基于文本信息处理的深度网络推荐技术研究

网络信息时代,在使用系统的时候,首先应该要避免信息过载所导致的问题.然而这一问题目前已经在网络信息技术中起到了重要的作用.根据传统的模式进行推算,目前互联网想要构建模式,首先应该设计其模型训练,另外其数据不能过于单一,而信息量也不够充足,所以导致目前所出现的推荐效果并不是很好.所以文章中有很多辅助信息能够添加到模型中而获得额外的数据输入,对于文章所推荐的方式,有些用户往往忽视所具备的多样性,主要是由于用户的喜好会随着项目的改变而发生变化.     

结合SURF与SVM的高分遥感影像车辆提取技术

从高分遥感影像中提取车辆信息,对民用和军事领域具有重要意义。为提高车辆信息提取的精度和效率,提出SURF特征和支持向量机(SVM)相结合的方法,对感兴趣区域的车辆进行提取。通过边缘信息消除冗余图像,利用半搜索策略滑动窗口,以提高车辆识别精度,减少计算量。对深圳南山区0.25 m分辨率的遥感影像进行车辆提取测试,测试结果表明:车辆提取的错误率低于20%;车辆提取时间控制在分钟级,本算法具有一定的工程适用性。