基于灰度-梯度共生矩阵的车轮踏面缺陷聚类分析北大核心CSCD

车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从而将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

基于并行灰度级差共生矩阵的图像纹理检测

针对图像纹理检测存在的问题,提出了并行灰度级差共生矩阵方法。首先确定图像灰度级的分布,获得灰度差相关信息作为划分类别的依据;再通过灰度-梯度计算图像灰度值的变化速率;最后确定通道的处理进程与检测像素互联映射,多通道的并行处理事件概率是各单通道联合概率数据互联事件的乘积。实验结果表明,本方法对纹理检测效果清晰。     

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

融合直方图高阶统计特征与GLCM特征的室内红外图像人群密度分类

公共场所的人群密度信息在公共安全、交通管理、应急减灾等方面具有重要作用,采用红外技术,可以在拍摄人群图像时避免环境光照影响。为了实现室内场景下的红外图像人群密度分类,提出一种融合灰度直方图高阶统计特征与灰度共生矩阵特征的人群密度分类方法。首先,根据红外图像的特点,分析并提取样本图像灰度直方图的高阶统计特征,随后与提取的灰度共生矩阵特征串行融合,最后作为多分类支持向量机的输入,对不同人群密度等级进行分类。实验结果表明,提出的方法对于不同密度人群图像的分类准确率可达92.13%,同时特征向量提取简洁、算法耗时短。     

基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。     

基于灰度共生矩阵的图像分割方法研究

图像分割技术广泛应用于工业生产、生物医学图像分析、军事应用等方面。文中着重阐述了灰度共生矩阵的原理及特点,进行了基于灰度共生矩阵的纹理特征提取试验。采用加权欧式距离方法,对图像的特征值进行分类识别,实现对纹理图像区域的划分,然后利用聚类分析等方法对纹理区域进行融合,以达到实现图像分割的目的。试验表明,利用基于灰度共生矩阵的方法,实现对图像的分割具有一定的准确性和实用性,并能较好的实现图像分割效果。     

基于平方距离的对称共生矩阵阈值法

基于图像共生矩阵的阈值法是图像分割的一种基本方法,本文基于“灰度—灰度”对称共生矩阵,通过定义目标区域和背景区域的均值,提出了一个阈值分割方法.该方法和常见的基于对称共生矩阵阈值法相比,对图像的适应性更强,仿真实验验证了本文方法的有效性.     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

基于深度学习的垃圾邮件文本分类方法

文中旨在研究基于深度学习的垃圾邮件文本分类方法，该方法结合了卷积神经网络（CNN）和循环神经网络（RNN）的模型，通过对邮件文本进行特征提取和分类，能高效、准确地对垃圾邮件进行分类。文中以卷积神经网络和循环神经网络为实验对象，提出了一种垃圾邮件文本分类方法，并在公开数据集上进行了实验。实验结果表明，该方法在垃圾邮件文本分类任务上具有较高的准确率和召回率。     

基于主动学习和否定选择的垃圾邮件分类算法

针对现在网络上泛滥的垃圾邮件问题,本文结合主动学习方法和否定选择算法提出了一种二类文本分类方法：主动否定学习算法.根据用户少量标注建立双向兴趣集,利用否定选择算法的自体异常检测机制改善主动学习中的采样策略,并将双向兴趣集作为检测器,新增样本集作为自体集,对两者进行异常匹配.本文算法与在线垃圾邮件快速识别方法、增强差异性的半监督协同分类算法、垃圾邮件过滤方法、基于人工高免疫的多层垃圾邮件过滤算法和在线主动多领域学习方法在六个常用邮件语料集上进行了分析比较,结果表明本文算法具有较高的准确率、召回率、分类精度,和较低的用户标注负担.使用用户个性喜好转换为双向兴趣特征的方式有助于提高算法的分类能力;利用异常检测匹配选取未知类别特征的方式,有效地降低了用户标注负担.     

图像垃圾邮件的发展和防范

垃圾邮件一直困扰着人们,图像垃圾邮件是垃圾邮件的变种,其危害远远大于传统的文本类垃圾邮件.本文首先给出了图像垃圾邮件的定义,介绍了图像垃圾邮件的类型和特点,然后分析了图像垃圾邮件的演进过程,总结了图像垃圾邮件的构造方法,最后探讨了图像垃圾邮件的防范措施.     

