基于形式概念分析和语义关联规则的目标图像标注

基于目标的图像标注一直是图像处理和计算机视觉领域中一个重要的研究问题.图像目标的多尺度性、多形变性使得图像标注十分困难.目标分割和目标识别是目标图像标注任务中两大关键问题.本文提出一种基于形式概念分析(Formal concept analysis, FCA)和语义关联规则的目标图像标注方法,针对目标建议算法生成图像块中存在的高度重叠问题,借鉴形式概念分析中概念格的思想,按照图像块的共性将其归成几个图像簇挖掘图像类别模式,利用类别概率分布判决和平坦度判决分别去除目标噪声块和背景噪声块,最终得到目标语义簇;针对语义目标判别问题,首先对有效图像簇进行特征融合形成共性特征描述,通过分类器进行类别判决,生成初始目标图像标注,然后利用图像语义标注词挖掘语义关联规则,进行图像标注的语义补充,以避免挖掘类别模式时丢失较小的语义目标.实验表明,本文提出的图像标注算法既能保证语义标注的准确性,又能保证语义标注的完整性,具有较好的图像标注性能.

基于语义关联规则的试题知识点标注及试题推荐

【目的】在线教育资源中存在大量未标注知识点的试题,探究对试题知识点进行自动标注。【方法】通过引入文本语义概念,考虑待标注试题与学习规则之间的语义匹配程度,提出一种基于语义关联规则的试题知识点自动标注方法和基于知识点间关联特性的个性化试题推荐方法。【结果】以部分初中数学和高中历史试题为实验语料,分别与朴素贝叶斯、K最近邻、随机森林以及支持向量机等经典分类方法进行实验对比,发现本文方法的标注准确度优于其他方法。【局限】该方法对于试题的语义理解不够深入,使得整体的准确度仍然较低,与期望的标注准确度还有一定差距。【结论】知识点自动标注方法和个性化试题推荐方法在现阶段以及未来的智能教学和自主学习方面具有一定的实际应用价值。

无语义多通道关联规则的癫痫脑电同步分析

癫痫总是伴随大脑全局或者局部的同步放电,致使同步研究成为理解癫痫的重要研究方向。特别的,脑电数据往往受到强噪声干扰,在缺乏足够先验知识下,很难获悉癫痫疾病受哪些通道的影响。针对这一问题,设计了一种度量多通道脑电同步特征增强或减弱方法,同时借助Eclat关联规则算法,实现对无语义癫痫脑电的多通道关联分析。实验结果表明,所提出的方法可以有效地验证:在癫痫发作时,多个通道的同步特征会上升,也即论证了该方法在癫痫脑电数据分析的有效性。

医疗数据库中关联规则的挖掘研究

本文首先介绍了关联规则模型和数据挖掘方法,并结合模糊集理论,给出了医疗数据库中语义关联规则的模型和提取算法。