基于Matlab的图像自动标注

图像自动标注在检索大量数字图像时起到关键作用,它能将图像的视觉特征转化为图像的标注字信息,为用户的使用及检索带来极大的方便。研究了图像自动语义标注方法,设计并实现了基于Matlab图像自动标注系统,能够提取图像颜色特征和纹理特征,与已标注图像进行相似性度量并标注出图像语义关键词     

基于语义的相片检索研究与系统实现

随着数码相机的普及应用,日益增多的相片对高效的相片管理和检索技术提出了迫切的需求。传统的基于关键字检索和基于内容检索技术都不能很好满足人们的需求,因而基于语义的检索技术受到越来越多的关注。文中分析了基于本体的语义检索方法,研究并实现了语义检索算法,并用于基于语义的相片检索子系统中,在此基础上,还提供了三个有趣且有效的检索和管理工具。运行实验表明,该系统满足了用户对语义的检索需求。     

基于稀疏编码的图像自动标注

对于图像的自动标注,探索合适的方法能提高系统标注结果在语义范畴的正确性。该文探讨了基于稀疏编码的图像自动标注。结合近邻及统计的思想,以corel-5k原有人工标注为基础,在matlab平台上对其测试图集进行自动标注。从结果上看,稀疏编码方法准确率相比常用方法偏低,但对于图像特征的学习明显优于其他方法。因此,稀疏编码在图像的自动标注领域有可行之处。     

基于区域相似度的图像自动标注方法

面对图片的数量与种类的快速增长,如何有效地组织和处理大量的图片信息并从其中检索出用户需要的信息成为一个重要的问题。图像检索技术是解决此类问题的核心技术。为了能够有效地标注和检索图像,提出了一种基于区域匹配的图像自动标注方法,实验证明,该方法能够有效地对图像进行标注。     

基于视觉语义主题与反馈日志的图像自动标注

为了提高图像标注性能,提出了一种基于视觉语义主题与反馈日志的图像自动标注方法。首 先,提取图像 前景与背景区域,分别进行处理;其次,基于WordNet构建标注词之间的语义关系模型,并 结合概率潜在语义分析(PLSA) 与高斯混合模型(GMM)建立图像底层特征、视觉语义主题与标注     

KMP算法在Web服务语义标注中的应用

对Web服务进行语义标注是指基于领域本体对web服务进行语义描述,使其能够被计算机所理解,因此标注算法的优劣直接会影响到Web服务标注的准确率.目前人工标注方法繁琐,而全自动标注方法又无法保证其准确性,因此研究半自动语义标注是很有必要的,提出了一种概念相似度标注算法,重点介绍了KMP算法在其中的应用.大大提高了Web服务语义标注的效率和准确率.     

藏文词性自动标注方法的比较

自然语言处理中机器对文本词性标注常用的方法有:基于规则方法、基于统计的方法和基于统计和规则相结合的方法三种。文章对三者用于藏文词性自动标注时在描述方式、标注效率和标注正确率等方面进行了对比研究分析,结果显示基于规则和统计相结合的方法在藏文词性自动标注中具有明显的优势,是目前较理想的方法,此方法用于藏文词性自动标注可以较大地提高正确率。     

一种基于GMM的图像语义标注方法

针对图像语义概念具体语义描述的问题,提出了一种基于GMM的图像语义标注方法。该方法对于每一个语义概念分别建立基于颜色特征和纹理特征的GMM模型,利用EM算法获取关键词内容,最后融合两个GMM模型求取的概率排序结果,对未知图像进行标注。实验结果表明,提出的方法能够准确地为待标注的图像预测出若干文本关键字,有效提高图像标注的查准率和查全率。     

视频语义标注研究及原型实现

本文基于MPEG-7描述标准,研究了视频低层特征颜色、纹理和形状等特征的提取方法。构建了语义标注原型系统的设计框架,采用LS—SVM的Tri—Training算法在效率上和样本需求上提供了应用的可行性。     

Web2．0环境中基于社会标注的个性化推荐系统模型研究

随着Web2．0应用的不断深入,浏览Web资源以及对其资源进行个性化标注的需求越来越多。但是,现有的Web2．0浏览工具或系统在个性化、智能化和易用性方面尚有很大的改进空间。本文针对社会标注在Web2．0中的大量涌现以及个性化需求的迫切性,结合社会标注和本体在概念语义描述和资源揭示上的互补优势,将其引入到个性化推荐领域,设计一种基于社会标注的个性化推荐系统模型,力图解决Web2．0环境中爆炸式增长的数据与用户个性化需求之间的矛盾,同时达到提高数据搜索效率、推荐合适信息给合适用户的目的。     

利用配价信息的语义角色标注

语义角色标注是一种浅层语义分析.现有的汉语语义分析方法和语义角色标注体系没有结合汉语的特点并有效刻画出汉语的本质特性,导致目前汉语语义角色标注性能与英语相比相差较大.在汉语中,配价结构可以较好地刻画汉语句子的句法结构和语义构成关系,因此,我们在考察配价语法的基础上适当修改了语义角色标注体系并将谓词本身的配价信息融入语义角色标注.实验结果表明,配价信息的使用能够较大幅度提高动名词性谓词的语义角色标注性能:基于正确句法树和正确谓词识别,动词性谓词的SRL性能F1值达到93.69％;名词性谓词的SRL性能F1值达到79.23％;均优于目前国内外的同类系统.     

