基于wordNet的类别可拓展网页分类系统

基于文本写作常采用一个意思由多个不同写法的单词来表述,研究词义文本分类法被用来替代使用关键词分类算法以提高分类准确率.分析wordNet内Synset架构,认为一个兼顾词义以及词义间关系的词义文本分类系统可应用到网页分类中.该系统同时注意到固定的文本类别结构以及结构内不断增长的文件数目间的区别,加入了基于类别信息聚类方法的类别拓展的功能.仿真实验证明,该分类系统与现有的基于语义的分类系统相比,在分类准确度性能上能提高13%.基于类别信息类聚的文本拓展功能与采用基于相似度的类聚方法的系统相比获得了一个质量更高的新增类别.     

汉语语音文档检索中后验概率的索引方法

基于音节Lattice形式的语音识别结果来实现汉语语音文档检索,不但可以成功规避词表外词问题,而且Lattice这种多候选形式也能有效补偿识别错误对检索性能的影响.在基于音节Lattice的汉语语音文档检索研究中,针对已有索引方法的不足,提出了一种基于后验概率的索引方法,对向量空间模型进行改进,以音节和K步邻接音节对作为索引项,以它们在语音文档中的后验概率值作为索引项权重.检索实验表明,文中的方法更适用于基于音节Lattice的语音文档检索任务,各项改进都达到了预期效果.     

基于HIS颜色空间颜色对的图像检索系统

提出了一种在HIS空间中进行的基于颜色对的图像检索算法.为突出颜色在画面中的位置在内容检索上的作用,算法在HIS颜色空间的上对各颜色分量进行量化,用颜色对来描述图像的颜色特征,定义了基于颜色对的相似度度量,利用图像颜色特征进行相似度匹配和检索.实验结果表明,该算法能比较快速、有效地针对图像内容进行检索.     

模拟退火改进K均值算法在镜头聚类中的应用

针对基于内容的视频检索中的镜头聚类问题,采用了一种基于模拟退火思想改进的K均值聚类算法.该方法提取视频帧的时间信息、均值、方差、偏度和信息熵等颜色直方信息作为特征,利用模拟退火算法全局寻优的能力来改善K均值聚类易陷入局部极值的缺点,从而提高视频镜头聚类的准确性.理论分析和实验结果表明该方法是一种有效的视频镜头聚类算法.     

一种改进的正视图三维模型特征提取算法

随着多媒体与网络技术的迅速发展,大量的三维模型产生并被广泛使用,导致三维模型查询成为紧迫的研究内容。其中基于内容的三维模型特征提取是一个重要的研究课题。文章在研究现有三维模型特征提取算法的基础上,提出了一种改进的正视图特征提取算法,通过提取正视图的灰度统计量平均值、均方差和三阶矩为特征,提高了算法的精确度。实验表明,算法在获得较好查准率与查全率的同时,降低了算法的运行时间。     

基于关联与回溯的产品变异设计过程重用方法

为实现在复杂度和数量上急剧增长的产品过程模型和关联知识的重用,提出一种产品变异设计过程的重用方法.对设计系统的模块进行精细化和抽象化,建立具有规范化数据接口的产品结构变异设计的信息模型,用状态空间的带权有序检索树存储变异设计过程;将变异设计语义添加至可移植结构,当发生分割、合并和变换的变异设计行为时,对其抛弃、保持或复制等处理,实现变异设计语义随变异设计行为的继承与变迁;再通过检索变异设计语义不断获得待变异结构,将离散的设计过程关联;深度优先搜索获得把初始状态变换为目标状态的操作序列,执行可行解集,回溯变异设计过程并实现重用.以ACIS为几何造型内核开发自主原型系统,实现涡轮风扇发动机的压气机的转子叶片变异设计过程的重用.结果表明,该方法将设计重用对象由静态的孤立设计结果拓展到动态的连续设计过程,对于准确、快速地实现产品的结构变异设计具有重要意义.     

语义Web作为背景知识的本体匹配

提出了一个基于语义网为背景知识的本体匹配模式,即自动寻找和检索各种网络的知识资源得出映射,根据一些关键问题获得可行的模式、提供一个良好性能的匹配方法.采取了一个大规模的匹配为实验背景,检验了以语义网为背景知识的本体匹配模式的可行性、局限性、与其他技术的结合性.实验结果表明以语义Web为背景知识的方法本体匹配的精确度为70%.说明以语义Web为背景知识的本体匹配是对现有技术的补充,并可兼容于其他方法,其匹配的精确度也有了进一步的提高.     

一种基于加强三维模型细节的形状分布检索算法*

基于形状分布算法提出了一种加强细节检索的算法。该算法首先将经过预处理的模型分割为N个子模块并分别进行特征提取,然后构造每个子模块的形状分布直方图,最后通过比较子模块的相似度来计算模型的相似度。该算法相比形状分布算法比较准确地计算出了模型间的相似性,有效地提高了细节的分辨,解决了外形相近但细节不同的问题。     

基于倒排列表的网流索引检索与压缩方法

随着计算机的广泛应用以及互联网的飞速发展,互联网流量呈现爆炸式增长的态势。为了应对日益严重的网络滥用以及网络安全事件,出于安全取证的需要,必须对互联网流量进行收集、存储和分析。互联网流量的监控需要及时统计网络流量的源地址、目的地址、源端口、目的端口、协议、时间戳等信息,以便进行流量统计和综合分析。但是网络流量信息是海量的,如何快速检索相关流量是一个挑战性问题。在搜索引擎中,为了处理海量数据检索,倒排索引是快速搜索技术的关键方法。文章把搜索引擎中的倒排索引方法和索引压缩算法应用到互联网网流信息检索中。通过实验测试和验证,在网流信息检索中,倒排索引以及索引压缩算法能够有效提高检索速度。     

基于DOM的信息检索研究

向量空间模型是信息检索中的重要模型,传统的向量空间模型考虑了特征项在目标文档中的出现频率和文档频率,但并未考虑特征项出现在文本中的位置这一重要信息。针对这一问题,文章在将文档以文档对象模型表示的基础上,根据特征项出现的位置不同,对特征项的权重额外附加一个不同的系数,以反映不同位置上的特征项在表达文档主旨上的能力差异,以期改善返回文档的排序质量,改进用户的检索工作。通过模拟实验,验证了该方法相比于传统VSM在改进检索效果上的优势。