基于混合索引树的空间文本匹配算法

针对空间文本对象流和订阅流的匹配,采用一种混合索引树来组织数据对象,包括多叉树空间索引、谓词索引和倒排文件三个部分,其中多叉树空间索引用于空间区域管理,谓词索引和倒排文件用于订阅谓词管理.在此基础上,提出了谓词索引建立算法、空间文本对象与倒排项匹配算法和混合索引树检索算法.与基于空间网格加倒排文件的检索方法进行了对比实验,结果表明:所提出的算法提高了用户的检索效率,并验证了其有效性.     

基于智能聚类的相关度内容检索方法

为了提高内容检索的相关度与检索效率,基于信息系统理论与自组织神经网络理论,提出基于智能聚类的相关度检索方法,并设计了检索算法.经过训练的自组织神经网络通过对查询需求进行聚类,使得内容的检索只在与查询需求同类的文本内容中进行,提高了检索效率,并通过在同一个向量空间对查询向量与文本内容的语义向量进行相似度衡量,为用户选择更相关的内容提供依据.设计开发了基于智能聚类的内容检索试验平台,验证了该方法的有效性.     

基于二维模式匹配的图像检索快速算法

图像检索快速算法是基于内容检索研究的重要内容 .首先推广改进了已有文本二维模式匹配快速算法 ,然后将该算法应用于图像内容的检索过程中 ,并实验研究了精确匹配和近似匹配图像检索快速算法的有效性     

基于改进NSGA-Ⅲ的文本空间树聚类算法

构建倒排文本空间索引树(IR)分裂聚类多目标模型,对非支配排序遗传算法(NSGA-Ⅲ)的求解过程进行改进,提出一种基于先验初始种群策略的非支配排序遗传算法(PIPS-NSGA-Ⅲ),使其更适应于倒排文本空间对象分裂聚类问题的求解.通过PIPS-NSGA-Ⅲ算法寻求对象最小包围矩形(MBR)之间的重叠与覆盖面积、对象群间平均距离以及语义相似度等目标的最优前端解.通过对比PIPS-NSGA-Ⅲ,NSGA-Ⅱ,NSGA-Ⅲ和SPEA-Ⅱ进化多目标算法,从对象分类时间、效率、查询时间和准确度等多个方面来评估算法的优劣.实验结果表明:PIPS-NSGA-Ⅲ算法对文本空间对象聚类分裂具有较高的效率;相对于简化传统R树(STR树)与R树空间索引结构,基于改进NSGA-Ⅲ文本空间索引的平均查询时间减少24.8%,平均准确度提高3.75%.     

基于核化局部敏感哈希的快速文档检索方法

在大规模文档中进行快速的相似搜索对绝大多数信息检索应用程序是至关重要的.基于局部敏感哈希的检索方法将高维的空间数据映射到低维的二进制海明空间,从而实现了快速搜索.本文给出了一个基于核化局部敏感哈希的快速文档检索方法,可以在保证时间效率下允许算法使用不同的相似函数进行快速检索.实验结果表明该方法在大规模文档集合检索中具有较好的效率和准确率.     

AKNN-Qalsh:PostgreSQL系统高维空间近似最近邻检索插件

复杂数据对象(如图片、文本)通常被表示成高维特征向量。PostgreSQL系统现有的最近邻检索方法KNN-Gist基于树状索引实现,无法高效支持高维数据的最近邻检索。引入的PostgreSQL系统高维空间近似最近邻检索插件:AKNN-Qalsh,基于位置敏感哈希机制实现,支持大规模、高维数据对象的近似最近邻检索。通过在五个真实数据集上的密集实验,验证了该插件的有效性。     

CBR系统中案例检索优化方案的设计

案例检索是基于案例推理系统的关键环节,检索方法的优劣直接影响案例检索的效率和案例匹配的准确度.针对传统案例检索方法中存在的不足,提出了一种基于二次检索策略和改进的欧式距离算法的案例检索优化方案,并通过算例证明了该方案的有效性.研究成果有助于提高案例检索的效率和质量,同时具有较好的分辨率.该方案尤其适用于数值型案例的检索.     

