基于纹理和高斯密度特征的图像检索算法

直接从DCT域中提取图像的特征是提高图像的检索效率的方法.直接从压缩域中提取图像的高斯密度,即计算图像在8个方向上的分段累加值,形成一个8*4的二维向量,再结合图像的纹理特征来进行图像检索.为了验证算法的可行性,建立了10000幅图像的图像库.实验结果表明,该方法能够准确地检索出目标图像,有效地提高了图像检索的精度和速度.     

基于改进遗传算法的商标多特征权值分配

提出一种改进的遗传算法用于解决商标图像检索中的多特征权值分配问题.针对以往的传统分配方法所存在的不足,提出了利用改进的遗传算法来分配权值.主要方法是将遗传算法中的轮盘赌选择与最优解保存法结合,并将染色体基因重新排列后进行交叉.把遗传算法用于图像检索系统的多特征权值分配,并将得到的特征权值用于商标图像检索系统,目的是为了提高检索系统的效率和精度,而且通过这种方法得到的权值检索出来的结果也比较符合人的视觉感官.     

基于区分类别能力的高性能特征选择方法

特征选择在文本分类中起着重要作用.文档频率(document frequency,简称DF)、信息增益(informationgain,简称IG)和互信息(mutualin formation,简称MI)等特征选择方法在文本分类中广泛应用.已有的实验结果表明,IG是最有效的特征选择算法之一,DF稍差,而MI效果相对较差.在文本分类中,现有的特征选择函数性能的评估均是通过实验验证的方法,即完全是基于经验的方法.特征选择是选择部分最有区分类别能力的特征,为此,给出了两个特征选择函数需满足的基本约束条件,并提出了一种构造高性能特征选择的通用方法.依此方法构造了一个新的特征选择函数KG(knowledge gain).分析发现,IG和KG完全满足该构造方法,在Reuters-21578,OHSUMED和News Group这3个语料集上的实验表明,IG和KG性能最好,在两个语料集上,KG甚至超过了IG.验证了提出的构造高性能特征选择函数方法的有效性,同时也在理论上给出了一个评价高性能特征选择算法的标准.     

一种全局主色和局部主色相结合的图像检索方法

提出一种基于全局主色和局部主色相结合的图像检索方法。对图像进行扇形分割。提取各扇区的主色,对全局主色和局部主色同时进行相似度匹配。不仅利用图像的颜色特征,也考虑颜色特征的空间分布。对该方法的检索效果和性能进行详细分析。实验结果表明该方法反映图像颜色的空间分布及局部细节,具有更好的检索效果。     

基于本体的个性化知识服务系统的构建

为用户提供有效的个性化知识服务是图书馆等机构信息服务发展方向之一.引入本体理论,构建了一个基于本体的个性化知识服务系统.系统利用本体对多领域、跨数据库的文献库进行统一描述和重构,在此基础上进一步提出了用户个性特征模型和个性化知识检索模型,使系统实现在多文献库间进行语义层次上的个性化检索,提高了知识服务的效率和质量.     

基于完全加权关联规则挖掘和查询扩展的信息检索

将完全加权关联规则挖掘技术应用于信息检索,提出一种基于完全加权关联规则挖掘和查询扩展的信息检索模型,重点阐述模型的设计思想及其算法和实现的关键技术.实验结果表明,该模型有效,能提高信息检索性能,有很高的实际应用价值和推广前景.     

一种基于信息检索技术的网络新闻影响力分析方法

利用信息检索领域中的相关算法,分析研究通过信息检索相关技术得到的相关信息,建立了一个网络新闻影响力模型来定量地计算一则新闻的影响力,从而估计它对社会安全产生影响的程度.在对大量实验结果的统计分析中发现,此方法可以有效地对新闻文章进行排序,发现不同新闻类型中最值得关注的新闻,其结果与人的定性判断结果具有较高的一致性.     

面向草图检索的小样本增量有偏学习算法

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.     

基于加强的前景图像纹理的图像检索方法

针对人们对前景图像比较敏感的特性,提出了一种加强前景信息并弱化背景信息的新方法.该方法首先通过图像的阈值得到前景图像与背景图像,利用某个值加强前景并弱化背景,结合原始图像提取纹理特征,从而进行图像检索.对真实图像数据库的检索实验表明,该方法与其他基于纹理的方法相比,具有较好的检索效果和性能.     

基于文档与搜索结果上下文的查询扩展方法

在查询扩展方法中,如果通过查询结果中关键词的上下文来计算候选关键词的权重,将权重大的词作为查询扩展词,其候选关键词来源于文档中关键词的上下文,这种方法存在主题漂移的问题。为了解决这个问题,提出一种将初始查询结果过滤,只选择与源文档语境相似的搜索结果,来帮助选择查询扩展词的方法。实验结果表明该方法能获得更合适的查询扩展词。