基于卷积神经网络的隐式评价对象识别

为解决课程评论中隐式评价对象识别问题,提出了一种基于文本分类的隐式评价对象的识别方法。首先通过word2vec 模型获得训练文本对应的词向量,获得短文本特征; 其次将短文本特征在TextCNN 中进一步提取高层次特征,通过K-max 池化操作后放入Softmax 分类器中进行训练得出分类模型; 最后利用训练好的分类器对隐式评价句进行分类,获取隐式评价句对应的评价对象。实验表明,基于卷积神经网络对隐式课程评论进行属性分类,课程评论的隐式评价对象识别正确率达到89． 9%,满足了课程评论中对隐式评价句对象识别的需求。     

基于频域变换与几何失真校正的图像水印算法

为改善水印系统的稳健性,提出了基于多元频域变换的彩色图像水印方案.首先,引入仿射映射来混淆水印数据;再确定载体的最大中心区域,利用四元离散Fourier变换对其处理,获取1个实部系数矩阵与3个虚部系数矩阵;考虑彩色载体的亮度、纹理与边缘掩码,计算数据融入因子;并以此建立同步水印隐藏方法,把加密数据植入实部系数矩阵的低频系数中,形成水印目标;基于不同的内容变换,形成训练数据;并基于机制,对其完成二级分解,利用分布函数来拟合6个系数的经验直方图,最终将其形状与尺度参数视为水印系统的稳健特征矢量.借助这些稳健特征来训练支持向量机,从而得到变换参数值,以校正受攻击的水印图像;最后,计算校正水印图像的最大中心区域,联合四元离散Fourier变换,设计水印提取方法,准确复原二值水印.测试数据表明:与当前图像水印技术相比,面对几何变换攻击,所提算法具有更高的不可感知性与鲁棒性,其输出的水印图像对应的差分图较为理想,复原水印失真度最小.     

基于多元信息融合的用户关联模型

随着社交媒体网站的日益普及,用户倾向于加入多个社交网络,作为社交媒体中的一项新兴工作,将社交网络的多个用户身份关联起来具有重要意义。通过研究目前有代表性的用户关联模型,提出了一个基于综合信息的用户关联模型(BiALP),该模型通过节点表达的方法学习网络的内在结构信息、属性信息和内容信息,以源网络和目标网络的节点表达为特征,以已关联用户对作为带标签数据,采用二分类监督学习的方式学习源网络与目标网络之间的关联关系。大量实验表明,BiALP模型与目前有代表性的其他用户关联模型相比效果有明显的提升(35%),能够实现更精确的用户关联。     

反射波法检测大直径嵌岩桩的探讨

根据低应变反射波法测桩工作原理,分析了反射波法检测大直径嵌岩桩的技术难点,并结合某工程中的检测实例对反射波法检测大直径嵌岩桩的适用性进行了探讨,为大直径嵌岩桩的质量检测提供参考．     

小世界邻域优化的局部线性嵌入算法

通过分析稀疏数据或噪声数据,导出局部线性嵌入(LLE)算法出现失效的原因,由此提出了一种基于小世界邻域优化的局部线性嵌入(SLLE)算法.将复杂网络算法引入到流形学习中,利用小世界算法对LLE算法进行数据优化,并以最短路径和局部集群系数作为局部优化参数,解决了数据点不规则时以欧氏空间作为邻域判别标准在构建局部超平面造成嵌入结果扭曲的难题.通过3组标准测试数据集合比较了SLLE、LLE算法,结果表明SLLE算法的计算效果、鲁棒性、非理想数据的降维结果均优于LLE算法,且计算正确率至少提高10%.     

一个自然的嵌入L-Top到L-FTop(英文)

引入了一个从L-拓扑范畴L-Top到L-模糊拓扑范畴L-FTop(H(?)hle-S ostak意义下)的自然的嵌入函予并讨论了该函子的性质.     

股市情感词典自动构建与优化

为了更好地挖掘投资者情绪,解决在股市文本情绪分析过程中,现有情感词典构建方法自动化程度低、行业特异性不足和精确度不足等问题。在构建基本情感词典的基础上,Word2vec对自动添加的高频情感词语进行极性判断与赋值,并将情感词典构建改为优化问题,采用改进模拟退火算法对情感词典的词语分值进行优化,提高股市情感词典性能。实验结果表明:该方法所构建的股市情感词典可以有效识别股市文本情绪,提升文本覆盖率,具有更强的行业特异性,提升情绪分析准确性,可更好用于投资者情绪相关研究。     

基于MPUI模型的空域图像水印容量研究

在基于失真不可感知的控制模型(maximize payload under imperceptive, MPUI)下,研究了空域图像的最大水印容量。发现最大水印容量不仅与嵌入强度有关,而且与图像尺寸大小、复杂度、视觉敏感度等因素相关。在理论上推导了最大水印容量与图像大小、嵌入强度的关系,并采用多元回归分析方法研究了图像复杂度、视觉敏感度与嵌入率的关系模型。综合这些内外因素,借助于主客观评价体系,推算出水印嵌入容量的估算方法,并在实验中验证了该估算方法的有效性。     

关于度量空间的formal balls构成的偏序集

formal ball构成的偏序集为度量空间理论和domain理论提供了联系.作者考察了Ω-范畴的tensor完备化,证明了当度量空间被视为Ω-范畴时,其formal ball构成的偏序集正好是它的tensor完备化.     

流形学习方法及其在头部姿势估计中的应用

流行学习是一种新的数据降维方法,能揭示数据的内在变化规律,其目标是发现嵌入在高维数据空间中的低维流形结构,并给出一个有效的低维表示。目前流形学习以其出色的数据约简与可视化能力得到了越来越多模式识别与机器学习工作者的重视。本文介绍了一些常用的流形学习算法,分析了这些算法的优缺点,并利用流形学习中的局部线性嵌入(LLE)算法于头部姿势估计,取得了较好的识别效果。