基于多特征LSH索引的快速遥感图像检索

提出基于LSH索引的遥感图像检索技术,结合离线建立索引的思想,实现了遥感图像快速检索.并借鉴特征选择的思路,提出了一个新的索引有效性指标——基于特征鉴别能力的索引有效性指数(feature discriminative-ness-based indexing validation index,FDIVI),通过对各个特征空间上的LSH索引评估选择最能区分目标和背景的特征.对若干典型地表覆盖的遥感图像检索实验证明了LSH索引及FDIVI指标在遥感图像检索系统中的有效性.     

基于概念语义空间的联想检索

为了快速准确地满足用户提出的检索需要,在大量的文本文件中检索出用户真正所需的信息,首先在文本的概念空间上建立了概念语义空间并以此为基础建立了一个具有联想功能的索引系统,其次运用大型语义词典为用户提供了一个智能检索接口,该接口能主动分析使用者输入的关键词,并确定使用者的实际检索需求,这种检索系统能够大大提高用户的检索效率和准确度。     

能量矩与颜色聚类相结合的图像检索方法

检索效率和准确率是基于内容的图像检索技术的重要指标.首先采用一种改进的软聚类算法在颜色空间进行聚类预处理.在此基础上,提出一种快速有效的提取基于离散余弦变换的能量矩特征方法,对聚类结果进行基于能量矩特征的二次检索.实验结果表明,聚类预处理能大大地缩小图像的搜索范围,以达到快速、准确检索图像的目的,同时提出的分块能量矩对图像旋转、尺寸变化及噪声有较强的鲁棒性.     

Image Retrieval Based on Objects’ Spatial Orientation Relationships

0Introduction Inmanyapplicationsoftheimagedatabase,imagesgeneral lycompriseavastmajorityofacquiredandprocessedda ta[1,2].Theimageofapictureisoftenstoredandrepresentedintwoforms,theoriginalfull sizedanditssymbolicform[3].Thesymbolicversionisanobject basedi…     

交通领域本体的构建及应用

目前, 虽然监控视频数据量迅速增加, 但是每年仍因交通违规行为造成大量的交通事故和人身伤亡. 海量监控视频的检索系统存在“找不到”和“难理解”的问题. 为了解决上述问题, 在交通领域中引入本体. 首先详细介绍视频语义内容模型, 并对模型中包含的对象、概念、事件、时间关系、空间关系等语义知识进行形式化描述; 然后以交通违规领域为例, 用软件protégé 4.2构建该领域的本体, 并用JCreator 编辑器导出交通违规领域本体的代码; 最后将该模型应用于南昌的有关项目中, 取得了良好的效果.     

Detection of salient objects with focused attention based on spatial and temporal coherence

The understanding and analysis of video content are fundamentally important for numerous applications,including video summarization,retrieval,navigation,and editing.An important part of this process is to detect salient (which usually means important and interesting) objects in video segments.Unlike existing approaches,we propose a method that combines the saliency measurement with spatial and temporal coherence.The integration of spatial and temporal coherence is inspired by the focused attention in human vision.In the proposed method,the spatial coherence of low-level visual grouping cues (e.g.appearance and motion) helps per-frame object-background separation,while the temporal coherence of the object properties (e.g.shape and appearance) ensures consistent object localization over time,and thus the method is robust to unexpected environment changes and camera vibrations.Having developed an efficient optimization strategy based on coarse-to-fine multi-scale dynamic programming,we evaluate our method using a challenging dataset that is freely available together with this paper.We show the effectiveness and complementariness of the two types of coherence,and demonstrate that they can significantly improve the performance of salient object detection in videos.     

