基于社交网络分析和LDA主题挖掘的短文本挖掘研究

随着自媒体技术的不断发展,如何高效挖掘短文本数据信息已成为现阶段的研究重点。传统主题挖掘方法进行短文本数据分析时,仅考虑单位词出现频率进行判断,未考虑语义关联结构信息,分析效果欠佳。针对短文本数据的稀缺性,文中提出一种基于社交网络分析和LDA的主题挖掘分析模型。首先结合共词分析算法,分析不同文档间主题词的关系;然后结合社交网络分析算法,提高共词网络主题词耦合度;再借助隐含空间模型对共词网络进行降维,提高社交网络耦合性;最后结合隐含位置聚类算法发掘潜在社区,提高主题识别效果。实验结果表明,所提方法能够在一定程度上优化主题挖掘算法在识别短文本主题的效果,便于进行短文本研究,具有实用价值,也可为后续应用于前沿主题识别提供参考。

一种有效的MSTARSAR图像分割方法

提出了一种有效的MSTAR SAR图像分割方法。该方法首先对待处理图像进行过分割操作,得到过分割图像区域,然后对过分割后的图像进行图像区域级和像素级的特征提取,得到用于表示图像的特征向量,接着对MSTAR SAR图像使用空间隐含狄利克雷分配模型(sLDA)和马尔科夫随机场(MRF)建立本文所提出的模型,得到能量泛函,最后运用Graph-Cut算法和Branch-and-Bound算法对能量泛函进行优化,得到最终的分割结果。通过使用MSTAR SAR图像进行分割实验比较,仿真结果表明了方法的有效性。