英语情态句的情感倾向性分析

该文研究了英语情态句的情感倾向性分析问题。情态句是英语中的常用句型,在用户评论文本中占有很大的比例。由于其独有的语言学特点,情态句中的情感倾向很难被已有的方法有效地分析。在该文中,我们借助词性标签进行了情态句的识别,并提出了一种情态特征用于帮助情态句情感倾向性的分析。为了进一步提高分析效果,我们还给出了通过合并同义情态特征来缓解情态特征稀疏性问题的方法。实验结果表明,在二元及三元情感倾向性分类问题上,该文提出的方法在F值上较经典分类方法分别有4%及7%的提高。     

决战大数据消费者营销

数据本身并无所谓的价值,只有对数据进行有针对性的分析,找出经营所需要的信息,才能体现大数据的价值!消费者本身无所谓的忠诚,如何通过数据分析找出目标客户的需求,制定一系列营销策略成功击中客户的关注点,才能为我们赢得消费者更多的关注!在美国的超市里,啤酒与尿布被摆在一起出售,这使两者销量双双激增,原因是美国女人会要求丈夫下班后为孩子买尿布,男人买完尿布后就顺手买回啤酒,所以产生了神奇的销售效果,这就是沃尔玛商场的智能化信息分析系统挖掘出来的秘密。这就是大数据营销的时代!营销作为企业开源     

基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.     

基于显著语义模型的机场与油库目标的识别方法

采用与传统的利用特征匹配方法进行地物目标识别不同的思路,提出一种基于显著语义模型的机场与油库目标的识别方法.该方法在低层特征空间利用视觉关注模型将航拍图像分解成若干个视觉显著性子图,提取出目标可能存在的候选区域;对训练图像集构建基于SIFT局部特征的特征袋语义模型,并利用模型中的特征字典提取出显著性子图所包含的显著语义特征,以实现对机场和油库目标的快速检测识别.利用Google Earth构建了多种不同成像条件下的典型目标数据库,对文中方法的有效性进行验证.实验的结果表明,该方法比传统的特征匹配方法具有更好的识别性能和更高的运算效率,同时对于光照、视点和尺度变化等干扰具有较强的鲁棒性.     

改进视觉背景提取模型的运动目标检测算法

针对视觉背景提取模型对动态场景适应性不强、运动目标检测精度低等问题,提出一种改进的视觉背景模型算法.在模型建立与初始化阶段,采用按序抽取的方法将像素点本身信息加入到背景模型中,形成邻域背景模型,降低复杂场景对模型的影响;在前景检测阶段,结合像素点的空间邻域信息自适应地获取分割阈值,减少各类复杂场景对检测结果的干扰,提高运动目标检测的精度;在背景更新阶段,根据场景复杂度动态地调整模型的更新周期与更新方式,使得模型能够有效地消除虚影与背景噪声的影响,增强模型对复杂场景的适应性与鲁棒性.与典型算法进行对比的实验结果表明,该算法具备较高的检测精度,适用于动态场景中的运动目标检测.     

单幅图像多尺度小波深度提取算法

针对浅景深图像中平滑前景区域深度提取误差大的问题,基于像素点分类思想对深度值进行修正,提出一种基于多尺度小波线索的、可同时面向单幅浅景深图像和广角图像的深度图提取算法.首先使用小波分析法在多个尺度下提取图像深度信息;然后提出自适应分类法并根据尺度与深度变化规律对像素点做深度修正,得到深度图;最后结合区域生长与边缘分割算法对深度图进行区域优化.为了加快深度计算,还提出了快速zerocount法以及多尺度加速法来满足标清视频实时处理要求.实验结果证明,采用文中算法获得的深度图相对深度正确,前景和背景区域深度一致性好.     

稀疏表示分类中遮挡字典构造方法的改进

针对稀疏表示分类算法中遮挡字典维数高且无冗余的问题,提出一种遮挡字典构造方法.首先通过图像分块得到各级的遮挡基图像;然后将所有互不相同的遮挡基图像按字典顺序转化为向量,并用这些向量作为遮挡字典的列,从而构造出维数相对较低且具有一定冗余度的遮挡字典.实验结果表明,该方法不仅明显提高了稀疏表示分类算法对遮挡人脸的识别率,而且还能通过减少图像的分块级数降低稀疏分解的耗时量,提高运算效率.     

基于决策树方法的云南省森林分类研究

森林分类对于理解森林生态系统结构和功能具有重要意义。由于云南省地形和森林类型复杂,首先按云南省的16个行政区划将全省Landsat TM影像分为对应的16个区域。以TM波段1~5和7,以及由植被指数、缨帽变换、主成分变换、DEM组成的18个变量组,统计训练样本光谱值均值变化和光谱值与频率间的关系。利用交点计算公式计算类间最佳分类界点进而建立决策树,逐一分离各区的所有森林类型,将分类结果合并得到云南省阔叶林、针叶林和针阔混交林类型分布图。最后将分类结果与监督分类中的最大似然比法的分类结果进行对比。结果表明:监督分类的总体分类精度为74.39%,Kappa系数为0.63,决策树方法的总体分类精度为86.61%,Kappa系数为0.80,说明决策树方法可以提取高精度的云南省森林类型,进而为该区域森林叶面积指数和生物量反演等研究提供基础数据支持。     

基于Fisher字典学习稀疏表示的高光谱图像分类

近年基于稀疏表示的分类框架(Sparse Representation based Classification,SRC)在计算机视觉和模式识别领域取得了巨大成功,高光谱图像解译也逐渐引入稀疏表示方法。针对基于SRC的高光谱图像分类算法随机抽取训练样本构成字典较难捕获相似类别的相对差异性信息问题,提出采用Fisher字典学习方法增强相似类训练样本的可区分性。此外,考虑到高光谱图像具有较强空间相关性的特点,设计一种简单有效的投票策略进行类别判决。大量实验表明:基于Fisher字典学习的联合投票分类方法能够较好地改善高光谱分类精度。     

基于变维卡尔曼滤波的UUV目标运动优化估计方法

为实现无人水下航行器精准、安全的跟踪目标从而高效地实现目标的信息采集,提出了一种针对该个体的目标运动优化估计方法。此方法通过建立目标运动模型,基于卡尔曼滤波基本原理,利用变维卡尔曼滤波的方法,达到UUV个体对目标运动状态准确估计的预期效果。为提高该方法的可行性,在利用最小化目标位置估计协方差矩阵完成目标运动轨迹估计及优化的过程中,考虑实际UUV机动时的最大速度限制、与目标最小距离的限制。文章详细阐述该方法的实现和步骤,并通过仿真实验验证了该优化算法的有效性。