中文词语语义相似度计算——基于《知网》2000

词语语义相似度的计算,一种比较常用的方法是使用分类体系的语义词典(如Wordnet)。本文首先利用Hownet中“义原”的树状层次结构,得到“义原”的相似度,再通过“义原”的相似度得到词语(“概念”)的相似度。本文通过引入事物信息量的思想,提出了自己的观点: 认为知网中的“义原”对“概念”描述的作用大小取决于其本身所含的语义信息量;“义原”对“概念”的描述划分为直接描述和间接描述两类,并据此计算中文词语语义相似度,在一定程度上得到了和人的直观更加符合的结果。     

基于增量DFT 的相似时序检索算法

首先提出一种在时域上计算时序数据扩展距离的新算法,该算法时间复杂度为O(n×m),能够解决时序数据在Y轴上的漂移和伸缩后仍然保留相似性的问题;然后提出一种在频域上计算时序数据扩展距离和在长时序中搜索相似子序列的新算法,该算法时间复杂度仅为O(n×fc),效率很高,便于在线实现,而且同样能够适应时序数据扩展距离的定义;最后给出时序数据和线性加权时序数据的增量式DFT算法,可以对长时序的各个窗口进行增量式的降维,将传统的O(n×m×fc)工作改进成O(n×fc).     

一种改进的Wu-Manber多关键字匹配算法

针对Wu-Manber算法在处理公共子后缀模式情况下的不足,该文提出了一种基于非空公共子后缀模式的处理算法。该算法把有非空公共子后缀的模式汇集在一起,进一步减小了next链表的平均长度。在匹配过程中减少了字符比较的次数,从而提高算法的运行效率。该文对搜狗实验室给出的相关文档进行全文检索实验,并和原Wu-Manber算法、孙晓山等提出的改进算法进行比较。实验结果表明,该文提出的改进算法有效地减少了匹配过程中字符比较的次数,从而提高匹配的速度和效率。     

代码相似性检测在程序设计教学中的应用

代码剽窃是程序设计课程中经常出现的一种作弊行为,检测剽窃的源代码、验证学生程序作业的原创性在教学中很重要。程序代码的相似度度量是剽窃检测的关键技术。本文首先对现有程序代码相似性检测技术进行研究,然后改进Halstead算法,提出了基于统计学方法程序代码相似性检测算法,最后对算法的有效性进行了实验分析。     

基于相似重复记录检测的特征优选方法研究

目前已有的重复记录检测方法大多数基于"排序&合并"的思想,其检测精度不高、执行检测的代价过大.针对这些问题,提出了一种分组模糊聚类的特征优选方法.该方法首先进行分组记录的属性处理,以有效降低记录属性的维数,并获得分组中的代表性记录,然后采用一种相似度比较计算方法进行组内相似重复记录的检测.理论分析和实验结果表明,该方法有较高的识别精度和检测效率,能较好地解决大数据集中相似重复记录的识别问题.     

自适应模糊聚类小生境遗传算法

提出了基于峰半径自适应调整和模糊相似聚类的小生境遗传算法。其基本思想是：在演化过程中,将峰半径作为决策变量的一部分参与染色体的编码,在对问题进行优化的同时对个体的峰半径进行自适应调整;在聚类过程中,通过对模糊相似度的调节来控制小生境的数目,以避免找到无效的极值点。理论分析和数值实验表明,该算法无需事先确定小生境的数目和半径,对于各类多峰函数具有较强的搜索能力。     

光照鲁棒的非线性相关图像匹配方法

在自然场景下的光照变化不可避免,而同一物体在不同光照条件下的成像差异极大,这使得光照变化下的图像匹配成为一个普遍而具有挑战性的问题.为此提出一种对光照变化鲁棒的图像匹配方法,通过设定阈值分割图像来选择比较有区分力的部分像素参与匹配,用2个分量分别描述图像中存在亮度变化的区域和区域内亮度的变化程度.在匹配过程中,以向量之间夹角的大小作为相似度度量,直接利用图像的灰度信息在高维向量空间中考虑图像之间的相似度,克服了在低照度、低信噪比的图像中求边缘、角点、梯度和形状等特征的困难,不受向量模大小(乘性光照变化)以及向量平移(加性光照变化)的影响,即相似度的计算是线性光照不变的.实验结果验证了该方法的有效性.     

基于数据挖掘的符号序列聚类相似度量模型

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型。调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量。通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力。由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。     

基于两时相图像联合分类的SAR图像变化检测

传统分类后比较法(post-classification comparison,PCC)存在分类累积误差问题,且对单幅图像分类精度要求较高,对此,根据不同时相图像的不变信息所具有的相关性,提出了一种基于两时相图像联合分类的SAR图像变化检测方法.该方法以灰度值作为输入信息,通过相似度计算可得两时相图像对应位置像素的灰度相似度,然后求解全局相似度阈值,并用于控制基于K-均值的联合分类器对两时相图像进行联合分类,最后通过类别比较获得变化检测结果.实验结果表明本文方法不但可提高单幅图像的分类精度,而且能够精确地把不同时相图像的不变地物信息划分为同一类别,减少了分类累积误差的影响,提高了变化检测性能.     

海杂波的多重分形关联特性与微弱目标检测

该文研究了海杂波的多重分形关联特性及其在海杂波微弱目标检测中的应用。多重分形关联是对多重分形单点统计的推广,研究具有不同奇异性强度的两点之间的空间关联特性。该文首先从多重分形理论引出多重分形关联理论,给出了多重分形关联谱的计算方法,然后,以多重分形关联谱为特征进行相似度分析,并把目标检测问题归为一个二元分类问题,采用支持向量机(SVM)进行目标检测。最后,采用不同波段、不同极化方式和不同分辨率条件下的实测海杂波进行验证,结果表明,本文所提方法具有良好的微弱目标检测能力。