一种新的垃圾邮件样本采集方法

为了提高垃圾邮件样本的覆盖率和实时性,降低垃圾邮件过滤系统的计算复杂性和滞后性,提出了基于垃圾邮件发送的行为特征,采用蜜罐原理进行垃圾邮件样本采集.引入蜜罐帐户评价公式,根据这个公式设计并实现了蜜罐帐户选择算法,动态地在电子邮件服务器中选择一定数量的帐户作为蜜罐并生成蜜罐集合,定期从蜜罐集合中采集邮件样本,作为过滤系统的学习语料.实验表明,利用该方法能够使采集到垃圾邮件样本覆盖率达到98%以上.由于系统能够定期地进行样本采集,因此实时性较强,从而提高系统过滤垃圾邮件的能力.     

一种纵切碎纸片拼接算法

撕碎文档的恢复与重建是摄影测量、计算机视觉、计算机图形学、建筑学、诉讼领域、档案研究及调查科学里经常需要解决的问题。无特征图像的拼接研究至今仍处于起步阶段,它的需求引起极大关注。提出一种纵切碎纸片的无特征图像拼接技术,碎片间可以有一致的或不一致的边界。首先,筛选撕碎文档中的两个碎片,使得非均匀的侧面彼此面对,获得一个最初的匹配碎片对子集合;其次,采用邻边相关性作为相似性度量准则解决这些碎片间的模糊性,实现原始文档的恢复。实验结果表明,该方法简单易行,具有快速的恢复纵切碎纸片能力。     

利用VB实现邮件过滤

通过ＶＢＷｉｎＳｏｃｋ控件与邮件服务器建立连接,传送符合ＰＯＰ３协议的命令,发送用户信息至邮件服务器,并从服务器取得邮件头文件信息,分析头文件中的信息,取得发信者地址,与注册表中保存的增圾信箱地址进行比较,从而从服务器端删除垃圾邮件,可实现邮件的过滤。     

基于贝叶斯方法的邮件分类技术研究

阐述了贝叶斯算法的基本原理及基于朴素贝叶斯算法的反垃圾邮件自动过滤技术.在深刻分析朴素贝叶斯算法不足的基础上,提出了旨在提高垃圾邮件过滤精确率的改进方案,给出了实验结果.     

垃圾邮件过滤技术研究

详尽介绍了现有的电子邮件过滤技术,分析了各种技术的特点,比较了它们的优缺点.对未来的研究方向进行了展望,提出了若干值得研究的问题.     

一种基于图像内容的对应关系在语义检索中的应用

针对基于图像高层语义的检索方法问题,提出了一种基于自然场景图片语料库下的图片本体检索框架.该方法通过考虑图像内容之间的对应关系,引入人类正常图像检索过程.利用对图像内容的分块语义注释的描述,该框架解决了目前图像检索中的问题.构建好的领域本体可以用来完成定性语义描述和检索,实现了包含语义概念和空间关系的自然语言查询.最后,对该应用的有效性进行了评估,实验结果表明,该框架在检索的精确度和相关度上都表现得非常好.     

基于数据挖掘的WEB内容过滤系统模型

一、前言由于互联网的开放性以及信息的丰富性,互联网在提供了大量有益信息的同时,也夹带了大量的不健康信息。此外,网络病毒、垃圾邮件等也给广大的互联网用户带来了不少烦恼,引发了很多社会问题,甚至是国家安全问题。由于互联网的高匿名性、高隐私性、高互动性和无地域性等特点,使得互联网上的有害内容很难有效管理和制约。在这一背景下,如何建立一个高效的网络内容过滤系统,对网络内容进行有效过滤,保护广大网民健康上网是当前需研究的一个问题。为了过滤色情、暴力等互联网不良信息,科研人员进行了大量的研究。但现有的技术相对比较单一…     

众筹环境下图片线索对融资效果的影响及项目类型的调节效应

图片是众筹平台融资项目介绍中关键的表现形式之一，针对现有研究较少分析图片因素对众筹项目融资效果的影响，基于图像语义层次视角，从视觉层、对象层和概念层3个维度提取图片线索，根据媒介丰富度理论分析图片线索对众筹项目融资效果的影响，以及项目类型对其产生的调节作用。通过实证研究，检验了Kickstarter平台上6336个众筹项目，结果表明：产品图像、团队成员人物图像、人物图像的大小及人物表情等图片线索能显著提高众筹项目的融资成功率。相较于科技类、游戏类、食品类项目，出版类项目的融资效果受图片线索影响更为显著。本研究有助于指导众筹项目的筹资者运用图片和文本等多元媒介，打造具吸引力的项目介绍，以提高融资成功率。     

多层次可选择核卷积用于视网膜图像分类

为了提高深度学习网络对糖尿病性视网膜病变识别准确率，针对光学相干断层扫描技术（optical coherence tomography，OCT）的视网膜图像分类研究，提出了一种基于可选择卷积核的网络模型，该模型能对多个尺度扩张率的卷积核之间进行自动选择操作。分割阶段生成多条路径，这些路径具有相同的卷积核但不同的扩张率，对应不同的神经元感受野大小；融合阶段将多条路径的信息进行组合和聚合，得到一个全局的、全面的选择权重表示；选择操作再根据2种权值自身相似性和相对相似性来选择权值。实验结果表明，该模型在2个视网膜公开的基准数据集OCT2017及SD-OCT上分别达到了95.39%，99.18%的分类结果。与目前已有的主流模型相比，该模型的实验结果在2个数据集上均有提升。     

基于深度学习的虚拟视点重建研究

基于人眼立体视觉的裸眼3D显示技术通过虚拟视点快速渲染可以获得具有密集视点的3D内容,让用户不需要任何辅助设备就可以身临其境地感受三维场景.针对传统获取方法因渲染速度慢、重建质量不高、视差受限等问题,提出基于无监督神经网络的虚拟视点重建方法,基于单目立体深度估计和傅里叶切片理论将2D图像直接生成任意视角虚拟视点.试验结果表明,本文算法比传统方法对任意视角视点的理论渲染速度大幅提升,空洞区域修复更自然.