基于属性相似度的云分类器

提出了属性相似度概念解决高维对象分类的权重问题,并结合云理论建立了基于属性相似度的云分类器.采用云理论建立训练集的各属性模型,表达各属性值隶属于其类别中心Ex的程度.分类模型由属性模型集成得到,属性权重根据属性相似度计算.各类别的同一属性间的相似度越大,此属性对分类的作用越小.基于粒子群优化方法对分类模型的中心位置Ex进行优化.将此分类器与普通云分类器应用于iris数据集的分类实验,该分类器的分类效果好于后者.     

一种模糊概念相似度的计算方法

由于现有的经典本体映射方法以及相似度计算方法无法处理模糊信息,因此它们都无法计算模糊概念之间的相似度.为此,提出了一种新的基于向量空间模型的模糊概念相似度计算方法SimFC-VSM(similarityoffuzzyconceptbasedonvectorspacemodel).SimFC-VSM方法首先利用模糊本体中的模糊关系构建向量空间模型;然后将模糊概念表示成此向量空间模型中的向量;最后通过向量运算的方法来计算模糊概念之间的相似度.因此,所提出的方法SimFC-VSM可以有效地利用向量空间模型来计算模糊概念之间的相似度.     

融合正域及边界质量的实域属性约简方法

基于邻域关系提出一种综合考虑正域和边界数据的属性约简方法.该方法利用邻域关系对数据进行离散化处理,通过定义基于邻域的正域属性重要度、边界属性重要度和邻域综合属性重要度概念,设计一种新的启发式属性简约算法.该算法从空约简集出发,利用邻域属性重要度启发式搜索属性空间以扩展约简属性集,理论分析和实验表明该算法有效可行.     

混合语义模型的产品知识文档检索

为解决产品知识文档检索过程中遇到的问题,提出一种基于混合语义模型的检索方法.该方法将传统的用户查询需求扩展为用户偏好、语境和用户查询混合而成的语义集合,并对知识文档和用户需求进行基于本体的模糊概念表达.对于知识文档,选择领域本体的叶节点来构造文本概念向量,根据概念在本体图中的深度、携带的信息量,及出现在文档与语料库中的频度来计算权重.同样采用本体表达知识语境与查询语义,建立用户偏好模型.针对检索模型的不同组成,阐述了相应的相似度计算方法,采用概念的语义距离计算用户当前语境和文档语境之间的相似度,用余弦法计算查询语义、用户偏好与文档的相似度.最后用实验验证了该方法的检索效果优于传统的向量空间方法.     

一种综合概念相似度计算方法

针对在本体间异构系统知识集成问题上,对本体映射中概念相似度计算存在的一些不足之处,提出了一种改进的方法。先分别计算基于实例的概念相似度、基于概念名的相似度和基于属性的相似度,然后进行加权合并形成新的综合相似度计算方法,最后进行简单验证进而根据本体和本体中概念的特点,设计了一种改进的相似度的计算方法。改善了相似度计算中存在的片面性和不完善性问题,提高了本体映射的查全率和查准率。     

基于维基百科的汉越词语相似度计算

为了解决跨语言汉越词语相似度计算问题,以维基百科多语言概念页面作为桥梁,利用概念之间存在的翻译对应关系、词语出现在不同概念页面及与其他概念之间存在共现关系,提出了基于维基百科的汉越词语相似度计算方法,该方法首先提取维基百科中汉语越南语具有对应关系的概念集合,构建双语概念特征空间,然后根据词语在相应概念描述文本中出现的词频特征,以及词语与概念在其他概念文本中的共现特征构建词语的概念向量值,最后通过夹角余弦对两个向量进行词语相似度计算。实验结果表明提出的方法在汉越双语词语相似度计算上表现了好的效果,概念共现关系能够提高词语相似度的准确率。     

跨本体概念间相似度的计算方法——MD4模型

MD3模型是一种系统的跨本体概念间相似度的计算方法,这种方法无需建立一个集成的共享本体。在MD3模型的基础上,充分利用本体对概念的描述信息,重点讨论了跨本体概念间非层次关系相似度的计算,把MD3模型扩展到MD4模型,使得概念间相似度的计算在理论上更全面、更精确。     

一种优化的基于领域本体语义距离的概念相似度计算模型研究

针对概念相似度计算方法存在的不完整性和片面性的问题,通过对现有概念相似度几种计算方法分析与研究,提出一种优化的基于领域本体语义距离的概念相似度计算模型.该模型综合考虑了概念之间的关系、有向边节点密度、层次深度、方向因子等因素对概念相似度计算的影响,通过分析,优化后的模型有效地提高了概念相似度计算的准确性.     

