基于视觉特征的主题型网页信息抽取

互联网高速发展的多年积累,如今web已经成为我们每一个普通人日常的一部分.Web绝对是世界上最大的信息数据库.同时每一个web页面中也包含这个目标信息以外的各种广告链接.称之为噪声.如何有效的过滤噪声,提取想要的目标内容已经成为一个实用且重要的研究领域.传统的方法大多都是基于DOM树及网页源代码的.这里在基于网页视觉特征分块算法VIPS的基础上,通过观察归纳网页目标内容和噪声的视觉特征来进行噪声过滤和目标内容提取.并提出了基于噪声和目标内容的视觉特征区别算法NGFV(Based on noise and goal content visual feature algorithm).     

基于改进Vibe算法与多特征的智能交通系统

基于计算机视觉技术对道路交通视频中的运动目标进行分类。针对目标分割过程中的光线变换及分类效率问题,主要采用贝叶斯网络模型以及合适的前景提取模型以提高精度。提出一种改进的Vibe算法对运动目标进行检测,通过提取目标长宽比、Hu不变矩以及离散度特征等对目标进行分类。最终实验结果正确率在80%以上,说明该智能交通系统可以有效识别出运动目标,且具有较强的鲁棒性与适应性。     

基于OpenCV的汽车轮毂自动识别分类系统

利用能对复杂目标进行识别的图像处理与视觉技术,在Visual Studio环境下基于OpenCV框架编程开发了汽车轮毂自动识别分类系统。系统对采集到的轮毂原始图像进行灰度化、图像去噪、毛刺处理、边缘提取等预处理后,提取了轮毂图像的外圆半径、轮毂辐数及轮辐形状等特征,根据所提取的特征对轮毂进行识别分类,实现了对轮毂的自动识别分类。     

一种被动声纳目标识别特征提取方法的研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。针对被动声纳目标识别,着重研究了一种调制连续谱特征提取方法,并采用自适应遗传BP算法的神经网络分类器对海上实录的三类目标噪声进行了分类识别,实验结果表明该被动声纳目标识别系统具有很好的分类效果。     

纹理特征和SIFT特征的茶叶品质分级

当前的茶叶分级研究主要基于纹理特征构造分类器,但易受采样过程中的光照、噪声影响.本文提出了结合经典的SIFT(Scale-invariant feature transform)特征描述子在自然光条件下的茶叶分级问题,并使用多类AdaBoost算法对样本进行分类.单幅图像的提取结果显示,SIFT特征对带瑕疵的图片仍具有很好的描述能力.在采集的90幅3级茶叶样本上的实验结果显示,纹理特征+SIFT特征取得了比单组特征更好的分类性能.     

基于视频图像处理的实验室异常行为检测北大核心

连续采集多帧视频图像,利用帧间滤波法建立背景图像,并通过改进背景差分算法尽可能地提取完整的目标轮廓,并用链表法表示轮廓特征。提取目标轮廓的HOG特征,通过SVM分类器进行分类,研究分析不同的人体异常行为。该方法可以有效识别出快速移动、弯腰行走、跌倒、跳跃、长时间停留等异常行为。     

基于全局-局部特征提取算法的信号分类系统（英文）

为了提高信号分类的准确度,提出了一种基于连续小波变换和全局-局部特征提取的信号分类算法.首先,对信号进行小波变换,生成时域-频域系数矩阵.然后,提出了一种全局-局部特征提取算法,该算法可以有效地提取时域-频域系数矩阵的特征信息.最后,使用支持向量机分析方法提取到的特征信息,输出分类结果.仿真结果表明,在信噪比为-3 dB的高斯白噪声环境下,所提出的信号分类算法对EBPSK信号分类的误码率为1.3×10~(-5),该误码率比基于支持向量机的信号分类算法低24倍,同时,使用全局-局部特征提取算法的误码率比仅使用全局特征提取算法低13倍,比仅使用局部特征提取算法低24倍.     

基于半监督与词向量加权的文本分类研究

针对文本分类领域的有监督学习往往需要大量精准标注样本但大量人工标注困难的问题,提出一种新型的半监督学习方式,通过协同训练合理使用大量未标记训练样本,通过添加不同分类的文本特征噪声解决传统协同半监督学习方法中模型参数趋于统一的问题,同时提高分类模型的分类能力。针对传统深度学习方法中文本特征权重一致导致的分类特异性特征不突出问题,在训练模型中加入 self-attention 机制对文本句子特征权重进行提取,并通过句子加权方式突出特异性分类特征。实验结果表明,通过半监督学习方式同时使用少量已标注数据进行训练,模型能够达到 91.4%的准确率,召回率达到 84.3%,与有监督训练方式的分类准确能力相近,从而解决大量人工标注问题,具有一定的使用价值。     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

