基于PCM聚类算法的Blog社区发现

针对传统的社区发现算法无法发现社区中的核心成员和边界成员的缺点,提出了基于PCM聚类算法的Blog社区发现算法,用来识别Blog社区的核心和边界.首先,使用随机行走的方法计算可以衡量两个Blog亲密度的对称社会距离;然后,在对称社区距离的基础上使用PCM聚类算法对Blog进行聚类,得到每个社区中的成员属于社区的概率表示.最后,通过确定相应的概率阈值,确定社区的核心和边界.实验结果表明:该算法能够获得社区中的成员属于社区的概率,根据这个概率可以确定社区中的核心成员和边界成员.     

智能多媒体内容理解若干关键技术研究

让计算机具有象人睛一样的视觉功能是广大人工智能研究者,特别是从事模式识别与计算机视觉研究领域的学者追求的目标,也是多年来该领域的热门研究课题.但由于其难度较大,很多问题还在探索中.针对该领域存在的一些问题,结合一些应用领域的迫切需求,厦门大学智能多媒体技术实验室从2005年开始从事多媒体内容理解领域的关键技术研究,先后在行人检测、人体行为识别、基于视觉的人体亚健康分析、图像自动标注与检索等领域开展了相关研究.主要针对上述几方面的研究工作,分别介绍国内外的发展情况、我们的研究进展以及未来的工作展望,以便给读者提供相关的参考借鉴.     

等色染料离子对浮选光度法测定铟的研究

用pH=5.5的醋酸与醋酸钠缓冲溶液,解析溴铟酸与罗丹明6G(R6G)形成的三元络合物R6G.InBr4,加入四溴荧光素(TBF)与游离出的R6G形成等色染料离子对R6G.TBF,离子对同时被甲苯浮选,将浮选物溶于丙酮.由于2种染料颜色相近,同时参与铟的测定,使本方法具有较高的灵敏度,灵敏度较R6G.InBr4萃取光度法测定铟提高5倍.摩尔吸光系数ε=2.0×105L/(mol.cm),铟的质量浓度在0~0.5 mg/L内遵从比耳定律,用于粗铜中微量铟的测定,回收率为98.5%~102.3%,6次平行测定相对标准偏差为2.6%~3.2%,结果满意.     

基于结构化局部边缘模式的文档图像分类

采用图像的结构化局部边缘模式特征(structured local edge pattern,SLEP)对文档图像进行分类,由于该算法精确描述了图像边缘方向邻域中的空间分布,因此相应的学习对于文档图像类型具有很强的区分能力.与基于图像复杂结构分布特征的方法或基于光学字符识别系统特征(OCR)的方法相比,基于SLEP特征的方法更简单有效.本实验通过组建文档图像数据库,利用支持向量机(SVM)作为分类器,总共对4种文档图像类型进行分类,分别为学术论文(paper),影像照片(photo),表格文件(table),幻灯影片(slide).实验结果表明,基于SLEP特征的方法在准确率、召回率等方面都明显优于所对比方法,并且即使在文档图像低分辨率的情况下,所分类结果仍然有不错表现.     

Mining User Role in Social Community Application of Web 2.0

With the development of web 2.0, more and more social community applications appeared. The classical type of this kind of application is blog and facebook. The most important feature of these applications is that it is a self-media and users can post their own ideas in Interact. By using these social commtmity applications, a big social network is formed. To study the feature of social network,it is important to mine the individual information at the beginning.In this paper, we propose a User Role based method to mine the relation between the user and object thing. First, we extract the UserRole from the semantic dictionary Wordnet. Then, the feature of User Role is also mined by considering the hypemymy and hyponymy relation. Finally, we can use these features to deduce the User Role.In our experiments, we use a big corpus from TREC 2006 to test the mining performance. The experiment results show that the User Role effectively explores the feature of user.     

基于新型聚类算法IncreaseK-Means的Blog相似度分析

针对现有聚类算法K-均值存在事先指定聚类类数及仿射传播存在计算复杂度偏高的缺陷,提出了一种新型的聚类算法Increase K-Means,并将其应用到Blog内容的相似度聚类分析中,较好地满足了社区发现和话题跟踪的需求.仿真结果表明:在Blog文本聚类分析中,Increase K-Means在时间上与K-Means相近,在精度上与仿射传播接近,适用于大规模网络文本的分析处理.     

基于栈自编码器的图像分类器

图像分类问题包含两个重要的部分:特征提取器和分类器.多年来研究人员一直将精力投入到特征表示中,对于分类器却仅进行局部调参.基于一个性能优异的分类器与特征表示对图像分类系统同等重要的思想,提出了基于卷积特征的栈自编码器(stacked autoencoder on convolutional feature maps,SACF)的分类系统,并在数据集CUB-200和VGGflower上进行了实验,对比了SACF与基于卷积特征和多层感知机的卷积神经网络(CNN)分类系统的分类效果,实验结果表明SACF具有更优的分类效果.