基于邻域相似度的行人重识别重排序算法

在行人重识别模型中引入邻域数据关系,提出了一种基于图像邻域相似度的重排序方法。首先扩充图像的邻域数据,然后计算图像对不同邻域数据的相似度权重,利用该权重得到代表邻域相似度的分布距离,再用分布距离与原始距离计算得出最终距离作为重排序评判标准。使用CCL,Transreid, Torchreid等行人重识别模型在Market-1501,DukeMTMC-reID数据集上进行实验,结果表明本文方法对基准模型的精度提升均超过该领域的主流算法,证实了本文方法的有效性和泛化性。该重排序方法不需要任何人工交互和额外数据,适用于大规模数据集,可以有效应用于图像检索、目标跟踪等需要考虑相似度关系的任务中。     

一种改进的概念相似度计算方法

本体在信息集成、语义网和知识管理等领域中被认为是重要的理论基础.本体映射的目的就是通过计算概念相似度找到本体中概念之间的对应关系,并制定出相应的映射规则.通过研究本体映射方法,设计出一种综合概念相似度计算模型,该模型充分考虑了概念的实例、定义以及结构等信息对相似度计算的影响,可以通过改变3个相似度分量的权值来适应不同本体间的映射,使模型具有通用性.结果表明,该模型能更有效地体现概念间的关系,使本体映射方法更加全面,并有更好的适用性.     

An Index mechanism for multi-scale view in spatial databases

There are numerous geometric objects stored in the spatial databases. An importance function in a spatial database is that users can browse the geometric objects as a map efficiently. Thus the spatial database should display the geometric objects users concern about swiftly onto the display window. This process includes two operations: retrieve data from database and then draw them onto screen. Accordingly, to improve the efficiency, we should try to reduce time of both retrieving object and displaying them. The former can be achieved with the aid of spatial index such as R-tree, the latter require to simplify the objects. Simplification means that objects are shown with sufficient but not with unnecessary detail which depend on the scale of browse. So the major problem is how to retrieve data at different detail level efficiently. This paper introduces the implementation of a multi-scale index in the spatial database SISP (Spatial Information Shared Platform) which is generalized from R-tree. The difference between the generalization and the R-tree lies on two facets: One is that every node and geometric object in the generalization is assigned with a importance value which denote the importance of them, and every vertex in the objects are assigned with a importance value, too. The importance value can be use to decide which data should be retrieve from disk in a query. The other difference is that geometric objects in the generalization are divided into one or more sub-blocks, and vertexes are total ordered by their importance value. With the help of the generalized R-tree, one can easily retrieve data at different detail levels. Some experiments are performed on real-life data to evaluate the performance of solutions that separately use normal spatial index and multi-scale spatial index. The results show that the solution using multi-scale index in SISP is satisfying.     

A Voronoi-based spatial algebra for spatial relations

Spatial relation between spatial objects is a very important topic for spatial reasoning, query and analysis in geographical information systems (GIS). The most popular models in current use have fundamental deficiencies in theory. In this paper, a generic algebra for spatial relations is presented, in which (i) appropriate operators from set operators (i.e. union, intersection, difference, difference by, symmetric difference, etc.) are utilized to distinguish the spatial relations between neighboring spatial objects; (ii) three types of values are used for the computational results of set operations-content, dimension and number of connected components; and (iii) a spatial object is treated as a whole but the Voronoi region of an object is employed to enhance its interaction with its neighbours. This algebra overcomes the shortcomings of the existing models and it can effectively describe the relations of spatial objects.     