基于人工智能技术的富媒体信息管控方案

互联网时代,信息交流频繁,不良违法信息的传播也日趋严重.在此情况下,识别和过滤富媒体不良信息变得尤为重要.近年来,深度学习等人工智能技术的崛起极大地推动了图像识别领域的发展,相较于传统方法,深度学习的优势在于自动提取且具有更强大的表达能力.基于此,本文提出了一种基于深度学习的不良富媒体信息管控方案,达到净化互联网内容的目的.     

短文本先验模型判定技术研究与实践*

为了应对违规信息的快速、多样化发展,运营商对违规信息的治理手段也需要与时俱进,需要对违规信息的覆盖更全面、判定更精准.基于以上目标,本文提出了一种基于先验模型的短文本违规信息识别与过滤方法.该方法从文字特征层、关键词模式层、内容特征层3个层面对于违规信息进行分析,最后利用综合分析判定层结合之前的训练对短信进行最终的判定.我们在保证较高违规信息判定准确率的前提下,可以大幅度提高违规信息判定的召回率,较好的解决目前违规信息判定问题,为运营商节省大量人力.     

基于主题模型的垃圾邮件过滤系统的设计与实现

垃圾邮件过滤技术在保证信息安全、提高资源利用、分拣信息数据等方面都发挥着重要作用。然而,垃圾邮件的出现影响了用户的体验,并且会造成不必要的经济与时间损失。针对现有的垃圾邮件过滤技术的不足,基于多个主题词理论,构建了基于朴素贝叶斯的垃圾邮件分类方法。在邮件主题获取中,采用主题模型LDA得到邮件的相关主题及主题词;并进一步采用Word2Vec寻找主题词的同义词和关联词,扩展主题词集合。在邮件分类中,对训练数据集进行统计学习得到词语的先验概率;基于扩展的主题词集合及其概率,通过贝叶斯公式推导得到某个主题和某封邮件的联合概率,以此作为垃圾邮件判定的依据。同时,基于主题模型的垃圾邮件过滤系统具有简洁易应用的特点。通过与其他典型垃圾邮件过滤方法的对比实验,证明基于主题模型的垃圾邮件分类方法及基于Word2Vec的改进方法均能有效提高垃圾邮件过滤的准确度。     

基于文本分类技术的垃圾邮件识别系统

文章介绍了一个基于文本分类技术识别垃圾邮件系统的体系结构，并介绍了该系统涉及到的中文信息处理、文本特征选取、朴素贝叶斯分类器等关键技术。最后，文章给出了针对部分垃圾邮件的处理结果。结果表明，该方法对于垃圾邮件的识别，具有较好的效果。     

图像型垃圾邮件中文字区域检测方法的研究

分析了现有文字区域检测方法,介绍了图像型垃圾邮件文字区域检测算法,并结合实验数据进行了验证分析。     

基于用户需求垃圾邮件过滤分类模型设计

以朴素贝叶斯理论作为基石并结合信息增益、代价因子等方法,尝试设计一种基于用户需求的垃圾邮件过滤分类模型,在垃圾邮件一次分类基础上提出邮件先过滤后分类方法,进而改进传统邮件分类一次阈值比较,变为两次阈值比较,且应用反馈技术以应对垃圾邮件的日益变化.该模型可能会对垃圾邮件多分类研究具有一定的参考价值.     

高校误判垃圾邮件自动召回系统的研究与实现

垃圾邮件的误判问题一直是反垃圾邮件领域中未能得到根本解决的难点。基于清华大学邮箱系统及反垃圾邮件网关系统进行了一整年的部署和实验（2011年9月至2012年10月）,通过用户对可疑垃圾邮件点击召回的历史行为进行分析,并采用对其感兴趣的垃圾邮件进行文本相似度计算以及关键参数预测的方法来智能化预测用户对当前某一封垃圾邮件的感兴趣程度,即基于用户主观的选择和体验来帮助用户自动召回其可能感兴趣、然而却被反垃圾邮件网关误判的垃圾邮件,解决了传统过滤方法无法杜绝误判的问题。