分形技术图像比对搜索模型

传统的搜索引擎只能搜索文字型的资料，显然无法满足用户想通过搜索引擎来取得与图像相关的信息的需求．提出一种图像比对搜索引擎，利用分形图像处理和索引技术来建立图像特征数据库．当用户输入查询图像时，系统对于用户输入的图像也采用与分形图像处理相同的方式取得特征值，然后再与图像特征数据库的特征矢量作比对，达到数据搜索的目的．实验表明，图像比对搜索引擎除了可以找出用户输入的相似图像外，对于查询图像的旋转、模糊或噪声，图像比对搜索引擎也能够找出正确的图像，证明文中方法对图像的容错性和适应性好。     

无监督词义消歧研究

研究的目的是对现有的无监督词义消歧技术进行总结,以期为进一步的研究指明方向.首先,介绍了无监督词义消歧研究的意义.然后,重点总结分析了国内外各类无监督词义消歧研究中的各项关键技术,包括使用的数据源、采用的消歧方法、评价体系以及达到的消歧效果等方面.最后,对14个较有特色的无监督词义消歧方法进行了总结,并指出无监督词义消歧的现有研究成果和可能的发展方向.     

网上招标系统(NIPBS)及Interceptor技术在其中的应用

介绍了网上招标系统（ＮＩＰＢＳ）的基本流程,并描述了招标系统的网络传输安全机制．利用Ｉｎｔｅｒｃｅｐｔｏｒ技术;结合目前流行的ＣＡ认证、数字签名等技术,较好地解决了网络上数据传输的安全性问题．     

在协同过滤中结合奇异值分解与最近邻方法*

协同过滤是一种减小信息过载的常用方法,但是它有三方面的限制,即准确性、数据稀疏性和可扩展性。提出一种新的协同过滤算法来解决数据稀疏性的问题,利用奇异值分解法的结果来进行邻居选择,然后采用最近邻方法来得到未打分项目的预测值。在EachMovie 数据库集上的试验结果表明该算法在数据稀疏时算法的准确性超过普通的Pearson算法和奇异值分解算法。     

基于集成多示例学习的Mean Shift跟踪算法

为了实现长时间稳定的对特定目标的跟踪,结合匹配型跟踪方法和决策型跟踪方法的优势,同时利用集成学习的思想构建多个强分类器,提出一种基于集成多示例学习的mean shift跟踪算法.首先在上一帧中对示例进行随机采样,构建分类器的集体,通过集成学习合成最终的分类器以确定当前帧中目标的初始位置;然后对初始位置和上一帧目标最终位置的距离与设定的阈值进行判断,决定是否采用mean shift跟踪算法对初始位置进行修订,以确定目标的最终位置.实验结果表明,该算法不但可以应对目标的形变、旋转、遮挡以及光照变化等各种复杂的情况,而且可以做到长时间的跟踪,具有较强的鲁棒性.     

数据仓库与知识发现

文章通过对数据仓库的概念以及基于数据仓库的知识发现系统的技术特点的介绍,揭示了基于数据仓库的知识发现应用的优势.     

Visual C++环境下的一个数据库访问类

本文用Ｖｉｓｕａｌ Ｃ＋＋６．０定义了一个数据库访问类,通过封装ＯＤＢＣ提供的ＡＰＩ函数,实现了在ＶＣ环境下快速、方便地访问数据库、提高了程序的模块化程度和可读性。     

基于多数据源和联合聚类的智能推荐

随着Internet的普及和电子商务的盛行,智能推荐系统也应运而生.协同推荐是目前公认为最好的一种推荐技术,但其存在着一些不足之处,如:稀疏性、可扩展性和冷启动问题.本文提出一种混合推荐技术来克服协同过滤的不足.首先,通过引入多个数据源对评价矩阵进行平滑填充来解决数据的稀疏性问题.其次,采用从用户和项目两方面进行联合聚类来提高系统的可扩展性和精度.实验结果证明,该方法在很大程度上较传统的协同过滤方法推荐精度高,且在线推荐的速度快.     

一种基于多级空间视觉词典集体的图像分类方法

针对单一特征时存在提取的信息量不足,对图像内容描述比较片面,提出将传统的SIFT特征与KDES-G特征进行串行融合,生成一个联合向量作为新的特征向量.针对传统的视觉词典构造方法缺乏考虑视觉词汇在空间的分布特点,本文引入图像空间信息,提出了一种空间视觉词典的构造方法,先对图像进行空间金字塔划分,再把空间各子区域内的特征分别聚类,构建属于对应子空间区域的空间视觉词典.在图像表示阶段,图像各子区域内的特征基于其对应的空间视觉词典进行LLC稀疏编码,根据各子区域对图像贡献程度的不同,把编码后各子区域的特征向量赋予不同的权重加权处理,再连接形成最终的图像描述.最后,利用线性SVM进行图像分类,实验结果表明了本文方法的有效性和鲁棒性.     

SVM在多源遥感图像分类中的应用研究

在利用遥感图像进行土地利用/覆盖分类过程中,可采用以下两种途径来提高分类精度:一是通过增加有利于分类的数据源,引入地理辅助数据和归一化植被指数(NDVI)来进行多源信息融合;二是选择更好的分类方法,例如支持向量机(SVM)学习方法,由于该方法克服了最大似然法和神经网络的弱点,非常适合高维、复杂的小样本多源数据的分类。为了提高多源遥感图像分类的精度,还研究了支持向量机在遥感图像分类中模型的选择,包括多类模型和核函数的选择。分类结果表明,支持向量机比传统的分类方法具有更高的精度,尤其是基于径向基核函数和一对一多类方法的支持向量机模型更适合多源遥感图像分类,因此,基于支持向量机的多源土地利用/覆盖分类能大大提高分类精度。