基于低维语义向量模型的语义相似度度量

语义相似性度量能够提高信息检索的准确性和效率,已成为文本处理中的一个核心任务.为解决一词多义等词汇歧义问题,提出一种基于低维向量组合的语义向量模型.该模型引入了知识库与语料库的多语义特征的融合,主要的语义融合对象包括连续的分布式词向量和从WordNet结构中的语义特征信息.首先利用深度学习技术中的神经网络语言模型,预先从文本语料中学习得到连续的低维词向量;然后从知识库WordNet中抽取多种语义信息和关系信息;再将多语义信息融入词向量进行知识扩展和强化,生成语义向量,从而实现基于向量空间的语义相似性度量方法.在基准测试集上的实验结果表明,该方法优于基于单一信息源(知识库WordNet或文本语料)的语义相似性度量方法,其皮尔森相关系数比基于原始词嵌套向量的方法提高了7.5%,说明在向量特征层面上的多语义信息的融合有助于度量词汇间的语义相似性.     

典型地物实测光谱的相似性测度与实验分析

对于高光谱向量非线性空间,提出了基于Hausdorff距离的地物光谱相似性测度模型,并对模型的适用性进行讨论.此外通过对试验区域由高分辨率光谱仪实地测得的地物光谱数据进行实验分析,得到各种相似性测度模型的匹配聚类结果,并对其有效性和精度进行评估.     

基于力学的多边形相似性测度方法

提出了一种基于力学的多边形描述方法，并根据多边形的力图投影变化曲线的匹配程度度量多边形之间的相似性，由此实现多边形的识别与检索。实验表明，本算法有较好的符合人心理感知的结果。     

一种基于相对熵的随机游走相似性度量模型

针对基于随机游走的节点相似性度量模型中存在的大度节点依赖问题,从信息论的角度提出了一种改进的随机游走节点相似性度量方法:基于相对熵的随机游走相似性度量方法RE-model(A random walk similarity measure model based on Relative Entropy).首先根据随机游走模型得到网络中节点的转移概率向量,再计算两个节点转移概率向量的相对熵得到该节点对的相似性.由于转移概率向量给出了从一个特定节点出发经过多步随机游走后到达网络其他所有节点的概率,导致网络中的每个节点在计算相对熵的过程中都被等同看待,并且网络规模的增大会使计算得到的节点间相似性耗时更多且存在较大偏差.根据节点经过多步随机游走后到达网络中影响力较大的节点的转移概率来构造该节点的转移概率分布,计算两个节点的转移概率分布的相对熵以得到网络中节点对之间的差异分数,进而得到网络节点间的相似性矩阵. RE-model度量方法降低了传统随机游走相似性度量对于大度节点的依赖性.通过在真实网络数据集上的实验表明,RE-model算法在对称性、网络传播及社区发现等方面表现良好.     

基于时空切分和词向量相似性的轨迹伴随模式挖掘

设计了一种基于时空Hausdorff距离切分、词向量相似性的轨迹大数据挖掘方法,以准确高效地分析数据中的伴随规律,真实反映人群和车辆的流动行为。基于时序特征的一对三Hausdorff距离算法可以排除反向轨迹、挖掘伴随关系;利用时间滑动窗口切分得到的轨迹段集合可为相似性度量建立数据基础。而基于词向量的轨迹相似性度量方法,建立了轨迹和词句的类比关系,体现了轨迹的空间、时间和方向异质性,能较为准确地度量伴随轨迹在结构上的相似程度,为发现同类目标或检测频繁路径等提供参考依据。     

基于支持向量机的快速高光谱分类研究

提出了一种基于支持向量机的快速高光谱分类方法.首先采用基于主成分分析和Bhattacharyya距离的方法进行特征降维,然后通过二叉树的支持向量机(Binary tree of SVMs,BTS)来减少一次分类所需的两类支持向量机个数,最后采用简化支持向量技术进一步减少支持向量的数量.实验采用真实高光谱数据,并与4种其他方法进行比较.结果表明,该方法能有效地加快分类速度.     

基于光谱主次吸收谱带组合特征相似性测度的高光谱遥感矿物信息提取

吸收谱带组合特征是识别和区分具体矿物类型的重要参量。研究表明,地物单一光谱特征不稳定性无法全面反映地物光谱间的相似性,直接影响识别效果。提出一种基于矿物光谱的主次吸收谱带组合特征的相似性测度方法;该方法基于光谱主次吸收特征的最小二乘相似性拟合法,对光谱特征较稳定的主、次吸收特征参量赋以不同的权重系数,将图像光谱与标准光谱库中各个参考光谱分别在主吸收特征与次级吸收特征波段进行加权比较,从而得到识别结果。基于CAIS/SASI机载高光谱数据,IDL编程实现光谱主次吸收特征最小二乘相似性拟合算法对实验区的绢云母、绿泥石蚀变矿物信息提取,并与常规光谱角制图处理结果的比较分析,发现新算法能更细致地进行高光谱遥感地物信息提取,有较强的实用性。     

基于线性光谱混合理论的高光谱图像压缩

为了以较小的压缩误差为代价解决高效压缩高光谱数据的难题,提出基于线性光谱混合理论的星上高光谱图像压缩算法.利用顶点成分分析求高光谱图像的端元向量,并根据信道容量选择端元数;基于线性光谱混合模型求各像元对应于端元向量的丰度值;用JPEG2000对端元向量和丰度值矩阵进行无损压缩.对AVIRIS高光谱图像的仿真结果表明:压缩比为80∶1时,原始光谱与解压缩重构光谱最大相对误差小于2.7%,最大光谱角余弦误差小于0.000 23,压缩性能优于现有算法;算法还能有效地抑制原始图像中的随机噪声.     

