文本线局部极值区域两阶段场景文本序列识别

为提高场景文本识别算法的计算效率和精度,提出基于文本线局部极值区域两阶段场景文本序列识别方法。首先,利用特征计算对每个构建的极值区域字符进行概率计算,并选取局部最大概率特征作为第一阶段的输出和第二阶段的输入。其次,利用高效的聚类算法将极值区域字符进行文本线处理,利用字符区域的标签以及OCR分类器进行字体合成,在上下文中的每个字符的文本线已知的情况下,可实现最有可能字符序列的快速选取。最后,通过在USTB-SV1K数据库对多方向文本的仿真测试,验证了算法在计算效率和计算精度上的优势。

基于LDA模型和语义网络的线上文本挖掘方法

传统线上文本挖掘方法在克服相似性干扰时,需要加入大量约束条件,降低了挖掘准确率。为此,本文提出基于LDA模型和语义网络的线上文本挖掘方法。采用滤波处理法对线上文本信息进行滤波处理,获得线上文本的抗干扰向量,提取线上文本信息的频谱特征。利用语义网络构建线上文本的语义网络挖掘模型,计算线上文本挖掘信息的相似度。基于LDA模型对获取的线上文本阈值进行分类,得到线上文本挖掘权值,将挖掘到的关系词带入到概念属性内,实现线上文本的挖掘。实验结果表明,基于LDA模型和语义网络的线上文本挖掘方法不仅可以提高挖掘精度,还具有更强的收敛性。

基于文本行重构的扭曲文档快速校正方法

OCR在识别数码相机获取的文档图像时,常常会因为图像的扭曲而导致识别率低。为解决这一问题,提出了一种按文本行重构图像的方法来校正自然扭曲图像。应用形态学膨胀和游程平滑的方法对图像初始化,利用可变长模板搜索样本点,拟合出各文本行中心线,根据中心线估计每行文字的上下位置,利用提出的模型和重构算法进行文本行重构。实验结果表明,校正后图像的OCR识别率能得到显著提高,而且校正速度快,对于1000*1667像素的图像,校正时间能保证在500毫秒以内。

多天线频谱共享CR-NOMA系统安全中断性能分析

认知无线电(CR)非正交多址接入(NOMA)网络(记为CR-NOMA)已是无线通信领域的研究热点之一。由于无线信道的开放性,使得无线网络的安全通信成为当前急需解决的问题。该文研究了频谱共享多天线CR-NOMA网络安全中断性能,首先分析了最优天线选择(OAS)方案的安全中断概率(SOP),并推导了其精确的闭合表达式。其次,分析了空时传输(STT)方案的SOP,并推导了其精确的闭合表达式。最后,对次用户两种方案的SOP渐近性能进行了分析,揭示了系统参数对SOP的影响。最后,采用Monte Carlo仿真验证了理论分析的正确性。研究发现,两种方案基站分别存在一个最优峰值发射功率,使得远距离次用户的安全中断性能最佳。仿真结果表明增大基站峰值发射功率,OAS方案的近距离次用户的SOP会始终优于STT方案,远距离次用户的SOP会劣于STT方案。

共词分析及网络分析法探测乳腺癌转移相关基因

目的:探测乳腺癌转移相关的基因,为乳腺癌转移的早期诊断和个性治疗提供参考。方法:检索Pub Med数据库获取文献,利用Meta Map进行概念匹配,下载匹配结果,并导入到数据分析软件,得到乳腺癌转移相关基因和基因-基因矩阵;使用Ucinet6建立乳腺癌转移相关基因的相互作用网络,分析网络的相关指标。结果:tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69等是乳腺癌转移核心基因。结论:基于共词分析法能获得乳腺癌转移相关基因,但cd69对于乳腺癌转移的具体过程尚不明确,需要进一步验证。