基于Web挖掘的主页多主题更新模型

针对改善网站主页中多个主题更新的合理性问题,提出了一种新颖的基于W eb数据挖掘技术的主页主题更新模型。对当前主页主题更新方法进行分析,指出目前一些大学校园网站主页主题更新的不合理性,然后通过数据挖掘,从安徽理工大学网站W eb日志中提取有效数据,分析各个主题的点击率随时间的变化趋势,进而提出基于点击率的网站主页主题更新模型。实验结果证明,模型能够实现对主页主题的合理更新,有效提高网站主页的受欢迎程度。

传统街区的复兴路径探索——主题化特色更新思路简述

我国存在很多传统街区,随着城市发展,不可避免地存在老化和周边发展不协调的问题.因此,重新焕发传统街区活力、采取主题化特色更新改造不失为一种选择.这种主题化更新有助于挖掘场地内的主题内涵,进而也就能够为当地发展做出较大的贡献.为了较好地提升这种主题化更新在传统街区改造中的应用价值和效果,必须要重点加强对于具体改造思路和路径的探究.本文就重点基于这方面的内容进行了探究,希望能够有助于提升我国传统街区的改造水平.

主题化设计思路下的传统街区再开发

当前我国城市空间处于转型发展期,为遏制城市不断蔓延发展的趋势,开始推行城市填充式开发和再开发的发展新理念,不同于扩张式开发或原地重建,填充式的开发是在原有街区进行合理规划的基础上开发建设以满足新的需求。因此,在新旧融合的过程中往往会遇到新的问题。文章基于城市设计的视角,将传统街区作为主要研究对象,在探索其更新方法时,重点研究以主题化设计思路来推进的再开发模式,并且通过对上海音乐谷更新案例的分析,总结在新旧融合的再开发过程中,在风格、尺度等方面对传统街区的空间环境进行改造与更新过程中面临的问题及应对策略。

结合全局和局部约束的sLDA铁路扣件分类模型

针对监督潜在狄利克雷分布(sLDA)模型中测试图像缺乏标注,导致测试主题分布忽略目标结构的问题,提出一种结合全局和局部约束的sLDA(glc-sLDA)扣件图像分类模型。首先,人工标注训练图像,并在sLDA模型中学习得到含有结构信息的训练主题分布;然后,计算测试主题分布,将测试图像的类别概率作为全局约束,将测试图像子块与训练图像子块的主题相似程度作为局部约束;最后,以全局和局部约束的乘积为更新权值,对训练主题分布加权求和得到新的测试主题分布,并在Softmax分类器中得到测试图像的分类结果。实验结果表明,glc-sLDA模型能表达扣件结构信息,与sLDA相比,各类别的扣件图像区分性增强,分类误检率减小了55%。