A Comparative Study on Two Techniques of Reducing the Dimension of Text Feature Space

With the development of large scale text processing, the dimension of text feature space has become larger and larger, which has added a lot of difficulties to natural language processing. How to reduce the dimension has become a practical problem in the field. Here we present two clustering methods, i.e. concept association and concept abstract, to achieve the goal. The first refers to the keyword clustering based on the co occurrence of

空间位置矫正的稀疏特征图像分类网络

为稀疏语义并加强对重点特征的关注,增强空间位置和局部特征的关联性,对特征空间位置进行约束,本文提出空间位置矫正的稀疏特征图像分类网络(SSCNet)。该网络以ResNet-34残差网络为基础,首先,提出稀疏语义强化特征模块(SSEF),SSEF模块将深度可分离卷积(DSC)和SE相融合,在稀疏语义的同时增强特征提取能力,并能够保持空间信息的完整性;然后,提出空间位置矫正对称注意力机制(SPCS),SPCS将对称全局坐标注意力机制加到网络特定位置中,能够加强特征之间的空间关系,对特征的空间位置进行约束和矫正,从而增强网路对全局细节特征的感知能力;最后,提出平均池化残差模块(APM),并将APM应用到网络的每个残差分支中,使网络能够更有效地捕捉全局特征信息,增强特征的平移不变性,延缓网络过拟合,提高网络的泛化能力。在多个数据集中,SSCNet相比于其它高性能网络在分类准确率上均有不同程度的提升,证明了其在兼顾全局信息的同时,能够更好地提取局部细节信息,具有较高的分类准确率和较强的泛化性能。

组合光透视下小面积室内封闭空间分割方法

为提高室内空间的优化规划设计能力,提出基于点云数据语义分割的组合光透视下小面积室内封闭空间分割方法。构建小面积室内封闭空间的环境三维信息感知模型,采用室内空间点云提取室内封闭空间图像的坐标信息,结合语义组合特征分割方法将融合空间信息映射到高分辨空间异质单元结构中,引入几何约束的子空间投影特征信息,结合组合光透视的高分辨率分割图模型参数融合方法,提取小面积室内封闭的端元,采用点云数据语义分割方法实现空间分割。结果表明,采用该方法有效实现对复杂室内场景的三维重建,空间分割的均方根误差较低为0.808%,峰值信噪比较高42.156 dB,空间分割速度较快,平均为12.83 ms。

融合标签语义嵌入和图卷积的短文本特征扩展及分类方法

针对短文本长度过短、关键词偏少和标签信息利用不足造成的分类过程中面临特征稀疏和语义不明确的问题,提出了融合标签语义嵌入的图卷积网络模型。首先,在传统的术语频率和逆文档频率算法基础上,提出了融合单词所属文本的类间、类内分布关系的全局词频提取算法。其次,利用融合标签嵌入的方法,将每条训练文本与相对应的标签引入到同一个特征空间内,通过筛选聚合提取更能突显文本类别的近义词嵌入,作为文本图的文档节点的嵌入表示。最后,将文本图输入到图卷积神经网络学习后,获得的特征与预训练模型提取文本上下文的特征相融合,提升短文本的分类质量以及整个模型的泛化能力,在4个短文本数据集MR、web_snippets、R8和R52上对本文模型和14个基线算法进行了对比实验,结果表明本文提出的模型相比于对比模型具有更优的结果,在识别精度、召回率以及F_1值上有着更好的表现。

基于语义特征挖掘的图书馆文献资源智能检索方法

为提升图书馆文献资源检索精度,使检索结果与索引标准、用户需求适配,文章提出基于语义特征挖掘的图书馆文献资源智能检索方法。构建图书馆元数据特征空间,计算特征空间量化结果与特征信息的聚类范围;对图书馆文献资源信息进行编码重构与分布采集,提取图书馆文献资源检索特征;计算特征相似度分数,提取显性关键词;利用加权向量组合控制方法优化图书馆文献检索,实现文献资源智能检索输出。实验结果表明,利用所提方法获取的检索结果,适配度均在98%以上,最高检索精度达到0.97,有较好实际应用效果。

融合多维空间信息的三维点云语义分割方法

融合多维空间信息的三维点云语义分割方法以较低的时间复杂度处理场景级三维点云。针对局部特征不足导致感知能力下降的问题,通过引入法向量估计和混合池化用以增强局部特征。针对网络结构难以处理大规模三维点云的细微语义对象,通过使用长跳跃多层融合和短跳跃多维特征融合,可以保留多层特征多样性。经实验结果表明,在S3DIS(Stanford Large-Scale 3D Indoor Spaces Dataset)数据集6折交叉验证平均交并比为70.2%。

