Bagging中文文本分类器的改进方法研究

在文本分类研究中,集成学习是一种提高分类器性能的有效方法.Bagging算法是目前流行的一种集成学习算法.针对Bagging算法弱分类器具有相同权重问题,提出一种改进的Bagging算法.该方法通过对弱分类器分类结果进行可信度计算得到投票权重,应用于Attribute Bagging算法设计了一个中文文本自动分类器.采用kNN作为弱分类器基本模型对Sogou实验室提供的新闻集进行分类.实验表明该算法比Attribute Bagging有更好的分类精度.     

基于正视图的三维模型特征提取算法

提出一种基于正视图的三维模型特征提取算法,从前、顶、右、后、底与左分别对模型进行投影,获得6个正视图,使用不同半径的同心圆将每个正视图分割,计算每个同心圆内的高度信息和,得到相邻2个同心圆内高度信息和的差值,每个三维模型特征由 6个正视图描述。实验结果证明,该方法的检索效果与光场法相当,计算速度较快。     

结合粗糙集与集成学习的中文文本分类方法研究

介绍中文文本分类的流程及相关技术。在分析传统的文本特征选择不足的基础上,提出了基于粗糙集与集成学习结合的文本分类方法,通过粗糙集进行文本的特征选择,采用一种集成学习算法AdaBoost.M1来提高弱分类器的分类性能,对中文文本进行分类。实验证明,这种算法分类结果的F1值比C4.5、kNN分类器都高,具有更加优良的分类性能。     

破碎刚体三角网格模型的断裂面分割

针对基于断裂面匹配的破碎刚体复原,提出了一种分割断裂面的方法。首先,根据相邻三角片法矢的夹角,将碎块外表面以棱边为界限分割成多张曲面;然后,根据曲面法矢的扰动大小和扰动图像,经过二次分割,将曲面区分为原始面和断裂面。实验结果表明,所提方法能够正确快速地提取出形状较复杂碎块的断裂面。     

FIPA规范：Agent系统的开放标准

1.引言 FIPA(The Foundation for Intelligent Physical Agents)是一个由活跃在Agent领域的公司和学术机构组成的国际组织,其目标是为异质的Agent和Agent系统之间能够互操作而制订相关的软件标准。 FIPA规范的制订过程是开放的,它的每一个会员组织都有权对规范提出自己的意见和建议,在充分讨论的基础上达成一致。FIPA组织本身也是开放的,任何公司、政府机构和国际组织都可以申请加入FIPA。FIPA与OMG(ObjectManagement Group)等标准化组织也保持着密切的工作关系。     

常用色彩量化算法的性能分析

本文在讨论了几种常用的色彩量化算法思想的基础上，重点分析了我们在文献１中给出的一种基于八叉树的色彩量化方法的算法性能，并对这几种方法给以分析比较。     

应用提升格式小波变换的数字水印算法

针对彩色文物图像在WEB共享时面临的版权保护问题,提出了一种改进的应用提升格式小波变换的数字水印算法.采用YCbCr颜色模型以保证视觉系统对亮度和色彩的敏感性;使用Daubechies9/7双正交小波对图像信号进行频域转换后嵌入水印,提高水印的抗攻击能力,同时采用提升格式实现小波变换,提高算法的稳定性;将水印图像的低频和中频信息嵌入到文物图像的中频信息中,并利用频域相邻系数关系动态地改变嵌入位置和数值来实现嵌入过程,提高水印嵌入的健壮性和安全性.实验结果表明,本算法在嵌入水印后,文物图像视觉质量损失较小,其峰值信噪比(PSNR)为51.602 4,高于同类算法;在抗几何攻击和有损压缩攻击等方面,效果比LSB算法和DCT算法有较大程度的提高.此技术可应用于数字博物馆等具有高精度安全要求的领域中.     

结构与纹理融合的三维文物孔洞修复方法

由于外在因素导致出土的文物模型呈现破碎状态,对其进行虚拟修复对考古学具有重要意义.现有孔洞修补方法大多仅针对三维模型结构进行补全,并且在三维结构修复后缺少表面的颜色纹理信息.本文基于文物三维空间结构和纹理信息,提出一种三维文物孔洞修复方法.首先,为了解决三维文物结构修复问题,利用基于径向基函数的算法填补三维文物网格模型...     

PCNN模型在彩色图像增强中的应用

应用灰度图像增强方法对真彩图像进行增强,往往都会产生色彩偏离,影响增强结果和视觉效果。因此基于人眼视觉系统对亮度变化比较敏感,提出在HSV色彩空间,应用PCNN模型进行增强的方法。将真彩图像由RGB空间变换到HSV空间,保持色度H和饱和度S不变,结合入射反射模型,利用脉冲耦合神经网络（PCNN）,对亮度V通道进行增强处理。将HSV空间得到的增强图像变换到RGB空间。实验证实,对一些对比度低、细节不明显的图像应用此方法进行增强,色彩基本无偏差,细节部分明晰,动态范围压缩较好,视觉效果得到了较大的改善。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。