基于最大熵模型的语义角色标注

提出了基于最大熵模型的语义角色标注方法,该方法以浅层句法分析为基础,把短语或命名实体作为标注的基本单元,将最大熵模型用于句子中谓词的语义角色标注.该方法的关键在于模型参数估计和特征选择.具体应用中采用IIS算法学习模型参数,并选择基于句法成分的、基于谓词的、句法成分一谓词关系、语义四类特征作为模型特征集.将该方法用于信息抽取中事件表述语句的语义角色标注,对"职务变动"和"会见"两类事件的表述语句进行事件要素的语义角色标注,在各自的测试集上分别获得了76.3%和72.2%的综合指标F值.     

面向真实环境的问句分析方法

面向真实环境的问答系统是近年来研究的热点,针对系统中问句的复杂性,提出问句信息块标注的分析方法——QICA.该方法将问句信息分为五类,通过标注这五类信息,将问句从表层的文字空间映射到结构化的语义空间.结合大间隔马尔可夫模型实现了自动标注系统.将QICA结果应用于问句复述识别问题,验证了该方法的有效性.     

RDFa语义标注技术综述

RDFa是一项应用于(X)HTML的语义标注技术,弥补了同类标注技术的不足.本文介绍了RDFa(RDF attribute)的设计原则、基本概念,阐述了RDFa基本语法和解析过程,并与同类标注技术进行了比较,分析了其优点及局限性,最后对RDFa的应用前景加以展望.     

基于图学习的医学图像标注方法

近年来,由于医学成像技术的飞速发展,产生大量的数字化图像.医学图像是医生诊断的重要参考依据,因此如何对医学图像有效的标注和检索变得越来越重要.本文提出利用图学习的方法来标注医学图像.首先根据医学图像的特性进行预处理,然后将图像信息和标注词建立联系,最后将标注词从已标注图像传递到未标注图像.实验结果证明,基于图学习的医学图像标注方法明显的提高了标注性能,是一种有效的方法.     

基于图正则化与非负组稀疏的自动图像标注

设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特定图像语义时所起作用的重要程度不同且同一类特征之间具有一定的相关性,该文提出了一种图正则化约束下的非负组稀疏(Graph Regularized Non-negative Group Sparsity, GRNGS)模型来实现图像标注,并通过一种非负矩阵分解方法来计算其模型参数。该模型结合了图正则化与l2,1-范数约束,使得标注过程中所选的组群特征能体现一定的视觉相似性和语义相关性。在Corel5K和ESP Game等图像数据集上的实验结果表明:相较于一些最新的图像标注模型,GRNGS模型的鲁棒性更强,标注结果更精确。     

基于目标语义特征的图像检索系统

为克服当前基于内容的图像检索技术中低级特征无法准确全面地描述高级语义的问题,该文设计和实现了一个基于目标高级语义特征的检索系统。该系统利用了一个多级图像描述模型将语义特征结合到图像检索技术中。该图像描述模型通过在不同层次上对图像内容进行分析和描述,实现了从低级特征到高级语义的过渡。在此模型的基础上还研究了相应的检索机制和反馈技术。该系统的检索机制定位于图像中目标的语义内容,与传统的图像检索系统相比更接近人对图像内容的理解,从而使检索过程更简便,检索效率也得到很大提高。基于目标描述的自适应相关反馈可针对不同用户的不同需求给出相应的检索方案,从而使检索结果得到优化。     

基于机器学习的兼类词词性标注

汉语词性自动标注工作是汉英机器翻译的基础。在汉语的词性标注中重点要解决的是兼类词的消歧问题。本文采用了归纳学习算法与覆盖算法相结合的方法,使用了词性和语义两种特征提出了一种解决兼类词问题的方法,并论述了该方法的优点。     

基于TTS技术的智能化英语自动翻译系统

提出基于TTS技术的智能化英语自动翻译系统设计研究。选型并配置文音转换器与语音处理器，以此为基础，引入TTS技术(文本分析、韵律控制与语音合成),结合英语翻译需求，设计系统软件模块，包括连续语音自动切分与标注模块、语音韵律控制模块、语音合成模块及语音库裁减模块。通过上述硬件单元与软件模块的设计，实现了智能化英语自动翻译系统的运行。实验数据显示：相较于对比系统，应用设计系统获得的语音韵律控制参数偏差较小，语音自然度因子数值更大，充分表明设计系统英语翻译语音更为精准。     

基于N元语法的汉语自动分词系统研究

提出一种基于N元语法的汉语自动分词系统,将分词与标注结合起来,用词性标注来参与评价分词结果.首先基于词典和一元语法统计模型生成N个最优结果作为候选集;然后对候选集进行基于二元语法统计模型的词性标注,最后利用对文本的上下文"理解"信息来确定最佳切分结果.实验结果表明:此方法通过词性标注的反馈有效提高了分词正确率,词性标注对分词有反馈作用.