词袋特征支持下的无人机影像滑坡解译模型

川西地区滑坡灾害频发,给当地人民生命、财产安全带来了极大威胁。如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译的关键。针对该问题,首先,对比了多种影像特征提取方法,然后将词袋特征和支持向量机引入到构建滑坡灾害解译模型中,提出了一种基于词袋特征的无人机影像滑坡灾害解译模型。最后,选取512汶川地震及420芦山地震系列无人机影像构建了滑坡灾害样本库,基于该样本库进行了实验,分类准确度达到76%,相比于传统目视解译在效率上有明显优势。分析表明,所提出方法可用于高分影像滑坡自动解译。此外,该模型可用于大面积高分影像快速山地滑坡灾害定位,可实现滑坡灾害的快速检测,对于灾后应急具有一定的指导作用。

提取目标区域词袋特征的图像分类方法

规则网格是视觉词袋模型中常用的图像检测方法,该方法抽取图像所有区块,获得背景区块和目标区块完整的图像信息。事实上,抽取的背景区块信息对类别的判定往往会有一定的混淆作用。以"摩托车"类和"小汽车"类的图像为例,这两类图像背景特征相似,大多都是道路,一般的分类方法很可能将它们分为相同类别。可见,背景信息会干扰图像分类结果。因此,提出一种提取目标区域词袋特征的图像分类方法。利用图像分割去除背景信息提取目标区域;对目标区域构建视觉词袋模型;使用SVM分类器对图像进行分类。PASCAL VOC2006及PASCAL VOC2010数据集上的实验结果表明,提取目标区域词袋特征的图像分类方法具有较好的分类性能。

词袋特征压缩算法比较研究

针对目前词袋(BoF)特征压缩算法忽略编码矢量之间空间关系的问题,本文给出了压缩算法与金字塔模型相配合的图像分类步骤。同时以多个公开图像数据集为实验对象,对典型词袋特征压缩算法的性能进行比较性研究报道。实验结果表明,压缩算法对于视觉单词数目以及编码方法具有良好的鲁棒性;其中基于子空间方法的压缩算法在高层图像特征空间中的分类性能最优,在多个图像数据集上的分类性能最优,时间开销最小。

基于自然语言处理的电力调度语音识别方法

为了解决新能源电站调度中存在语音交流处理能力不足、语音识别准确率低的问题,提出了一种基于自然语言处理的电力虚拟调度方法。通过动态时间规整算法提取新能源场站调度语音中的特征信息;采用自然语言处理将调度语音的特征信息进行预处理,降低高维语音空间识别难度,并提取语音文本的词袋特征。在此基础上,通过多标签分类进行上下文关联分析,获得新能源场站调度语音的文本信息。在某省的新能源场站调度中应用所提方法,其在单条调度语言处理时长和语音识别准确率方面较隐马尔科夫方法低0.058 s和4.66%。应用结果表明,所提方法优于隐马尔科夫方法,验证了所提方法的有效性。

基于粗糙集的在线评论情感分析模型

针对在线评论情感分析的复杂特征抽取问题,提出一种基于粗糙集的在线评论情感分析模型。分析传统词袋性特征,指出固定搭配特征在情感极性判别中的作用,采用粗糙集方法挖掘在线评论中的固定搭配特征,将其融合于SVM与Naive Bayes等情感分析模型中。实际酒店的在线评论情感分析结果表明,增加粗规则后,SVM模型与Naive Bayes模型获得的评论情感判别精度都有所提高。

基于多目标聚类的车辆检测方法（英文）

为提升车辆检测算法中字典学习的有效性,提出一种新的基于多目标聚类的车辆检测方法。同时考虑聚类检测中的全局偏差和连接性2个重要的指标,并引入提出的新多目标优化方法,期望获得1组同时符合全局偏差和连接性的平衡解。针对字典学习和多目标聚类解的特性,设计了一种新的模型选取算法,用于选出有利于提高检测性能的最终聚类解。对5个车辆部件的聚类任务进行聚类,以验证所提算法的有效性与卓越性。将该方法与5种其他方法(不仅包含2类常用单目标聚类方法,也覆盖了其他多目标聚类方法)对2类车辆检测问题进行检测,以全面检验该方法的性能。结果表明:双目标聚类在车辆检测应用中,对聚类效果有较好促进作用,且该方法的整体性能相比于其他聚类算法,颇具竞争性。