一种基于降维密度聚类的船舶异常轨迹识别方法

目的有效分析和探索海洋船舶时空轨迹行为模式,提高船舶轨迹聚类的效率与质量,更好地检测真实船舶的异常行为。方法针对当前船舶轨迹数据研究中存在的对多维特征信息利用不足、检测效率不高、检测精度较差等问题,提出一种精确度高、能自主识别分析多维特征的船舶异常轨迹识别方法。首先利用随机森林分类器评估多维特征重要性,构建轨迹特征的最优组合;然后提出一种降维密度聚类方法,将T–分布随机邻域嵌入(T–SNE)和自适应密度聚类(DBSCAN)模型结合,通过构建特征选择层和无监督聚类层实现对数据元素非线性关系的高效提取以及对聚类参数的智能选择;最后根据聚类结果构建类簇特征向量,计算距离阈值判别轨迹相似度,实现轨迹异常检测模型的构建。结果以UCI数据集为例,降维密度聚类方法对4、13、30、64维特征数据集的F1分数能达到0.9048、0.9534、0.8218、0.6627,多个聚类指标均优于DBSCAN、K–Means等常见聚类算法的。结论研究结果表明,降维密度聚类方法能有效提取数据多维特征结构,实现聚类参数自适应,弥补密度聚类中参数难以确定的问题,有效实现对多种类型船舶轨迹异常的识别。

基于高维聚类的文本大数据挖掘算法仿真

文本数据具有规模大,特征维数高等特点。通常含有大量的冗余、空间维度复杂的数据,导致文本大数据信息挖掘困难。因此,提出一种基于高维聚类算法的文本大数据挖掘方法。采用等距离特征映射算法,将多维数据映射到低维空间。通过相空间重建,提取大数据的关键特征。以平均信息熵作为衡量聚类项目的标准,多次不断更新本文聚类中心,当平均信息熵为小数值时,利用密度函数确定原始本文聚类中心,实现文本大数据挖掘。实验结果证明,所提方法的F1值在95%以上,说明文本大数据的聚类精准度高,不会出现过度挖掘问题。

基于多维情感语义空间的色彩表征方法

针对色彩与情感映射模型复杂且难以实现的问题,提出一种利用多维语义空间表征色彩的方法·首先从信息论角度出发,依据Lebesgue测度原理阐明了色彩情感语义信息的度量特征;然后利用语义分析法建立了表征RGB色彩的多维语义空间,结合Euclid空间探讨了RGB色彩与多维语义空间映射特点,并提出消除由语义维度和粒度冲突而引起的语义空洞的算法;最后以一个色彩设计系统对其进行应用验证·实验结果表明,该算法能够在不同维度与粒度层上实现色彩空间与情感语义空间的复杂映射·

结合语义与统计的特征降维短文本聚类

为解决文本聚类时文本的高维稀疏性问题,提出一种语义和统计特征相结合的短文本聚类算法。该算法通过语义词典对词汇的语义相关性分析实现一次降维,结合统计方法进行特征选择实现二次降维,并融合二次降维特征实现短文本聚类。实验结果表明,该算法具有较好的短文本聚类效果和效率。

SVM-KNN分类器——一种提高SVM分类精度的新方法

本文提出了一种将支持向量机分类和最近邻分类相结合的方法 ,形成了一种新的分类器 .首先对支持向量机进行分析可以看出它作为分类器实际相当于每类只选一个代表点的最近邻分类器 ,同时在对支持向量机分类时出错样本点的分布进行研究的基础上 ,在分类阶段计算待识别样本和最优分类超平面的距离 ,如果距离差大于给定阈值直接应用支持向量机分类 ,否则代入以每类的所有的支持向量作为代表点的K近邻分类 .数值实验证明了使用支持向量机结合最近邻分类的分类器分类比单独使用支持向量机分类具有更高的分类准确率 。

基于关联维的事故时间序列分形特征分析

根据我国"十五"期间事故统计数据,构造了一个事故时间序列;基于相空间重构理论,对事故序列进行了相空间重构,应用G-P算法,对事故时间序列的分形特征进行了研究,计算得出事故时间序列的关联维数。研究结果表明:当嵌入维数达到8以后,该事故动力学系统具有稳定的关联维数4.7,说明至少有5个因子在影响着事故时间序列的动态变化,并且该系统的有效自由度为8。本研究对建立事故时间序列的预测模型有较大的参考价值。

模具零件工程图的孔特征识别与分组统计

提出了面向模具零件工程图的孔特征识别与分组统计方法,采用特征识别实现了尺寸功能语义的再现,基于此进一步实现了孔系的自动分组统计.该方法在AutoCAD软件中利用VisualLISP得到实现.测试结果表明所提出的算法可以很好地解决尺寸完整性问题,完善了模具零件尺寸自动标注功能.

