基于图法则分析的三维布局模型生成方法

在分析现有布局模型及相关求解技术的基础上,提出了三维布局问题的一个复合知识模型－构造性属性关联图（ＣＡＬＧ）并深入研究了基于图法则分析的模型生成策略,该复合知识模型的生成过程刻划了三维布局结构的构造原理,ＣＡＬＧ具有良好的几何信息,为布局问题的具体求解打下了基础,利用该方法有效地建立了车身内布置设计的初始模型。     

基于图法则分析的三维布局模型生成方法

在分析现有布局模型及相关求解技术的基础上,提出了三维布局问题的一个复合知识模型──构造性属性关联图（ＣＡＬＧ）,并深入研究了基于图法则分析的模型生成策略．该复合知识模型的生成过程刻划了三维布局结构的构造原理．ＣＡＬＧ具有良好的几何信息,为布局问题的具体求解打下了基础．利用该方法有效地建立了车身内布置设计的初始模型．     

海蓝目录自动识别系统的设计

设计海蓝目录自动识别系统。该系统在获取已预处理过的目录图像之后,对图像进行版面分析,利用OCR技术识别文字,并自适应地获取目录的缩进量作为判断目录层次的依据,最后通过目录提取和人工校正得到统一的目录格式。该系统具有自动识别、提取书籍目录结构等功能,能有效地处理多种格式的书籍目录类型。     

基于PBS的工程文档信息分类与集成方法

按项目时间、文档内容、文档文件类型等对工程文档信息进行分层 ,以PBS为标识系统 ,形成工程文档编码的目录集成结构模型 .该模型不仅可为业主方所使用 ,也可为项目的参与者如项目管理方、设计方、施工总包方所共享 ,提供及时、准确的项目实施信息为项目的决策者和管理者服务     

信息抽取中网站结构树生成方法的研究

随着Internet技术的发展和普及,W eb上的信息量猛增,使信息抽取更具有挑战性.从网站的拓扑结构入手,提出了信息抽取中网站结构树的生成算法,该算法首先根据网页结点URL所在目录的层次关系,去掉网站结构图中的部分回溯边;然后在宽度优先遍历的过程中去掉已经遍历过的重复结点,生成网站结构树.最后引入编辑距离对算法生成的网站结构树与实际的网站结构树的相似程度进行评价,两棵树的相似程度比较高,均达到了90%以上.利用生成的网站结构树可以对网站的内容页面(即结构树的叶子结点)进行聚类,最后进行信息抽取,大大提高抽取的准确率与召回率.     

基于自动生成模板的Web信息抽取技术

在网络舆情分析中,人们迫切需要自动化的工具在海量信息中抽取所需要的信息,以供进一步分析利用.针对此问题,提出了基于自动生成模板的Web信息抽取方法,可以消除网页噪声,快速有效地抽取所需的网页信息.该方法通过解析器将Web文档解析成文档对象模型,根据用户需求建立抽取规则,采用自动生成模板机制,并依据模板的抽取规则对网页信息进行抽取.实验证明,该抽取方法具有较高的召回率和准确率.     

一种面向实体的演化式多文档摘要生成方法

本文针对多文档摘要没有考虑实体、仅仅生成通用摘要的问题,提出面向实体的演化式多文档摘要生成方法。本文首先利用一个概率主题模型联合建模文档主题的演化和实体的参与情况,然后结合实体对句子进行评分和选择,针对不同的实体,同一个句子可能获得不同的评分。此外,本文在真实数据集上进行了大量的实验和分析,实验结果表明,该方法可以面向不同的实体生成关于事件发展的个性化摘要,同时与现有方法相比,该方法还得到了更好的通用摘要。     

应用MOSS2007实现企业文档在线管理

利用MOSS2007平台的优点及其具有对文档整个生命周期进行管理的功能,设计了标书响应的具体流程,并将其作为企业在线文档管理的一个实例,说明了在MOSS平台上需要的网站结构布局。随着MOSS2007应用的推广,该案例对企业文档在线管理有一定的借鉴作用。     

一种基于主题的文档检索模型

现有信息检索模型难以从主题层次上准确判别文档相似性,为此,本文提出了一个基于主题的文档检索模型(TDRM).TDRM为所有文档建立公共主题空间,把每个文档表示为主题空间上的一个向量,并用向量夹角余弦定义文档相似度.TDRM模型借助Latent Dirichlet Allocation的主题生成方法估计每个文档的主题分布.实验结果证明,与基于词频统计的向量空间模型相比,TDRM模型在相关文档检索方面有更高的检索精度.     

