一种融合特征选择的AdaBoost集成算法

针对Ada Boost算法训练分类器的特征具有大量冗余问题,提出了一种融合特征选择的Ada Boost集成算法.首先,使用一种特征选取方法,选择图像特征之间冗余度最小的特征,构造最优训练集;其次,采用Ada Boost算法训练分类器,构建分类模型;最后,使用分类模型实现待标注图像的自动标注.实验使用华盛顿大学用于图像自动标注的数据集,结果验证算法的有效性,并且相比其他传统算法,该算法具有更高的分类精度.     

基于语义Web的知识管理系统的研究

知识管理是现代企业关注的热点,随着知识经济时代的来临,企业将主要通过知识而不是金融资本或自然资源来获取竞争优势.但是由于传统的知识管理系统都是通过关键字匹配来获取知识,这个会造成获取信息的不准确.本文将从知识管理的需求分析出发,给出了一种新的基于语义Web的知识管理系统的体系结构,并进行阐述.     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.     

浅议大学生英语词汇学习

词汇是语言的一个重要组成部分，是学好英语的基础，目前多数大学生在词汇学习方面存在许多问题缺少正确的学习技巧和方法。本文探讨了如何引导大学生在掌握构词法的基础上，从词汇关系等方面积极、主动、有趣地记忆单词，巩固、扩大词汇量，从而提高学生的英语水平。     

Semi-supervised learning based probabilistic latent semantic analysis for automatic image annotation

In recent years, multimedia annotation problem has been attracting significant research attention in multimedia and computer vision areas, especially for automatic image annotation, whose purpose is to provide an efficient and effective searching environment for users to query their images more easily.In this paper, a semi-supervised learning based probabilistic latent semantic analysis ( PL-SA) model for automatic image annotation is presenred.Since it' s often hard to obtain or create la-beled images in large quantities while unlabeled ones are easier to collect, a transductive support vector machine ( TSVM) is exploited to enhance the quality of the training image data.Then, differ-ent image features with different magnitudes will result in different performance for automatic image annotation.To this end, a Gaussian normalization method is utilized to normalize different features extracted from effective image regions segmented by the normalized cuts algorithm so as to reserve the intrinsic content of images as complete as possible.Finally, a PLSA model with asymmetric mo-dalities is constructed based on the expectation maximization( EM) algorithm to predict a candidate set of annotations with confidence scores.Extensive experiments on the general-purpose Corel5k dataset demonstrate that the proposed model can significantly improve performance of traditional PL-SA for the task of automatic image annotation.     

基于语义网络的方案设计过程表达与推理

从基于机械运动方案设计的表达方法必须能支持概念设计全过程的思想出发,提出计算机辅助概念设计系统必须能够表达设计方案、产生方案、产生多个方案和确定最优方案．根据方案表达方法应具备的基本功能要求,选用语义网络技术表达设计方案过程、工艺动作、机构及其相互间的关系,通过对设计方案中机构时间配合及其影响的表达和调整实现了方案设计运动循环图表达的计算机辅助化．利用基于语义网络表示的不确定性推理技术构造待求问题的语义网络片断,通过已有设计实例与设计要求的属性值与属性值、属性值与属性值域、属性值域与属性值域三者的匹配比较构造贴近度计算公式,并对工业平缝机中的挑线机构进行了机构选型．实例证明了击模型的正确、实用性．     

一个基于语义万维网的应用平台

为了对语义万维网程序提供支持,构建了一个基于语义万维网应用的平台(SWAP)。介绍了SWAP的存储模型,包括对文本文件的支持、数据库的设计和构建;描述了中间层的应用程序接口的设计,举例阐述了存储模型与核心数据结构的转换,并简单介绍了建立在此基础上的语义知识编辑环境这一特殊应用,SWAP系统为语义万维网程序的开发和运行提供了一个完整的平台。     

基于本体的语义检索模型

提出了一个基于本体的信息检索系统的模型框架,研究了信息检索系统中本体的构建技术和语义推理技术。     

一种多层次语义视频对象分割算法

提出一种基于高斯马尔可夫随机场及规则化图划分的多层次语义视频对象分割算法,其主要特点是将视频序列帧中对象的分割看成是“内容树”结构中复合结点的形成过程.首先使用高斯-马尔可夫模型来进行视频帧内的最优标记场标定,然后引入规则化图划分准则进行过分割区域的合并,得到具有语义意义的视频对象.实验表明,本分割算法具有较高的准确性,误差的均值为11.375%,标准方差为0.94%.     

英汉动词词化模式及词化程度比较分析

动词体现事物的运动、变化等事件过程。运动等事件范畴各基本语义成分在英汉语中的语言体现形式是同中有异。英语中,运动动词常包容方式意义,词化程度很高;运动的路径及方向意义主要由非词化的方式,即由单独的动词附加成分来表达。汉语中,运动动词只对几种基本运动方式做概括区分,详细的方式意义主要由动词的附加修饰成分即状语来体现,词化程度很低;而运动路径及方向信息则常整合在动词中,因此,汉语动词在路径意义上词化程度较高。