基于视频图像处理的实验室异常行为检测

连续采集多帧视频图像,利用帧间滤波法建立背景图像,并通过改进背景差分算法尽可能地提取完整的目标轮廓,并用链表法表示轮廓特征。提取目标轮廓的HOG特征,通过SVM分类器进行分类,研究分析不同的人体异常行为。该方法可以有效识别出快速移动、弯腰行走、跌倒、跳跃、长时间停留等异常行为。     

声目标识别技术研究

本文对声目标识别的关键技术进行研究,探讨用小波分析来进行声信号处理和特征提取,用BP神经网络和支持向量机的模式分类方法来进行分类识别.通过对四种声信号的仿真实验表明,使用小波变换和人工神经网络技术及支持向量机分类技术相结合对声目标进行识别是有效、可行的.     

基于神经网络的玻璃瓶气泡和结石分类研究

研究在线视觉检测玻璃瓶气泡和结石的分类方法.根据检测系统具体的应用环境,实现了线性预分类器和BP神经网络分类器,并通过提取合理的样本特征,参数调整,整体优化了玻璃瓶气泡和结石分类识别过程,同时满足了生产的实时要求和识别的精度.     

融合多层注意力机制与双向LSTM的语义关系抽取

关系抽取是构建如知识图谱等上层自然语言处理应用的基础。针对目前大多数关系抽取模型中忽略部分文本局部特征的问题,设计一种结合实体位置特征与多层注意力机制的双向LSTM网络结构。首先根据位置特征扩充字向量特征,并将文本信息向量化,然后将文本向量化信息输入双向LSTM模型,通过多层注意力机制,提高LSTM模型输入与输出之间的相关性,最后通过分类器输出关系获取结果。使用人工标注的百科类语料进行语义关系获取实验,结果表明,改进方法优于传统基于模式匹配的关系获取方法。     

Joint application of feature extraction based on EMD-AR strategy and multi-class classifier based on LS-SVM in EMG motion classification

This paper presents an effective and efficient combination of feature extraction and multi-class classifier for motion classification by analyzing the surface electromyografic(sEMG) signals. In contrast to the existing methods,considering the non-stationary and nonlinear characteristics of EMG signals,to get the more separable feature set,we introduce the empirical mode decomposition(EMD) to decompose the original EMG signals into several intrinsic mode functions(IMFs) and then compute the coefficients of autoregressive models of each IMF to form the feature set. Based on the least squares support vector machines(LS-SVMs) ,the multi-class classifier is designed and constructed to classify various motions. The results of contrastive experiments showed that the accuracy of motion recognition is improved with the described classification scheme. Furthermore,compared with other classifiers using different features,the excellent performance indicated the potential of the SVM techniques embedding the EMD-AR kernel in motion classification.     

基于Gabor小波的维吾尔文笔迹的特征提取方法研究

本文提出使用Gabor小滤提取维吾尔文笔迹的纹理特征方法。首先,通过预处理形成维吾尔文纹理图像。按照维吾尔文笔迹的特点,对Gabor滤波器进行改进。然后用一组Gabor滤波,过滤后获得图像的高维特征向量。最后,最邻近分类器（NN）分类器对不同17名人的维吾尔文笔迹样本进行分类实验,并获得79.8%的鉴别率。     

基于深度学习的生猪饮水行为识别研究

计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况.现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确.提出一种基于深度学习目标检测算法YOLO(You Only Look Once,YOLO)的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否...     

基于颜色学习的移动机器人目标跟踪研究

针对目标的颜色特征较难描述的特点,并且不同光线下不同环境中相同目标的颜色信息也会不一样,本文提出了基于颜色学习的目标识别的方法。该方法可以在不知道目标颜色特征的情况下,通过摄像头采集目标的颜色自主地进行分析,然后生成目标的颜色特征信息,从而实现对目标的颜色特征的自主学习。在滤波环节中本文将噪声也进行图像分割,然后进行像素统计,将像素个数小于设定值的区域去除,从而达到滤波的效果。针对目标大小可以获取的情况,本文采用单目视觉对目标进行测距,结合从图像中获取的目标相对机器人的方位角信息,在极坐标中对其方位进行描述,并在定位的基础上对目标进行定位及跟踪实验。     

基于小波分析的GPS动态监测数据变形特征分析方法

主要对小波分析的一些基本数学理论进行了详细的介绍,并对小波变换以及多分辨率分析进行了重点且深入的分析。在此基础上,通过实际数据试验研究了小波基函数的选取,以及软、硬阈值处理方式对GPS变形数据序列去噪效果的影响,得到一些有益的结论。还对小波分解的噪声特性进行了详细分析,在此基础上通过实例验证了基于小波分析方法对GPS动态监测数据进行变形特征特征提取的可行性和可靠性,得出了其提取结果要优于中值滤波方法进行提取的结论。