基于相异性空间和多分类器融合的文本分类方法

提出了基于相异性表征和多分类器融合的文本分类方法。首先,文档特征向量通过不同的相异性表征变换词袋法获得低维表示形式;然后,为了避免最优表征集的搜索陷入局部最优,对多分类器的响应进行合并,并在不同的相异性空间上训练数据。最后,在测试阶段,通过表征变换的多个分类器融合获得分类结果。多个数据库的实验结果表明了所提方法的有效性。与其他方法相比,所提方法在微观平均F1得分和宏观平均F1得分表现较优,准确率和稳定性较好。

基于运动矢量的异常拥挤行为检测算法

面向人群场景中异常拥挤行为检测,本文提出基于运动矢量的检测方法。该方法首先采用运动矢量场提取人群运动特征;然后基于社会力模型计算运动矢量微粒之间的相互作用力;最后对相互作用力采用词袋法实现行为判别。仿真实验表明,本算法可以区分人群场景中异常区域内相互作用力的大小,对异常拥挤行为进行判别和定位。

大规模复杂场景下基于ResNet的回环检测技术研究

回环检测(LCD)是同步定位与地图构建(SLAM)中的重要环节,对SLAM的精度和鲁棒性具有显著影响。由于大规模复杂场景下光照、摄像机视角、存在移动物体、气候、地貌特征等条件的大幅变化,使得回环检测的精度和鲁棒性受限。为解决此问题,提出一种基于深度残差网络(Deep Residual Network,ResNet),利用信息熵(Information Entropy)改进的局部聚合描述符向量(Vector of Locally Aggregated Descriptors,VLAD)的回环检测方法RIV-LCD。采用弱监督迁移训练算法训练ResNet来提取图像特征;使用信息熵加权的VLAD对图像特征进行处理;通过词袋法进行匹配,得到匹配结果。在Nordlandsbanen数据集上进行的验证和对比实验表明:在大规模复杂场景中剧烈环境条件变化下,RIV-LCD具有良好的精度和鲁棒性。

关于文本特征抽取新方法的研究

该文研究了已有和最新的各种基于评估函数的特征筛选方法 ,评价了它们的优缺点和适用范围 ,并实现了一种用评估函数代替 TFIDF法中 IDF函数进行分类的新算法。然后进一步从如何放宽特征独立性假设 。