基于EICS-LBP与统计边缘主色对的场景分类算法

针对场景分类问题,提出一种基于图像局部边缘区域的边缘改进中心对称二值模式(edge improvedcenter symmetric local binary pattern,EICS-LBP)与统计边缘主色对特征结合扩展潜在语义分析(probabilistic latent semantic analysis,PLSA)模型的场景分类算法。该方法首先提取图像局部边缘稠密采样区域的EICS-LBP与统计边缘主色对特征;然后对两类特征分别聚类形成视觉词汇表,进而用词袋模型描述图像;之后利用扩展PLSA模型对图像词袋模型进行潜在语义挖掘;最后利用K最近领域(K-nearest neighbors,KNN)分类器进行场景分类,得到测试图像集的混淆矩阵。多类场景图像的实验表明,该方法不需要对场景内容进行人工标注,具有较高的分类准确率,且对具有边缘轮廓的彩色图像分类精度较高。

跨语言信息检索中的查询扩展

提出了把语义词典和马尔可夫随机域的潜在语义扩展相结合的新方法,充分利用了现有词典资源和语料库资源,又克服了单一使用词典方法的局限性和单一使用语义扩展的不确定性,扩展出查询词的同义近义词,上位词和潜在语义相关词,实验表明该方法能很好的解决跨语言信息检索中翻译项的歧义问题。