日益丰富的门户个性化服务为兴趣建模提出了在描述以及扩展方面更高的要求.提出一种基于潜在兴趣语义描述的门户个性化兴趣模型(PIM-LISD,Personalization Inter-estModel based on Latent Interest Semantic Description),遵循有限混...日益丰富的门户个性化服务为兴趣建模提出了在描述以及扩展方面更高的要求.提出一种基于潜在兴趣语义描述的门户个性化兴趣模型(PIM-LISD,Personalization Inter-estModel based on Latent Interest Semantic Description),遵循有限混合模型理论,融入了隐式获取的门户个性化兴趣语义以及潜在兴趣语义关联描述.通过合理选取不同先验分布来适配潜在兴趣语义的后验分布,完善了模型的可解释性和自适应能力,并在建模过程中利用优化的期望最大化(TEM,Tempered Expectation Maxim ization)算法进行参数估计.实验表明该方法不仅有效节省建模开销,而且能够提升预测精度,从而验证了其正确性和有效性.展开更多
传统的视觉词典模型(Bag of Visual Words Model,Bo VWM)中广泛存在视觉单词同义性和歧义性问题.且视觉词典中的一些噪声单词—"视觉停用词",也会降低视觉词典的语义分辨能力.针对这些问题,本文提出了基于近义词自适应软分配...传统的视觉词典模型(Bag of Visual Words Model,Bo VWM)中广泛存在视觉单词同义性和歧义性问题.且视觉词典中的一些噪声单词—"视觉停用词",也会降低视觉词典的语义分辨能力.针对这些问题,本文提出了基于近义词自适应软分配和卡方模型的图像目标分类方法.首先,该方法利用概率潜在语义分析模型(Probabilistic Latent Semantic Analysis,PLSA)分析图像中视觉单词的语义共生概率,挖掘图像隐藏的语义主题,进而得到语义主题在某一视觉单词上的概率分布;其次,引入K-L散度度量视觉单词间的语义相关性,获取语义相关的近义词;然后,结合自适应软分配策略实现SIFT特征点与若干语义相关的近义词之间的软映射;最后,利用卡方模型滤除"视觉停用词",重构视觉词汇分布直方图,并采用SVM分类器完成目标分类.实验结果表明,新方法能够有效克服视觉单词同义性和歧义性问题带来的不利影响,增强视觉词典的语义分辨能力,较好地改善了目标分类性能.展开更多
将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PLSA分类算法结合在一起实现车辆和背景图像分类。首先用DoG特征提取算法提取图像特征,用这些特征聚类产生码书并对图像进行柱状图描...将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PLSA分类算法结合在一起实现车辆和背景图像分类。首先用DoG特征提取算法提取图像特征,用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类。实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果。结果表明本文算法分类正确率优于另外两种方法。展开更多
文摘传统的视觉词典模型(Bag of Visual Words Model,Bo VWM)中广泛存在视觉单词同义性和歧义性问题.且视觉词典中的一些噪声单词—"视觉停用词",也会降低视觉词典的语义分辨能力.针对这些问题,本文提出了基于近义词自适应软分配和卡方模型的图像目标分类方法.首先,该方法利用概率潜在语义分析模型(Probabilistic Latent Semantic Analysis,PLSA)分析图像中视觉单词的语义共生概率,挖掘图像隐藏的语义主题,进而得到语义主题在某一视觉单词上的概率分布;其次,引入K-L散度度量视觉单词间的语义相关性,获取语义相关的近义词;然后,结合自适应软分配策略实现SIFT特征点与若干语义相关的近义词之间的软映射;最后,利用卡方模型滤除"视觉停用词",重构视觉词汇分布直方图,并采用SVM分类器完成目标分类.实验结果表明,新方法能够有效克服视觉单词同义性和歧义性问题带来的不利影响,增强视觉词典的语义分辨能力,较好地改善了目标分类性能.
文摘提出了一种基于WordNet本体标注和概率潜在语义分析(PLSA,ProbabilisticLatent Semantic Analysis)的语义Web服务发现方法OntoPLSA.首先使用WordNet本体标注Web服务的操作名、参数以及用户请求,以经过标注后的输出参数集合为词汇集,服务描述文档集合为文档集,组成词汇-文档矩阵,以该矩阵为输入,使用PLSA方法对服务集进行分类,并将用户请求带入PLSA模型,确定其所属的类;然后在类中以标注后的输出参数为键,含有这个输出的服务的列表为键值,建立一个映射表,查找与用户请求的输出相似的映射表键,进而找出对应的键值,即服务列表;最后根据QoS(Quality of Service)和用户请求中的输入参数确定满足条件的服务结果集合.在415个Web服务组成的数据集上的测试结果表明,性能较其他方法有优势,召回率和R准确率也得到了改善.
文摘将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PLSA分类算法结合在一起实现车辆和背景图像分类。首先用DoG特征提取算法提取图像特征,用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类。实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果。结果表明本文算法分类正确率优于另外两种方法。