An Index mechanism for multi-scale view in spatial databases

There are numerous geometric objects stored in the spatial databases. An importance function in a spatial database is that users can browse the geometric objects as a map efficiently. Thus the spatial database should display the geometric objects users concern about swiftly onto the display window. This process includes two operations:retrieve data from database and then draw them onto screen. Accordingly, to improve the efficiency, we should try to reduce time of both retrieving object and displaying them. The former can be achieved with the aid of spatial index such as R-tree, the latter require to simplify the objects. Simplification means that objects are shown with sufficient but not with unnecessary detail which depend on the scale of browse. So the major problem is how to retrieve data at different detail level efficiently. This paper introduces the implementation of a multi-scale index in the spatial database SISP (Spatial Information Shared Platform) which is generalized from R-tree. The difference between the generalization and the R-tree lies on two facets: One is that every node and geometric object in the generalization is assigned with a importance value which denote the importance of them, and every vertex in the objects are assigned with a importance value,too. The importance value can be use to decide which data should be retrieve from disk in a query. The other difference is that geometric objects in the generalization are divided into one or more sub-blocks, and vertexes are total ordered by their importance value. With the help of the generalized R-tree, one can easily retrieve data at different detail levels.Some experiments are performed on real-life data to evaluate the performance of solutions that separately use normal spatial index and multi-scale spatial index. The results show that the solution using multi-scale index in SISP is satisfying.     

数字环境下的地图模型综合

模型综合是数字环境下地理信息的概念层次上的综合,是地图综合的前提和基础,它通过改变地图内部目标的空间关系和语义关系,使地图的表达更简单;同时处理空间语义关系,保证小比例尺下的语义表达,进而使综合更方便．详细探讨了模型综合的概念和内涵,并着重从空间关系和语义关系方面探讨了模型综合的具体内容．     

一类带单洞区域与两个简单区域间拓扑关系的表示

基于区域连接演算(region connection calculus, RCC5)通过扩展4-集矩阵得到12-集矩阵, 并对带单洞区域与两个简单区域间的拓扑关系进行表示. 给出了实现算法, 得到了带单洞区域与两个简单区域间的161种拓扑关系及其拓扑关系示意图, 并验证了161种拓扑关系均可实现. 证明了12-集模型中基本关系的完备性和互斥性, 并给出了161种拓扑关系的概念邻域图.     

基于多尺度空间聚类的经济区域划分研究

传统的聚类方法能够自动实现类型的划分,但其只考虑空间对象的属性特征,忽略了空间对象之间位置的邻近性。在尺度空间理论基础上,利用多尺度空间聚类方法,同时兼顾空间对象间的空间相邻和属性相似这两个特征,使得在空间尺度由小变大的过程中,具有高度空间相互依赖关系的空间对象相互融合,得到不同空间尺度下的区域划分结果。并以福建省67个县市1990—2004年历年的人均GDP数据分析为例,进行了全省的经济区域划分应用试验。结果表明与实际的区域经济发展情况相符。该方法能够综合考虑空间位置邻近性和属性特征相似性的聚类要求,使得聚类结果更加合理,为制定区域经济持续发展战略提供依据。     

一种简单凹形区域间拓扑关系的表示模型

通过研究El Geresy提出的一种空间推理方法, 扩展了经典9 交集矩阵, 得到16 交集矩阵, 基于16 交集矩阵对RCC23的基本关系进行细化, 定义了两个简单凹形区域间的62种拓扑关系, 得到RCC62并给出其概念邻域图和最近拓扑关系图. RCC62比RCC23新增了39种拓扑关系, 表达力更强. 将RCC62模型应用于空间查询领域不仅能增加查询的准确度, 而且也提高了查询效率.     

一种集成时空数据模型及语义扩展

采用面向对象的方法提出了一种具有集成特点的时空数据模型．模型分别扩展了空间数据对象和时态数据对象,时空对象是空间对象和时态对象的聚集,空间对象的变化由对象的行为进行描述并以不同的版本表现出来．此外,通过量词符号在时域上的扩充对对象的基本关系进行了语义扩展,在形式上将时态和空间谓词语义统一起来．这种模型能够更好地适应时空信息系统的应用需求．     

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.     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.