基于遗传算法和粗糙集的图像检索

针对传统的图像检索方法,运用基于遗传算法和粗糙集的图像检索方法,用粗糙集的方法求出图像的最简视觉特征子集,遗传算法,对每一次反馈得到的候选图像集进行评价,用遗传算子从图像库中选出接近用户需求的图像,使图像检索的查到率和查准率得到大大提高。     

图像搜索引擎评价实证研究

根据前X命中记录,制定了3个评价指标对互联网上的图像搜索引擎进行评价,并依据评价结果给出了用户选择图像搜索引擎的基本策略。     

网络环境下的信息加工与查准率和查全率

本文主要阐述信息检索中衡量检索质量的一对矛盾体——查准率和查全率以及确定查准率和查全率的一些方法,用一些图表进行说明。同时论述了信息加工的质量对查准率和查全率有至关重要的影响。     

一种智能型元搜索引擎功能模型

分析了现有元搜索引擎的功能,指出其不足并提出一种智能型的元搜索引擎模型.通过建立本地数据库,自动提供用户需求的扩展、分发和对搜索结果的过滤、排序,提高网络信息搜索的查全率和查准率.     

Web Information Retrieval的分析与展望

网络的飞速发展使得网络信息检索成为人们迫切的需求。本文对网络信息检索技术进行了介绍、分析和比较,在此基础上,对未来的应用前景进行了展望。     

一种基于微分流型的Web检索算法

为进一步提高Web的检索性能,提出了一种基于微分流型的 Web检索算法.该算法的核心思想为:用微分流型描述Web空间,用流型的切平面模拟Web的切空间,将流型上2点之间的测地线距离转化为二维平面上点与点之间的欧氏距离,基于距离的匹配过程由原来的在整个文档集合中进行,转换为仅在查询的邻域内进行,以减少匹配过程的计算量.实验结果表明,该算法的查准率比 Google和 IIT分别提高 35 24%和40 93%,它更适合于大型异构Web文档集合的检索.     

可应用于互联网的自学习中文关键词抽取算法

论文提出了一种自学习中文关键词抽取算法，该算法可以辅助实现互联网上的智能信息获取，从而有效解决互联网信息爆炸问题，该算法现已用于课题组开发的互联网信息智能获取工具中，实验表明该算法的查全率和查准率较高，在互联网信息智能获取中具有广阔的应用前景。     

基于内容的图像二次检索新方法探究

针对图像的纹理特征和形状特征提出了一种基于内容的图像二次检索新方法,该方法可以从图像库中快速、准确、有效地检索出大量相似图像.经实验表明,具有较高的查全率和查准率.     

基于相似度的快速网页排序算法

将经典的PageRank算法和汉明距离相似度算法结合,提出一种新的网页排序方法。通过结合汉明距离(Hamming distance)相似度算法,计算检索词和网页文本相似度,提高搜索查准率;在增加检索词的同义词的搜索过程中,通过改进汉明距离相似度算法,提高搜索查全率。实验结果表明,该方法与PageRank算法相比,拥有了更好的效果。