汇的相关关系,构造出一个基于词汇交互信息量的底层词汇图;然后使用层 次聚类的方法对该图进行分割,得到底层词汇组模型,最后将该模型表示为高层语义词袋模型。实验结果表明,该方法可以高 效地识别视频中的人体行为。     

基于按类视觉词袋模型与标签投票的图像检索

视觉词袋模型在基于内容的图像检索中已经得到了广泛应用,然而对于自然图像的检索,由于图像目标视角多样、背景复杂、光照多变等原因,传统的视觉词袋模型的检索准确率仍然比较低。提出一种按类视觉词袋模型,即采用按照图像中目标物体的类别进行分组训练视觉词,从而提高视觉词的表征能力,改善检索效果;并根据检索返回图像的标签,以投票方式对查询目标做出判别,辅以标签检索,从而较大地提高了检索结果的准确率。     

基于SPSS软件的试卷袋密封签次品产生因素分析

试卷印刷属于涉密行业,由于行业局限性,目前国内试卷生产自动化程度不高。在参考了云南省新华五厂印制试卷生产加工工艺过程中,分析了试卷袋密封签生产过程中导致次品产生的几个因素,对实际生产过程中试卷袋密封签次品进行统计,将统计数据通过SPSS软件利用多变量因素进行建模分析。得出导致试卷袋密封签产生次品的关键因素,为进一步调节完善试卷袋密封签生产设备的方案提供了参考依据。     

基于观点袋模型的汽车评论情感极性分类

该文针对网络评论倾向分级问题,提出了一种基于观点袋模型和语言学规则的多级情感分类方法。通过分析句子中的词性搭配关系,设计了12种抽取特征-观点搭配模式,并对存在问题给出了解决策略。依据汉语用词特点和词汇在汽车领域的特殊用法,提出搭配四元组的情感倾向极性值计算方法。在此基础上,利用获取的搭配四元组及其情感倾向极性,建立文本的向量化表示,并构造了权重计算公式。最后,利用文本余弦相似度计算方法实现对评论文本的五级情感极性分类。通过在COAE2012任务3的汽车数据集上进行的测试,取得了较好的分类结果。     

基于词袋模型的人体动作识别方法

传统词袋模型构建的词典不稳定,且忽略词向量先后顺序,在用其进行人体动作识别时,识别效果不稳定,尤其对倒序动作识别效果不佳。针对这些问题,提出一种基于时空联合频率直方图实现动作分类的方法。提取肢体关键角度信息,把关键角度的帧间差值作为时间特征描述子;构建稳定的时间词袋与空间词袋,利用其联合频率直方图表示动作序列,增强动作时间特性;利用支持向量机(SVM)实现动作分类。在一个具有挑战性的数据集-UTKinect数据集上进行实验,结果表明,相比于传统词袋模型与一些已有方法,该方法能够有效提高动作识别的准确率。     

基于视觉词袋模型的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像特有的纹理特征,首先采用空间金字塔视觉词袋模型进行人耳特征提取,该模型将人耳图像中相对低级的局部描述子特征转化为具有高级语义含义的全局特征.最后采用支持向量机对样本向量进行训练与判别.实验表明,本文所采用的模型能取得较高的识别率,可作为人耳识别方法的一种扩展与探索.