基于多重倒排文件的快速相似性检索

提出一种新的高维空间中点数据的索引方法（即MIF）,其基本原理是利用多维倒排文件。和传统索引方法相比,新方法有许多优点,例如它能以较低的复杂度建立索引结构、支持非常高的维数、极低的I／O代价等。实验结果表明,该方法优于传统的索引方法。     

基于统计方法的中文姓名识别

本文介绍一个中文姓名的自动识别系统,该系统使用从姓名样本库和真实文本语料库中得到的大量统计数据,以提高系统识别性能。我们从1994年人民日报中随机抽取100篇文章作为测试样本,实验结果表明,准确率和召回率可同时达到90%以上。     

彩色公文中的公章检测研究

本文对公文中的公章加盖过程进行了研究,分析了公章的透明迭加过程与油黑不足现象对目标定位的影响,并在此基础上提出实用的公章检测方法.在本方法中,通过公章的部分外圈圆弧的存在假设整体外圈圆环的存在,依据假设与实际图像之间的相似度来判断是否存在公章,如存在则进一步实现目标定位.文中也给出了在相应公章目标的相似度计算公式.     

基于二维熵阈值的图像分割及其快速算法

阈值分割是图像分割技术中的一种重要方法,在图像处理和模式识别中广为应用.本文提出了一种基于二维熵阈值的图像分割快速算法.该算法能够有效地区分图像中边界、背景和物体三种区域,并使得传统二维阈值方法的复杂度从O(W2S2)降至O(W2/3S2/3).     

一个有效的基于运动的视频检索系统

在视频摄取的过程中,摄象机的运动在某种程度上反映了当前视频的部分语义特征,所以通过对摄象机运动的提取能够更好地实现对视频的浏览以及基于内容的检索。针对以上应用,本文提出了一种用运动矢量的分布来提取摄相机运动的方法,测试后表明,该方法能有效地分析出多种相机运动并具有较好的鲁棒性。同时我们以此为基础实现了一个基于相机运动的视频检索系统。     

改进的AdaBoost分类器在视频中的体育场景检测

提出了一种使用改进的AdaBoost分类器来检测体育场景的方法。将电视新闻中的体育场景分为三类：草地运动，冰雪运动和人造场地运动。针对这几种不同的体育场景，提取颜色直方图、边缘方向直方图和共生矩阵纹理等3种低层视觉特征，然后用改进的可自动选择特征的boosting方法为每一类体育场景分别建立AdaBoost分类器。该文提出的方法应用在国际视频处理评测TRECVID2003中的“体育场景”语义特征抽取任务上，取得了很好的效果。     

k-best MIRA和动态k-best MIRA

MIRA(Margin Infused Relaxed Algorithm)是一种超保守算法,在分类、排序、回归等应用领域都取得不错成绩.文中在传统MIRA算法基础上进行改进,提出k-best MIRA(K-MIRA)与动态k-best MIRA(DK-MIRA)算法.这两种算法能够根据学习进程自动调整优化约束条件,从而提高算法的收敛速度与性能.将K-MIRA与DK-MIRA用于定义类问题回答中的句子排序任务,取得较为满意的实验结果.     

直方图的优化存储和快速检索

直方图是一种非常重要的图像特征,常用于基于内容的图像检索系统中,例如,用颜色直方图可以检索到相似颜色的图像。但是,目前使用的颜色直方图比较小、维数量多是３,因而检索效果不令人满意。该文提出用倒排文件解决高维巨型直方图存储和快速检索问题,从而为巨型直方图在图像检索中的应用提供一种解决方案。     

利用未标注语料改进实体名识别性能

本文主要介绍了一个利用最大熵进行实体名识别的系统以及所采用的模型和选取的特征。这些特征包括单词本身的词法词态特征和上下文信息。利用这些在任何语言的文本上都极易获得的特征,我们采用最大熵分类器构建了一个基准系统。在此基础上,我们首先通过网络资源建立了实体名词典知识库;并利用词典和基准系统在未标注语料上抽取出现的实体名作为辅助的训练语料;最后再将这些语料加入训练。实验结果表明,辅助的训练语料能够在一定程度上提高系统的性能。     

基于短语检索和答案排序的列表问题回答方法

文章针对列表类自动问题回答的任务要求,提出了一种基于短语检索和答案距离排序模型的列表类问题回答的方法。该短语检索模型在传统的TF/IDF检索模型上进行改进,提出了利用不同长度短语作为查询词的检索方法,能够返回更多包含正确答案的相关文档;答案的距离排序模型则利用答案与上下文词之间的距离作为排序的依据对答案列表进行排序,可以提高正确答案的排名。这两种模型地提出在一定程度上解决了如何在返回尽可能多的答案的同时保证答案质量的问题。实验结果表明利用这两种模型的列表类问题回答方法对系统的性能有显著提高。