基于知识的肺癌早期细胞诊断系统

介绍了一个基于知识的肺癌早期细胞病理诊断系统，着重理讨论了该系统中的知识表示形式及与之相配合的基于确定性模式的不确定性方法。该系统能自动从细胞图象中提取出必需的特征事实，并模仿病理专家的诊断逻辑，自动揄出最终结果。     

基于内容的图像检索综述

综述了基于内容图像检索领域中特征提取技术，多维索引与图像分类技术的研究成果，介绍了几个有特色的基于内容图像检索系统，最后提出了这一领域尚存在的问题和未来发展方向。     

基于LDA主题模型的社会网络链接预测

针对传统社会网络链接预测方法忽视节点文本内容的问题,提出一种基于潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)主题模型的协作演化链接预测算法。算法利用LDA模型,对节点的文本内容进行分析,提取出每个节点的主题分布向量,利用分布向量的点积来衡量节点文本的相似性;然后将节点文本内容相似性矩阵与节点邻接矩阵相加,在此基础上计算节点之间的相似性;最后选取相似性最高的k个节点作为预测结果。实验结果表明该算法在网络图稀疏的情况下有较好的效果。     

GXN减摩结构材料的摩擦性能——GXN材料性能分析之一

介绍了GXN减摩结构材料。对其实验结果与QSn6-6-3作了对比分析。证明GXN材料的摩擦性能全面超过QSn6-6-3,可代替锡青铜大量应用。     

多模态张量数据挖掘算法及应用

近年来,多模态数据挖掘技术备受关注,如何高效地挖掘大量多模态数据成为一个研究热点。其中,基于张量表示的多模态数据挖掘,即多模态张量数据挖掘,是一个重要的研究问题。综述了多模态张量数据挖掘算法进展及其在计算机视觉中的应用。首先根据算法的样本标记、任务和核心技术的不同,对这些方法进行分类,并给出了相应的介绍和分析。其次,讨论了一些多模态张量数据挖掘算法在计算机视觉问题中的典型应用。最后,就多模态张量挖掘在计算机视觉领域的研究现状与研究前景进行了简要的分析。     

LDA-CRF:一种基于概率图模型的目标检测方法

目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能够利用图像区域之间的局部相关性来提高分类准确性.基于LDA和CRF提出了一种LDA-CRF模型.通过利用LDA生成的主题信息来辅助CRF的分类,同时结合图像区域之间结构化的类别信息来改进LDA的主题生成机制.实验结果表明,LDA-CRF模型的检测效果要优于CRF.     

基于Hadoop平台的海量文本分类的并行化

文本分类是信息检索与数据挖掘的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。近来年 随着文本数据呈指数增长,要有效地管理这些数据,就必须在分布式环境下用有效的算法来处理这些数据。在Ha- doop分布式平台下实现了一简单有效的文本分类算法—TFIDF分类算法,即一种基于向量空间模型的分类算法, 它用余弦相似度得到分类结果。在两个数据集上做了实验,结果表明,这一并行化算法在大数据集上很有效并可以在 实际领域中得到良好的应用。     

肺癌早期诊断系统中色度学识别的研究与实现

色度学特征在彩色图像识别系统中有着重要而广泛的应用。文章着重讨论了通过色度学技术,利用细胞图像中的色彩信息对肺癌细胞进行识别和检测的方法。该方法通过自动提取图像中关键的色度特征分量,再对照系统专家的经验知识,识别出图像中的肺癌细胞。     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

一种基于颜色连通的图像纹理检索新方法

提出并实现一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法.首先提取图像的分块主颜色,根据提出的相关颜色定义,搜索确定图像中的颜色连通区域集.然后,提取图像中各颜色连通区域对应的四种颜色共生矩阵特征,利用针对该特征设计的图像相似性度量函数实现基于内容的图像检索.实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有良好的检索效果和性能.