二维DFT域全相位数字滤波器设计与实现

一维全相位数字信号处理已经在谱分析、自适应、模板设计、滤波器组分析与综合等领域得到应用,但对于二维全相位理论的推导很少而且没有实现的方法.因此,本文在一维全相位信号处理方法的基础上,首先系统地分析二维全相位信号处理模式,理论推导出无窗、单窗和双窗模式下传输函数表达式;其次,首次设计出二维全相位处理的系统实现框图,并对算法复杂度进行了优化分析;还有,对二维全相位信号处理的性质进行了分析;最后,借助MATLAB实现了DFT滤波器设计并画出3D特性曲面,完成设计二维DFT全相位滤波器的理论、方法和实验验证.     

社交媒体话题检测与追踪技术研究综述

随着计算机的普及与互联网的高速发展,Facebook、Twitter、新浪微博等社交媒体逐渐成为人们信息交流的主要渠道。然而,由于社交媒体信息具有数量庞大、结构复杂、传播速度快等特点,人们无法从中快速准确地获取想要的信息。于是,话题检测与追踪技术应运而生,它将用户关注的信息从大量无序信息中筛选出来,经过细致的过滤和有效的整合,生成简单、清晰的话题信息,并在此基础上实现对话题的追踪和发展趋势分析。该文对社交媒体上的话题检测与追踪工作进行综述,首先论述了话题检测方面的三类方法,包括基于主题模型的话题检测、基于改进聚类算法的话题检测和基于多特征融合的话题检测;其次,对话题追踪的研究成果进行了介绍,主要分为非自适应话题追踪和自适应话题追踪两大类;最后,列举出社交媒体话题的检测与追踪中存在的问题以及对未来研究的展望。     

2维全相位内插核的设计与实现

目的 图像的内插处理中,常将图像分解成许多子块,在块与块的交界处或图像边缘会引起图像质量的损伤。为了克服边缘效应,本文提出基于2维全相位数字信号处理的内插算法。方法 首先设计加窗的2维全相位数字信号处理算法,并利用该算法得到基于离散傅里叶变换(DFT)、离散余弦变换(DCT)和离散小波变换(DWT)的3种类型2维图像内插核,可同时处理行列及斜向频率分布。其次,为保持线性相位特性,对2维基窗和特性矩阵H的构成提出约束条件。结果 该方法在有效地降低分块效应的同时,解决了对斜向内容分量无法有效操作的问题,使内插得到的图像PSNR至少提升3 dB。结论 设计针对不同频率分布的3种图像内插实验,并同传统6种内插方式结果进行对比,表明该算法物理意义明确,恢复效果良好,实用性较强。     

基于多种词特征的微博突发事件检测方法

近年来,各领域内频频发生各类突发事件,对社会稳定发展产生了一定程度的影响.本文提出了一种基于多种词特征的微博突发事件检测模型,可以在海量微博数据中对突发事件进行检测,便于相关决策者进行微博监控和舆论引导,尽可能减少突发事件给社会带来的危害.首先根据时间信息对微博数据进行时间切片,对每一个时间窗口内的数据分别计算各个词语的词频特征、话题标签特征和词频增长率特征;然后基于D-S证据理论和层次分析法,确定词的各个特征权重,并进行加权融合得到词的突发特征值,将突发特征值大的词挑选出来构成突发特征词集,构建基于共现度和结合紧密度的突发事件特征词集的耦合度矩阵;最后将该耦合度矩阵作为凝聚式层次聚类算法的输入,生成一棵由突发词为叶子节点的二叉树,并采用内部相似度的二叉树剪枝算法对聚类结果进行划分,即可实现对相应时间窗口突发事件的检测.实验结果表明,基于突发词的事件检测模型在簇内部相似度阈值等于1.1时效果最好,正确率达到0.8462、召回率达到0.8684、F值为0.8571,表明了本文所提方法的有效性.     

变换域全相位信号处理算法

全相位处理有效地改善了信号吉布斯现象,为了在数据压缩、谱分析和多分辨率分析等领域 内充分利用全相位方法,本文设计了各种正交变换下全相位信号处理算法的一般形式,即全 相位变换等于信号准2倍延拓的全相位核加权,推导出离散傅里叶变换（Discrete Fourier transform,DFT）、离散余弦变换（Discrete cosine transform,DCT)和DCT正交基下的全相 位核的数学表达式及反变换公式。为进一步改善算法效果,给出了加窗的变换域全相位处理 算法的系统实现框图,对满足线性的窗进行了分析。最后,基于DCT、离散小波变换(Discre te wavelet transform,DWT)的传输特性和信号子带分解实验证实了该算法的正确性和可实 现性。     

基于评论异常度的新浪微博谣言识别方法

以微博为代表的社交媒体在为公众提供信息共享平台的同时, 也为谣言提供了可乘之机.开展微博中谣言的识别和清理方法研究, 对维护社会的安全稳定有着重要的现实意义.本文针对新浪微博平台中谣言识别的问题, 提出了一种基于评论异常度的微博谣言识别方法.首先采用D-S理论实现微博评论异常度的计算方法; 然后利用评论异常度与微博的内容特征、传播特征、用户特征对微博进行抽象表示; 最后再利用SVM (Support vector machine)构建一个基于评论异常度的谣言识别模型, 实现对新浪微博中谣言微博的识别.实验表明, 本文提出的谣言识别模型对新浪微博中谣言识别具有较好的效果, 谣言微博识别的F1值达到了96.2 %, 相较于现有文献的最好结果提高了1.3 %.