应用TFLS算法寻找SBEGN模型具最多叶子生成树

用动态网络模型来逼近和模拟现实网络是研究网络的重要手段之一,从构造单边界增长网络模型入手,验证该模型具有增长性、层次性．设计了时间优先层次搜索算法,利用该算法来寻找单边界增长网络模型具有最多叶子的生成树,并证明了所找到的具有最多叶子生成树具有无标度性这一重要的网络拓扑结构．     

文档的程序自动填写技术在信息管理系统中的应用

为适应数字化技术的发展要求，自动、方便地生成各类实验管理用表格，研究了利用Visual Basic语言编写的实验管理Word文档自动填写软件，介绍了此软件的实现方法，重点介绍了对文本、表格的处理，以实验任务书的自动填写为实例，验证了此方案的有效性。实践表明此方法的实用性，减少了工作量，避免了出错，提高了工作效率。     

一种改进模板匹配的车牌字符识别方法

提出了一种改进模板匹配的车牌字符识别方法。详细介绍了车牌字符识别的过程,主要包括模板的建立,基于弹性网格的字符特征提取,模板匹配的步骤及改进方法。运用该方法不仅可减少计算量,而且提高了实时性。实验结果表明,提出的方法具有效率高、精确度好等特点,识别率可以达到90%以上。     

纸质地图的地图特征曲线提取

描述了一种通用的在复杂特征图像中检测主曲线的新算法．基于曲线最短路径和方向偏移判据,主曲线检测的所有运算都在图形表达中进行．在图形网络搜寻中,采用了深度优先搜索方法．其应用背景是从地理测绘图中检测道路边界和房屋轮廓,采用自动方法生成数字地图．由于测绘图中的文字、符号常常与有意义的图像特征重叠,主曲线检测旨在从原始测绘图中获得“洁净”的特征图像．大量的实际图像实验表明,本算法效率高、鲁棒性强．除了地理测绘图外,该方法还可以用于文本处理中的其他领域,如在文字识别中,将字符与之相重叠的其他无用图像分离．     

融合GMM及SVM的特定音频事件高精度识别方法

针对特定音频事件识别中持续时间特别短的音频事件漏检概率高、识别速度较慢的问题,提出一种融合高斯混合模型（GMM）及支持向量机（SVM）的特定音频事件识别算法. 该方法利用GMM的统计分布描述能力和SVM的推广泛化能力,将GMM和SVM分别识别的结果进行融合处理,以手枪、步枪、机关枪等10类以上枪声为实验数据,无需针对每种枪声生成相应的识别模板,仅需训练生成2个识别模板. 实验结果表明,识别准确率达到92.71%. 该方法模板数量少,不需要多次训练,算法复杂度较低,不仅便于应用而且可大幅提升识别效率.      

电子文件和纸质文件双套运用及管理模式

随着网络化时代的到来,编辑部的管理也越来越趋向电子信息化,传统的手工作业也逐步被现代化的网络工具所代替.比如,在稿件送审过程中,究竟采用纸质文件方便还是电子文件方便,是网络化进程中出现的突出问题.如何处理两种运做模式之间的关系,保证编辑部的管理更能高效、优质运行是本文研究的重点.     

基于局部Haar和PHOG特征的月球撞击坑综合检测方法

基于月貌图像的撞击坑的检测需要采用合理的特征选择和机器学习策略,我们提出了一种基于区域局部灰度和梯度分布特征与机器学习方法相结合的撞击坑检测方法．这种方法将Haar特征与AdaBoost结合,使候选撞击坑区域的定位更加快捷,采用局部区域的塔式梯度方向直方图（PHOG）与高效的支持向量机学习算法相结合的方法用来精确地对撞击坑候选区域进行分类．考虑到Haar特征数的繁多而采用AdaBoost作为特征提取和分类方法,并由于PHOG特征的每一项都对分类起作用,将撞击坑区域统一预处理为不含阴阳面的各向梯度向量基本一致的圆形模糊边界,使圆形撞击坑的正样本特征具备更多的稳定性．文中还讨论了几种特征和分类方法的机理和集成,以及参数调整对撞击坑检测的效率分析．     

基于RS的GMDH神经网络在空袭目标识别中的应用

针对目标属性识别的特点,建立了基于粗糙集(Rough Sets, RS)的数据分组处理(Group Method of Data Handling, GMDH)神经网络分类模型.该模型较好地解决了采用高维数据集训练神经网络效率低,神经网络结构规模较大的问题.同时为了提高高维数据集合的属性约简效率,改进了集合近似质量属性约简算法.最后,通过与BP(Back-Propagation, BP)神经网络分类能力的仿真对比,结果表明,基于粗糙集的数据分组处理神经网络分类模型分类能力优于BP神经网络模型,满足现代防空作战对目标属性识别的需求,基于快速求核和集合近似质量的属性约简算法快速有效.     

基于改进的Hausdorff距离的字符识别方法

为了提高字符识别的正确率和速度,本文提出了一种改进的Hausdorff距离的字符识别方法.实验结果表明,该方法在印刷体数字识别中达到100%的识别率,在字母识别中,除个别被噪声严重污染和结构特征极其接近的字母外也得到了正确的识别效果,且改进后的运算速度提高了一倍左右.     

PDF文档中的脚注识别研究

针对PDF 文档的脚注识别问题, 提出一种自动识别脚注及其引用, 并建立它们之间匹配关系的方法。首先针对PDF 文档提取脚注的一系列特征, 包括页面布局、字体信息、语义信息等, 然后基于文档部件风格一致性, 利用聚类技术, 处理在不同文档中相异但在同一文档中相似的特征, 从而使得识别过程能够适应不同文档类型。此外, 利用脚注与引用的匹配结果为识别过程提供反馈, 进一步提高了识别准确性。在真实文档测试集上的实验结果表明, 所提方法对于PDF 文档的脚注识别取得较高的准确率和召回率。     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.