图像分类中基于分类矢量量化的视觉词袋模型

特征表示是图像识别和分类的基础，视觉词袋是一种图像的特征表示方法。分析现有视觉词典构建方法的不足，提出一种新的视觉词典构建方法。首先利用梯度方差把特征矢量分为光滑类和边缘类，然后分别针对不同类别的特征矢量进行视觉词典的构建，最后根据两类视觉词典生成视觉词袋。图像分类实验表明，提出的新方法能提高分类准确率。     

面向模式的文本数据描述模型

实际应用中常有从非结构化文本中提取符合指定模式信息的需求。在分析了使用正则表达式处理这类问题的缺陷之后,提出了一种面向模式的文本数据描述模型,将模式分为终端模式、结构体模式、联合体模式和数组模式,并详细介绍了各模式在文本匹配以及数据映射中的作用,最后通过相应的示例演示了模型的结构性与便利性。     

基于Word2Vec模型和K-Means算法的信息技术文档聚类研究

互联网上与信息技术相关的文档和学习资料较为分散,而且会随着信息技术的发展而动态更新。作者提出了一种基于Word2Vec模型和K-Means算法的聚类方法,能够实现对与信息技术相关的网络文档的聚类,并对不同来源和主题的技术文档自动分类,此方法对构建信息技术知识库和在线学习平台具有较强的支撑作用。     

离散元仿真中挖掘机铲斗结构表面的单元球表示方法探究

提出了一种基于单元球的铲斗结构表面的多精度几何表示方法。该方法针对铲斗的斗底板、侧腹板、侧刀板、前刀板和斗齿5个部位的几何特征和功能要求,实施基于单元球的多精度几何表示。对比分析不同精度下单元球表达的铲斗结构表面,发现离散元仿真时间会随铲斗结构表面的几何表示精度的提高而增加。因而,铲斗结构表面的单元球表示需综合考虑仿真精准性与仿真时间的需求。对比分析不同精度下单元球与三角面片表示方法,证实了单元球表示方法具备有效表示铲斗结构表面的局部几何细节的能力。相比于三角面片表示方法,单元球表示方法有望在铲斗挖掘过程离散元仿真中花费更少的计算时间。     

SFEP文本因果关系提取及其与SFN转化研究

为将系统故障演化过程(system fault evolution process，SFEP)的文本描述转化为空间故障网络(space fault network，SFN)结构，用于故障分析，本文提出SFEP文本因果关系提取方法，及其与SFN基本结构的转化方法。首先给出SFEP中事件的几种典型因果关系。随后提出因果关系与SFN基本结构的转化流程。本文方法围绕着关键字和因果关系组模式展开，通过模型的不断学习补充和丰富关键字和组模式。最终使方法具备将SFEP文本转化为SFN结构的能力。以飞机起落架故障发生过程文本为例进行了应用，实验结果表明该方法可用于SFEP文本中的因果关系分析，并得到了理想的SFN。完善的关键字和组模式有利于使用计算机智能处理SFEP的SFN。