基于用户兴趣的局部上下文分析方法*

针对根据目前网络信息检索存在的查全率和查准率低的特点,提出一种个性化的局部上下文分析方法,以提高Web信息检索的性能.该方法通过设计一种客户端的用户兴趣挖掘模型,同时将用户兴趣模型与局部上下文分析方法相结合,克服了局部上下文分析的缺陷.实验结果显示该方法能有效提高Web信息检索的查全率与查准率.     

一种基于局部特征的三维模型检索算法

在基于内容的三维模型检索系统中,特征提取技术是三维模型检索的关键。为此,提出基于局部特征的三维模型检索算法。定义一种新的局部特征描述符：曲度,将其作为三维模型检索时的特征。曲度作为对平均曲率与高斯曲率的校正,在不增加额外计算量的前提下,可同时克服平均曲率对平滑模型的不敏感性和高斯曲率分布较均匀的缺点,更真实地反映三维模型的局部弯曲程度。实验结果表明,以曲度作为特征进行检索,可明显提高检索的查准率,配合全局特征检索时则可在保证查全率的基础上,大幅提高检索的准确性。     

基于多特征融合的三维模型检索算法

针对三维模型检索中单一特征检索效果差的难题,首先提出了三维模型的3类特征向量提取算法,即刻画模型表面特性的扩展高斯球面特征向量、反映模型内部结构的Radon变换球面分布特征向量、代表模型投影层次的视图分层压缩感知特征向量。其次,以样本模型的查询结果分类信息熵作为指标并结合监督学习过程,给出了一种多特征融合的加权系数估算方法。最后,设计了融合多特征的模型间相似度度量,完成基于查询示例的模型检索过程。仿真实验表明,提出的3类特征向量具有较好的可区分性,多特征融合检索算法的查全率与查准率有明显提升。     

一种基于混合特征核的图像检索方法

为了更准确地描述图像的视觉特征,提高图像检索的查准率与查全率,提出了一种基于混合特征核的图像检索方法.该方法提取图像的颜色、纹理、SIFT特征,引入高斯核函数,建立图像的混合特征核模型,在高维的核空间进行基于核的图像聚类.实验表明,该混合模型与传统多特征融合方法以及单一特征核方法相比,能够更好地表示图像的视觉特征,提高检索的查准率和查全率.     

一种融合整体和局部颜色特征的图像检索方法

针对传统颜色直方图无法反映像素的空间信息和图像的局部细节,提出一种整合整体和局部颜色特征的图像检索技术,先将图像分割为环形区域,获得图像的局部颜色特征.把赋以不同权值的整体颜色直方图和局部颜色之间的相对距离累加和定义为图像之间的相似度,以反映人们对图像的判定过程.实验表明,该方法反映了图像颜色的空间分布及局部细节,在查准率和查全率上都要优于基于传统的颜色直方图的检索方法.     

基于局部蔓延的多层次实体模型检索

针对不同层次需求,根据层次之间蔓延区域的属性,利用局部蔓延生成一种多层次蔓延骨架图的实体模型表示方法;并基于该骨架图研究了子图群的匹配方法,提出多层次相似评价方法,高效、准确地完成了层次图的匹配.实验结果表明:该检索方式不仅具有很好的查全率与查准率,而且能够针对不同设计阶段的用户高效地给出满足用户需求的检索结果.     

结合哈希网络和敏感散列的图像检索推荐研究

面对当今社会的各种海量图像数据,基于图像内容的检索方法对于检索结果的查全率和查准率较为差强人意,并且对于相似图像的检索也会花费较长的时间。为了提升检索效率和检索结果的准确性,提出一种结合深度哈希网络和局部敏感散列的检索推荐方法。首先建立深度哈希网络模型完成对于图像内容特征的提取,并利用球哈希编码优化计算得到汉明空间距离作为特征度量方式,根据度量结果使用局部敏感散列构建索引表提高检索效率;然后对于被检索目标图像进行特性提取,计算汉明空间距离完成特征度量和散列映射,最后可以在索引表中匹配到最相似的若干图像,作为检索到的推荐图像。以泳装版型图像进行实验测试,所构建的推荐模型可以较为快速地完成相似图像的检索,具有较高的准确率。实验结果表明,设计的检索推荐方法基本可以实现相似图像的高效检索。     

低层特征融合的图像检索算法设计

现阶段基于单一的特征提取算法已不能满足人们对图像查准率、查全率的要求。有效地整合图像的颜色、纹理、形状等特征,使得各特征优势互补,进而提高系统检索效率现已成为一个值得研究并深入的课题[1]。从颜色、纹理两方面的特征出发,研究并设计了一整套的方案,很好的解决了查准率、查全率等问题。     

基于谱变换的非刚性模型局部匹配

面向海量复杂的非刚性三维模型的匹配与检索需求,提出了基于谱变换的局部匹配方法,有效提高了局部检索的性能,为进一步实现三维模型的形状编辑、修补以及创新合成奠定了坚实的基础。首先,基于离散拉普拉斯映射方法,通过ICP配准方法有效分析二维谱图,提取最优的谱特征表示;其次,构建谱特征的形状描述算子,计算谱空间的几何变换参数;进而,引入区域查询实现基于谱变换的区域配准;最终,通过区域搜索与相似性度量实现高效的非刚性模型局部匹配。实验结果表明,本方法不仅能够有效识别同一类非刚性模型的局部结构,而且对于不完整的模型匹配具有较强的鲁棒性,具有更优的局部检索性能。     