基于约束独立成分分析的多组分污染气体混叠峰识别

大气污染监测中测得的红外光谱是混合气体的红外光谱,针对主次吸收峰严重混叠的红外混合气体特征提取和识别问题,提出一种基于约束独立成分分析的光谱特征提取方法使谱线有效的区分开来,该方法引用峭度作为约束条件,运算时约束向量可使所对应的目标信源具有非高斯性极大的效用,提取出目标信源,并按统计度量的大小来进行排序,减少传统独立成分分析算法分离信号顺序、符号、幅度的不确定性,使得分离出来的独立分量更接近实际信源,应用支持向量机建立定量分析模型检验该算法分离效果。实验结果表明,该方法能够按需要顺序分离出混合气体光谱中的纯物质光谱。     

一种傅立叶描述子支持下的建筑群模式识别方法

利用傅立叶形状描述子对建筑群的空间分布模式进行相似性分析和识别.首先以多边形的质点—中心角度排序构建建筑群的等价多边形;然后利用傅立叶频谱技术提取等价多边形的形状描述子作为建筑群的空间分布模式的特征向量;最后通过形状描述子的欧式距离度量建筑群间分布模式的相似性.对一定数量的建筑群进行了人工比对实验,实验结果与人工认知基本一致.     

灰色关联度在光谱曲线相似度分析中的应用

准确度量目标与背景光谱曲线的相似程度对于目标伪装效果评价具有重要意义.基于灰色关联分析理论,定义了综合关联度量化光谱曲线间的相似程度;所建立的综合关联度整合了灰色关联度和一阶导数关联度的优点,全面反映了曲线之间的接近程度;综合关联度模型可以较为全面、客观地反映目标光谱曲线与参考光谱曲线的相似程度.研究结果可为目标伪装效...     

基于模糊度量视觉特征的非局部均值去噪

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法.利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪.由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点.在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能.实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题.     

基于快速谱聚类的图像分割算法

设计了一种基于快速谱聚类的图像分割算法,该算法利用余弦相似度构造相似度矩阵,避免了传统谱聚类算法中尺度因子的精确设置问题,提高了算法效率.在谱映射的过程中,该算法采用了Nystrm逼近策略,降低了谱聚类算法的复杂度和内存消耗.在Berkeley图像库上的图像分割实验证明了算法的有效性.     

一种基于双平面镜的相机标定算法

为了从物体的二维图像得到三维重构模型,需要通过相机内部参数,建立已知物点、像点对应的关系模型.提出一种基于双平面镜的相机标定算法,用两个普通平面镜取得物体5个不同角度的二维图像,通过基于颜色信息和基于区域背景差的方法获取目标轮廓,用多边形动态规划算法获取轮廓的特征点以确定各个物体轮廓的对应点,最后根据特征点得到相机内部参数.多边形动态规划算法将时间复杂度从O(n3)降低到O(n2),算法的效率得到提高.     

一种基于MPEG-7颜色特征的图像检索方法

提出一种新的颜色直方图以及相似性度量的表示方法,克服了传统直方图的不足.首先,采用基于MPEG-7视觉内容的颜色作为相似颜色区域内的特征值,对像素颜色值进行非均匀的量化之后,计算每一种颜色出现的概率,并抽取主要颜色特征作为特征向量存储在图像数据库中.最后,根据模糊集合理论的一种距离函数可计算出颜色直方图的相似度.实验结果证实,该方法具有较好的精确性和可行性.     

Vague集间新距离的分析和定义

Vague集的相似度量是Vague集在各个应用领域中的关键技术．根据相似工程学原理,指出一个相似度量必须满足的约束条件,提出一种改进的Vague集相似度量公理化定义,然后引入一种新的Vague集相似度量方法,并证明它满足这些公理化条件,最后,用实例说明其应用以及该方法的有效性和直观性．     

Vague集之间的相似度量分析

Vague集的相似度量是Vague集在各个应用领域中的关键技术．本文根据相似工程学原理，指出一个相似度量必须满足的约束条件，提出一种改进的Vague集相似度量公理化定义，然后引入一种新的Vague集相似度量方法，并证明它满足这些公理化条件，最后，用实例说明其应用以及该方法的有效性和直观性.     

基于相似类合并FCM在图像分割中的应用

传统的基于模糊C均值聚类的图像分割算法分割结果中类内数据空间分布离散,无法准确分割出目标物体.针对这一问题,提出一种基于相似类合并模糊C均值聚类算法,并将其应用到图像分割中.首先,提出一种全局空间相似性度量标准和全局灰度相似性度量标准,并将其引入到一种新颖的节点间距离度量公式中来计算图像中任意一点与聚类中心点的差异.其次,算法选取彩色直方图作为区域描述算子,采用巴氏距离计算聚类过程中得到的任意两类间的相似性.最后,应用最大相似类合并策略得到最终的分割结果.实验结果表明,与传统模糊C均值聚类算法和空间约束核模糊C均值聚类算法相比,该算法获得更加精确的图像分割结果.