一种基于语义距离的高效文本聚类算法

摘　要：提出了一种基于语义进行文本聚类的新方法。该方法从语义上具体分析文档,利用文档具体语义计算文档间的相似度,使得文档聚类结果更合理。文本聚类主要采用最近邻聚类算法,并提出第二次聚类算法改进最近邻算法对输入次序敏感的问题。类特征词的选择上根据相似度权重优胜略汰类特征词,使得最后类特征词越来越逼近类的主题。实验结果表明本文所提出的算法在聚类精度和召回率上均优于基于VSM的K-Means聚类算法。     

一种复杂背景图像中文字区域提取算法

嵌入在图像中的文字信息是图像语义的一种重要表达方式,通常反映了图像的主要内容,因此,对图像中的文字区域进行提取是十分有必要的。提出一种结合颜色、边缘及连通域特征的文字区域提取算法,先提取出彩色图像的纵向边缘,再通过两次动态行列分割得到候选文字区域,最后,根据候选区域二值图中边缘及连通域特征去除非文字区域,确定最终文字区域。通过对一定数量的复杂背景图像进行实验,证明该算法效果较好。     

基于空域滤波和空间相关的钢丝绳图像分割算法研究

在钢丝绳断丝实时检测中,由于复杂环境因素的影响和钢丝绳自身结构特点的原因,钢丝绳图像经常受不均匀光照、阴影、油泥、粉末等干扰,导致图像降质严重,给钢丝绳的分割带来困难.本文提出了一种有效、快速的分割算法:首先采用改进的空域同态滤波器对钢丝绳图像进行滤波,去除不均匀光照和削除阴影边缘,然后根据钢丝绳的几何对称性,结合边缘方向信息测度的差异和钢丝绳区域的局部特征统计,消除干扰,实现钢丝绳的分割.实验结果表明,该分割算法能够快速、完整地分割出钢丝绳图像.     

基于偏微分方程与一致锐度的图像边界检测

首先导出一致锐度的概念,并将一致锐度与偏微分方程结合起来,摒弃了梯度算子和传统PDE模型的一些缺陷,建立了一个既能根据不同图像区域性质而调整检测尺度,又能有效降低噪声对检测判断影响的新的边界检测模型。在理论上,该PDE模型适定可靠,在图像处理实例上也得到了比较理想的效果。     

铜胁迫下玉米叶绿素质量比与光谱反射率关系

通过对不同程度重金属铜污染土壤(16个样本)上玉米叶绿素浓度和相应的玉米冠层光谱反射率数据测试,进行铜胁迫下玉米叶绿素浓度与光谱数据相关分析研究,研究结果表明:铜胁迫下玉米叶绿素浓度与其光谱反射率之间具有相关性,在350~695nm光谱区内相关性最好,且在464nm处两者达到最高的相关性;铜胁迫下玉米的"红边"随着铜污染程度的加剧而发生有规律地"蓝移";铜胁迫下玉米的"红边"波长位置与其叶绿素浓度之间具有很强的相关性,复相关系数为0.884,由此可看出利用野外地物光谱数据定量估算和分析铜胁迫下玉米的叶绿素浓度是可行的.     

次近邻简立方格子键渗流模型的重整化群方法研究

采用实空间重整化群方法,对次近邻简立方格子键渗流模型进行了研究,得到了临界值Pc、模型在相变点的临界指数ν。最后说明了所得结果的合理性。     

The (Δ+2,2)-incidence coloring of outerplanar graphs

An incidence coloring of graph G is a coloring of its incidences in which neighborly incidences are assigned different colors. In this paper, the incidence coloring of outerplanar graphs is discussed using the techniques of exchanging colors and the double inductions from the aspect of configuration property. Results show that there exists a (Δ+2,2)-incidence coloring in every outerplanar graph, where Δis the maximum degree of outerplanar graph.     

带系数线性比式和问题的全局优化方法(英文)

对带系数的线性比式和问题(P)提出一确定性全局优化算法.利用等价问题和线性化技术给出了问题(P)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,提出的分枝定界算法收敛问题(P)全局最优解.最终数值实验表明了提出方法的可行性.     

风车的δ-最优性

给出了关于风车的一组标号,证明了风车wm^n（m≥3,m≠4,5）是δ-最优的．     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.