观点分析对于社交媒体这一关键的网络舆论阵地有着重要的现实意义。该文基于非参数模型的文本聚类技术,将社交媒体文本根据用户主张的观点汇总,直观呈现用户群体所持有的不同立场。针对社交媒体文本长度短、数量多、情感丰富等特点,该...观点分析对于社交媒体这一关键的网络舆论阵地有着重要的现实意义。该文基于非参数模型的文本聚类技术,将社交媒体文本根据用户主张的观点汇总,直观呈现用户群体所持有的不同立场。针对社交媒体文本长度短、数量多、情感丰富等特点,该文提出使用情感分布增强(Sentiment Distribution Enhanced,SDE)方法改进现有基于狄利克雷过程混合模型的短文本流聚类算法,以高斯分布建模文本情感,并推导相应的坍缩吉布斯采样算法推断参数。该方法在捕获文本情感特征的同时,能够自动确定聚类簇数量并实现观点聚类。与现有先进方法在Tweets、Google News数据集上的对比实验显示,该文提出的方法在标准化互信息、准确度等指标上取得了超越现有模型的聚类表现,并且在主观性较强的数据集上具有更显著的优势。展开更多
为解决森林场景中被树木和烟雾遮挡的火焰难以检测的问题,给出了一种基于特征约束和空间域频域交互的森林火灾检测算法。首先,设计了一种特征不变性和协方差约束(Feature Invariance and Covariance Constraint,FICC)结构,通过拉近不同...为解决森林场景中被树木和烟雾遮挡的火焰难以检测的问题,给出了一种基于特征约束和空间域频域交互的森林火灾检测算法。首先,设计了一种特征不变性和协方差约束(Feature Invariance and Covariance Constraint,FICC)结构,通过拉近不同程度树木遮挡下的火焰特征来保持火焰特征的一致性,从而减轻树木遮挡的影响。其次,给出了一个基于傅里叶变换的空间频率交互模块(Spatial Frequency Interaction Module,SFIM),在振幅相位的结构语义信息约束下补充空间域高质量的火焰细节,从而学习具有判别性的火焰特征来解决烟雾遮挡的问题。试验结果表明,给出的算法在自制的森林火灾数据集上取得了84.4%的检测精度,比基线网络YOLOv5s提升4.7百分点。改进后的算法在有树木遮挡和烟雾遮挡的情况下仍能准确地预测,优于许多用于森林火灾场景的深度学习网络。展开更多
文摘观点分析对于社交媒体这一关键的网络舆论阵地有着重要的现实意义。该文基于非参数模型的文本聚类技术,将社交媒体文本根据用户主张的观点汇总,直观呈现用户群体所持有的不同立场。针对社交媒体文本长度短、数量多、情感丰富等特点,该文提出使用情感分布增强(Sentiment Distribution Enhanced,SDE)方法改进现有基于狄利克雷过程混合模型的短文本流聚类算法,以高斯分布建模文本情感,并推导相应的坍缩吉布斯采样算法推断参数。该方法在捕获文本情感特征的同时,能够自动确定聚类簇数量并实现观点聚类。与现有先进方法在Tweets、Google News数据集上的对比实验显示,该文提出的方法在标准化互信息、准确度等指标上取得了超越现有模型的聚类表现,并且在主观性较强的数据集上具有更显著的优势。
文摘为解决森林场景中被树木和烟雾遮挡的火焰难以检测的问题,给出了一种基于特征约束和空间域频域交互的森林火灾检测算法。首先,设计了一种特征不变性和协方差约束(Feature Invariance and Covariance Constraint,FICC)结构,通过拉近不同程度树木遮挡下的火焰特征来保持火焰特征的一致性,从而减轻树木遮挡的影响。其次,给出了一个基于傅里叶变换的空间频率交互模块(Spatial Frequency Interaction Module,SFIM),在振幅相位的结构语义信息约束下补充空间域高质量的火焰细节,从而学习具有判别性的火焰特征来解决烟雾遮挡的问题。试验结果表明,给出的算法在自制的森林火灾数据集上取得了84.4%的检测精度,比基线网络YOLOv5s提升4.7百分点。改进后的算法在有树木遮挡和烟雾遮挡的情况下仍能准确地预测,优于许多用于森林火灾场景的深度学习网络。