结合通道空间加权特征金字塔网络的白细胞检测与分割

白细胞的准确检测和精确分割是一项具有挑战性的医学图像处理任务.在显微镜下获取的白细胞图像会受到染色杂质的影响,且白细胞种类繁多、形态各异、类间差别小,还存在相互重叠相互粘连的现象,导致细胞边缘无法被准确分割,上述问题一直都是白细胞图像检测和分割的难点.针对以上问题,基于Mask R-CNN提出了结合注意力机制多尺度特征融合的白细胞检测方法.在Mask R-CNN结构的基础上,在特征金字塔网络(FPN)模块中融合了注意力机制模块,提出了通道空间加权特征金字塔网络.该结构不仅可以学习特征图中重要通道特征的权重大小,还可以学习层中重要特征区域的表示.同时,在网络结构中加入了Skip-FPN模块,该模块通过短连接融合更多白细胞的底层细节信息,从而更准确地检测白细胞,更精确地进行白细胞的形态分割.实验结果表明,所提方法具有良好的检测与分割性能.在Kaggle开源数据集下,所提方法对白细胞检测的指标mAP值达到了98.25%,与改进前相比提高了1.25%;分割的平均精度mIoU值达到了89.30%,与改进前相比提高了0.002%.

基于局部特征和语义信息的扣件图像检测

针对现有底层特征识别扣件状态的算法存在描述能力差、错误率高等问题,提出一种基于扣件局部特征和语义信息的扣件检测模型。首先,在图像的非线性空间中计算扣件底层局部特征来表达扣件轮廓信息;然后,将图像分为四个子图,有效克服了由于扣件左右对称、上下相似造成的单词多义性问题;再根据扣件子图构造视觉单词,由底层特征整合得到语义信息向量;最后,以该向量训练分类器,判断待检扣件状态。对均衡的扣件样本进行测试,漏检率仅为0.67%。实验表明所提算法较现有方法,漏检率和误报率明显降低,检测能力增强。

一种大规模数据的快速潜在语义索引

潜在语义索引(LSI)已应用到现代信息检索的多个领域,但矩阵奇异值分解的高复杂度阻碍了该技术在大规模数据上的应用。提出一种大规模数据的快速LSI方法。给出一个降维问题的统一框架,LSI作为一种特征提取算法,可以在这个框架下转化为一个特征选择问题。利用该技术在最大程度保持LSI降维效果的同时,简化LSI的计算,使其能够应用于大规模数据。

高分辨率遥感影像城市房屋信息自动提取模型与实验研究

分析高分辨率遥感影像Quick Bird上房屋信息特征空间,构建Quick Bird影像房屋空间语义模型,并以大庆市东城区为实验区域,利用窗口阈值法对影像进行区域分割后,通过空间语义模型实现Quick Bird影像房屋信息的自动提取,并将提取结果与实地采样数据进行精度对比。结果显示,其形状一致性和面积一致性分别达到89.5%和88%,其中,矩形房屋提取效果最佳,人字形、多边形房屋的提取效果较理想,但圆形房屋提取效果不理想。

基于领域特征空间的构件语义表示方法

在基于构件的软件开发范型中,构件模型是构件分类、检索和适应等关键任务的理论基础,然而构件模型中的语义表示方法一直是一个难点.提出一种以语义为核心的构件模型,采用基于领域分析的特征空间语义定义方法,从领域空间、定义空间和语境空间三个方面刻画语义结构,用描述逻辑表达语义内容及实现自动推理,尤其是文中的构件语义体概念和特征空间形式化方法,为构件复用自动化和工程化提供了一种可能的解决途径.

特征空间线性降维压缩遥感图像云检测方法

针对遥感图像云检测过程中分类特征空间维数过高引起的信息冗余,提出了一种基于特征空间线性降维压缩的云检测方法.首先选取云与地物的分类特征参量,构造特征空间,基于压缩子空间分类信息表述的完备性,建立样本的概率分布模型.然后利用最大似然估计法求解模型参数,估计最佳转换矩阵,进行特征空间的降维压缩与去相关处理.最后针对压缩子空间,利用分类器进行云检测.实验结果表明:本方法能够有效地去除云与地物分类特征之间的冗余,实现二维压缩子空间中云与地物两类样本的有效分离,对于实际光学遥感图像的云检测概率高达98%以上.

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.