融合傅里叶描述子和尺度不变特征转换特征的商标检索

针对传统商标检索算法中全局特征容易造成误检,而局部特征SIFT对轮廓描述能力不强及算法复杂度高的问题,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。首先提取图像的傅里叶描述子进行初步检索,并按相似度排序,然后在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征较高的查全率和查准率,优于傅里叶描述子单一特征,而且检索速度比SIFT单一特征显著提高,能很好地应用于商标图像检索系统中。     

局部自相关函数在基于内容的图像检索中的应用

在图像检索领域中,为了更加方便、高效地进行图像检索,文中提出了一种新的图像检索特征——局部自相关特征,为基于内容的图像检索提供了新的工具,它兼具方向特征和纹理特征。利用提出的局部自相关特征在Corel10K图像库上进行了大量的实验,实验结果表明局部自相关特征的平均检索精确度和召回率虽然低于颜色特征,但高于方向特征,是除颜色特征之外又一个高效的图像检索特征。     

电影中复杂事件的检索与识别

提出一种基于局部时空兴趣点的电影中复杂事件检索与识别的方法。先将一个独立的事件视频序列表示成一个自组织映射像密度图,再将此密度图与支持向量机相结合用于识别事件。该方法使用局部时空特征描述子来捕捉视频中的局部事件,可以适应事件的模式的不同的大小和速度。为了验证该方法的有效性,使用公开的Hollywood视频数据库,其中的镜头序列收集自32部不同的Hollywood电影,包含了8个事件类别。综合实验,得到平均正确率、平均查准率和平均查全率分别为0.601、0.530和0.566。实验结果表明本文方法明显提高了平均正确率和平均查准率。     

基于概念树扩展的中文文本检索研究

分析了概念在语义层次上的扩展,将概念树中的父子概念关系用词语的相似度进行量化。提出了检索概念权重计算的两种方法和一种基于检索概念的文本概念权重计算方法,并将这些方法用于中文文本检索,因此,构建了基于概念树扩展的两个文本检索模型。实验显示,这两个检索模型的精确率与关键词检索模型保持基本一致,召回率却得到较大提高。     

基于异构特征聚合的局部视图扭曲型纸币识别

如何识别同一物体的不同结构的表现形式,对于机器而言,是一个比较困难的识别工作.本文以易变形的纸币为例,提出了一种基于异构特征聚合的局部视图扭曲型纸币识别方法.首先利用灰度梯度共生矩阵、Haishoku算法和圆形LBP分别获得纹理风格、色谱风格和纹理,这些特征从不同的角度描述了局部纸币图像,然后通过VGG-16、ResN...     

基于概念图的用户兴趣查询扩展模型的研究

查询扩展是信息检索技术研究的一个重要组成部分。目前的查询扩展是基于统一的用户模型,没有考虑到用户的个人兴趣,这对查询扩展的精确度造成了一定的影响。分析了产生这种问题的原因,提出了基于概念图的用户兴趣扩展模型,通过该模型来有效提高查询扩展的精确度。实验显示,该方法能有效提高查询的查全率和查准率。     

基于子图同构的三维CAD模型局部匹配

针对整体相似性检索算法无法实施精确的局部结构匹配的问题,提出一种基于子图同构的三维CAD模型局部结构匹配算法.该算法通过提取CAD模型的B-Rep信息,将其表示为以面作为节点的属性邻接图.在局部匹配过程中,用户输入的局部结构被表示成"子图".待匹配的整体CAD模型被表示成"大图";则在整体CAD模型中.检索局部结构的问题就被转换成在"大图"中寻找同构"子图"的问题.子图同构是NP完全问题,通过利用CAD模型的面特征将图顶点有效细分,并利用已匹配顶点之间的邻接关系动态裁剪搜索空间,实现了快速的同构匹配.实验结果表明,该算法能实现精确的局部结构匹配,并且检索效率能满足实际应用要求.     

基于期望与K次方差的信息检索质量评估模型的研究

查全率和查准率是评估信息检索系统检索质量的两个基本标准，长期以来，基于这两个标准，存在着多种评价方法，但是，这些方法基本上是对查全率和查准率做简单的处理，仅反映检索的平均, 对检索稳定性没有分析，并且缺乏一套科学的，系统的评估体系，针对这种情况，借鉴概率学中的期望和方差的思想，用数学语言严格定义了查全期望，查准期望，K次查全方差和K次查准方差等概念，在这些概念的基础上，给出了信息检索质量评估准则，与其它模型相比，该模型能从检索的平均质量和检索的稳定性两方面反映检索系统的性能，因此，对检索质量的评估更加完善和全面。     

Unsupervised image retrieval framework based on rule base system

This paper introduces unsupervised image retrieval framework based on a rule base system. The proposed framework makes use of geometric moments (GMs) for features extraction. The main advantage with the GMs is that image coordinate transformations can be easily expressed and analyzed in terms of the corresponding transformations in the moment space. These features are used to perform the image mining for acquiring clustering knowledge from a large empirical images database. Irrelevance between images of the same cluster is precisely considered in the proposed framework through a relevant feedback phase followed by a novel clustering refinement model. The images and their corresponding classes pass to a rule base algorithm for extracting a set of accurate rules. These rules are pruning and may reduce the dimensionality of the extracted features. The advantage of the proposed framework is reflected in the retrieval process, which is limited to the images in the class of rule matched with the query image features. Experiments show that the proposed model achieves a very good performance in terms of the average precision, recall and retrieval time compared with other models.     

基于成语典故本体的语义检索模型研究

针对目前信息检索中用户经常找不到或者查不准的情况,提出了一种基于成语典故本体的信息检索模型,并且对该模型及其特性进行了详细分析。在对用户提问进行系统深入分析的基础上,提出了问题模式和答案模式,可提高语义检索的效率,能够在一定程度上提高查准率和查全率。