单像素复振幅成像(特邀)

传统光学成像系统主要依靠阵列探测器对目标的空间分布进行探测来达到成像的目的。而单像素成像不需要阵列探测器,在探测端只需要使用一个单点探测器来记录光场的信号,然后利用关联算法来重构目标物体的图像信息。由于单点探测器的技术较为成熟,且成本较为低廉,因此这种成像方式在近些年得到了研究人员的广泛关注,期望单像素成像技术能够应用在X射线、红外、太赫兹等波段。另外,单像素成像技术在生物荧光成像、多光谱成像、三维成像、光场复振幅成像等应用领域也得到了深入的研究。其中光场波前的相位探测在天文观测、医学诊断、光学测量等领域至关重要,研究人员针对这一问题提出了多种基于单像素成像技术进行复振幅成像的方法,这些研究有效地拓展了单像素成像技术的实际应用场景。文中主要介绍了单像素成像技术的历史发展及其基本工作原理,并着重介绍了单像素成像技术在复振幅成像应用中的工作。

基于情感知识和机器学习算法的组合微文情感倾向分类研究

[目的/意义]随着社交网络的发展,新浪微博成为人们生活中交流的重要平台。针对微博情感的分类研究有利于舆论发现,帮助政府和企业进行舆论引导。[方法/过程]基于微博中的情感词、表情符号、否定副词、程度副词等情感知识分类算法和传统的机器学习算法,提出了一种组合分类算法。该算法解决了传统机器学习算法在情感分类时样本数据分布不均的问题;相比情感知识分类算法,该算法的分类效率大大提升。[结果/结论]实证结果表明组合分类算法在准确度、召回率、F值等方面均优于情感知识算法和机器学习算法。

基于知乎问答社区的内容推荐研究——以物流话题为例

【目的】通过研究知乎用户的社交行为,为用户更精准地推荐相关内容。【方法】提出基于关联规则-LDA主题模型内容推荐方法,通过构建特定话题下的共享子话题网络,并结合LDA模型提取子话题下的主题词,最终将相关子话题的内容精确推送给用户。【结果】实证研究发现,知乎平台的物流话题下存在多个具有高度共现性的子话题,其置信度均达到65%以上。【局限】收集的数据缺乏全面性,可能会对推荐结果产生影响。【结论】运用关联规则-LDA主题模型分析,能够为内容推荐提供新的研究思路。