Image Retrieval Based on Objects＇ Spatial Orientation Relationships

A new concept of characteristic scanning radial (CSR) is proposed for the segmented image on the basis of two shape-speciiic points oi its shape-objects. Subsequently, two characteristic attribute sequences (CAS) of relative distance and relative direction are derived to represent the spatial orientation relationships among objects of the image. A novel image retrieval algorithm is presented using these two CASs. The proposed retrieval approach not only satisfies the transformational invariance, but also attains the quantitative comparison of matching. Experiments identify the effectiveness and efficiency of the algorithm adequately.     

基于文本蕴含的选择类问题解答技术研究

利用选择类问题具有明确候选项的特点, 简化问题分类过程, 并针对长文本语义蕴含短文本语义的语言现象, 提出一种根据文本蕴含强度大小对候选答案进行排序的方法。在没有大规模问答对的情况下, 采用维基百科中文语料库, 以全国各省市高考地理选择题作为实验数据, 通过句子相似度和文本蕴含两种方法来解答地理选择题。实验表明, 基于文本蕴含方法的准确率为36.93%, 比基于词嵌入的句子相似度方法提高2.44%, 比基于向量空间模型的句子相似度方法提高7.66%, 验证了该文本蕴含强度计算方法的有效性。     

面向组近邻的Top-k空间偏好查询

空间偏好查询是当前空间查询研究中的一类热点问题,而现有的空间偏好查询不能有效支持面向组用户的位置服务应用.为此,提出一类新型空间偏好查询——面向组近邻的Top-k空间偏好查询(Topk spatial preference query for group nearest neighbor).该查询通过查找特征对象的λ子集组近邻最终为用户返回评分值最高的前k个λ子集.为了高效执行这一查询,给出了两种查询算法:TSPQ-G及TSPQ-G*.其中TSPQ-G*在TSPQ-G的基础上,通过空间剪枝及高效的特征对象索引树遍历策略大幅减少I/O代价,进而有效提高了该查询的执行效率.实验采用多个数据集验证了所提算法在不同参数设置下的有效性.     

Efficient View-Based 3-D Object Retrieval via Hypergraph Learning

View-based 3-D object retrieval has become an emerging topic in recent years,especially with the fast development of visual content acquisition devices,such as mobile phones with cameras.Extensive research efforts have been dedicated to this task,while it is still difficult to measure the relevance between two objects with multiple views.In recent years,learning-based methods have been investigated in view-based 3-D object retrieval,such as graph-based learning.It is noted that the graph-based methods suffer from the high computational cost from the graph construction and the corresponding learning process.In this paper,we introduce a general framework to accelerate the learning-based view-based 3-D object matching in large scale data.Given a query object Q and one object O from a 3-D dataset D,the first step is to extract a small set of candidate relevant 3-D objects for object O.Then multiple hypergraphs can be constructed based on this small set of 3-D objects and the learning on the fused hypergraph is conducted to generate the relevance between Q and O,which can be further used in the retrieval procedure.Experiments demonstrate the effectiveness of the proposed framework.     

组件库描述及检索策略

为有效管理已开发的软件组件,给出一种组件库的描述和检索策略。通过定义结构合理的组件库,在优化组件信息描述性的基础上,应用相应的检索技术并结合结构化查询语言提高组件库的使用效率。针对复用环境的不同,采取相应的组件描述与检索策略,加强并优化组件库的管理,能加快和完善组件库的建设工作。     

基于K-Means聚类的R-树空间索引方法研究与分析

 空间聚类和空间索引的结合是当前空间数据库中提高数据检索效率的技术之一。本文从空间聚类和空间索引的存储原理入手,阐述了K-Means聚类算法及其改进算法的技术思路,研究了K-Means算法在空间数据库中与空间索引方法结合的技术问题;分析了当前基于K-Means算法的R-树系列空间索引技术的研究成果,阐述了它们提高空间检索效率的技术路线及实验结果,研究显示这些技术都能在一定程度上提高数据检索的效率。最后给出了聚类与空间索引结合技术未来的研究方向。