The State of the Art in Text Filtering

This paper develops a conceptual framework for text filtering practice and research, and reviews present practice in the field. Text filtering is an information seeking process in which documents are selected from a dynamic text stream to satisfy a relatively stable and specific information need. A model of the information seeking process is introduced and specialized to define text filtering. The historical development of text filtering is then reviewed and case studies of recent work are used to highlight important design characteristics of modern text filtering systems. User modeling techniques drawn from information retrieval, recommender systems, machine learning and other fields are described. The paper concludes with observations on the present state of the art and implications for future research on text filtering. This revised version was published online in July 2006 with corrections to the Cover Date.     

Media ratings for violence and sex: Implications for policymakers and parents.

This article reviews research on the implementation of media-rating systems, parents' use and evaluation of them, and the impact of ratings on children. Although half or more of parents report using media-rating systems, understanding of various components of the systems is low, particularly for television ratings. A meta-analysis of national polls shows that parents overwhelmingly prefer that ratings specify content, rather than giving age recommendations. A second meta-analysis, of experiments testing the effects of ratings on children's interest in programs, shows that ratings indicating restricted or controversial content have a deterrent effect for children under age 8 but that, by age 11 and especially for boys, the ratings show a small enticement effect. This effect occurs for both age-based and content-based ratings. Implications for policymakers and parents are discussed. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

基于微生物菌种资源库的图像智能检索系统研究*

在建设微生物菌种资源平台的基础上, 设计开发微生物菌种资源数据库管理系统,实现基于内容的Web图像智能检索系统.该检索系统采用B/S体系架构,可根据微生物菌种文本信息或图像的形状、纹理和颜色特征进行检索,有效提高了微生物菌种图像信息搜索的查准率、查全率和查找速度.     

用于提高谷歌图像搜索结果的二分类器在线学习方法

对于基于关键词的图像检索,利用检索结果的视觉相似性学习二分类器有望成为改善检索结果的最有效途径之一. 为改善搜索引擎的搜索结果,本文提出一种算法框架并且基于此框架着重研究训练数据选择这一关键问题. 训练数据选择过程由两个阶段组成:1）训练数据初始化以开始分类器学习过程;2）分类器迭代学习过程中的动态数据选择. 对于初始训练数据的选择,我们探讨了基于聚类和基于排序两种方法,并且对比了自动训练数据选择与人工标注的结果. 对于动态数据选择,我们比较了支持向量机和基于最大最小后验伪概率的贝叶斯分类器的分类效果. 组合上述两个阶段的不同方法,我们得到了8种不同的算法,并将其用于谷歌搜索引擎进行基于关键词的图像检索. 实验结果证明,如何从含有噪声的搜索结果中选择训练数据是搜索结果改善的关键问题. 实验显示我们的方法能够有效的改善谷歌搜索的结果,尤其是排序在前的结果. 尽早为用户提供更相关的结果能够更大程度的减少用户逐个翻页查看结果的工作. 另外,如何使自动训练数据选择与人工标注媲美仍是需要继续研究的一个问题.     

基于半监督学习的一种图像检索方法

为了提高图像检索的质量, 提出了一种基于半监督学习的图像检索方法。该方法提取图像的颜色、形状、纹理特征, 计算得到已知类别样本的中心图像, 检索过程中利用中心图像自适应调整相关度计算函数, 然后根据与查询图像相关度的大小对图像进行检索和排序。实验结果表明：该方法较已有的基于内容的图像检索方法有更高的查准率, 同时, 由查准率—查全率曲线可知该方法能够达到很好的检索质量。     

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。     

EAST电源数据采集控制系统的设计与实现

随着EAST装置不断升级,现有的电源数据采集及其控制系统已不能满足等离子体长时间放电要求,需设计新型EAST电源数据采集控制系统.该控制系统采用LAMP架构,对采集参数管理加入多种安全验证,实现了数据采集系统的远程启动、实时监测、异常检测、故障恢复和日志管理,解决了原有系统移植性差和安全性弱等问题;此外通过对实验数据进行有效性分析,并对有效实验数据的关键参数进行统计,实现了基于数据内容的检索.实验结果表明,该系统能够稳定运行,可有效降低人为故障,缩短异常处理时间,具备良好的扩展性和移植性,对EAST其他子装置的数据采集及其控制系统的升级有很好的参考价值.     

基于非对称打包和FSVM的图像检索

在图像检索的相关反馈中,引入支持向量机分类方法虽可以提升图像的检索性能,但是传统的支持向量机存在正样本数少、样本非对称、过学习和弱实时性的局限。针对上述问题,提出了一种基于非对称打包的FSVM算法。该算法首先对负样本进行非对称打包处理,最后结合模糊理论与SVM实现图像检索。Corel图片集上的实验表明,当正样本数较小时,该新算法的平均查准率-查全率要优于已有算法。     

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.