基于内容图像检索中纹理分析的研究

首先介绍了三种常用于基于内容图像检索系统中的纹理分析方法。在游程长度统计分析法的基础上提出了一种新的算法——游程累加算法，并设计了一个基于纹理特征进行图像检索的系统。对两种算法进行比较，试验结果表明游程累加算法能更好的反映图像的纹理特征。     

综合颜色和纹理特征的图像检索

提出了一种综合颜色和纹理的图像检索算法。使用分块法和圆环法提取颜色特征,包含图像的感兴趣区域,并使用改进的共生矩阵提取纹理特征。最后对颜色和纹理进行综合。实验结果表明,提出的新算法具有更高的检索率。     

用dBASE-Ⅲ实现西文标题关键词的布尔逻辑检索算法

本文对dBASE—Ⅲ存在的某些局限性，即不能对多主题字段进行有效的检索以及缺少组配检索功能进行了探索研究，并给出了在dBASE－Ⅲ下实现布尔逻辑检索的算法．该算法以逆波兰方法为基础，并从dBASE－Ⅲ本身存在的优劣出发，对原逆波兰算法作了许多改进，以利于dBASE－Ⅲ对新算法的实现。     

基于文档权重归并法的企业专家检索*

针对企业专家的专长识别与检索问题,采用文档权重归并法,利用TREC W3C数据集实现企业内的专家检索,并与专家档案法进行了比较。研究结果表明同样采用BM25模型,采用文档权重归并法具有稳定的优势。     

多途径引导叠加式档案联机检索系统的设计与实现

本文叙述了一个面向终端用户的全汉字处理、档案联机检索系统的理论设计与实现过程．文中对该系统法所采用的全可变长数据存贮结构的设计、检索策略及人－机界面的选择，自动密级控制、程序逻辑结构及 算法的优化设计，系统的主要功能特点及运行结果分析等，作了较为详细的论述。     

基于同构型多处理机的并行检索算法研究

研究并行检索算法的一条途径是将原有串行检索算法并行化,这就需要挖掘串行检索算法中的并行性并合理选择所用的并行硬件实现环境。本文在较深入地分析传统的顺排检索和倒排检索中的功能并行性之后,基于同构型ＭＩＭＤ计算机系统,研究并提出并行顺排检索和并行倒排检索的算法原理及过程。文中思想对高效实现先进制造系统中的信息管理也具有一定的适用性。     

智能检索模型研究

提出了一个智能检索形式框架模型，论述了实例化该模型的建模技术、知识表示和检索算法，对30个智能信息检索系统进行了模型框架、知识表示和检索算法的统计分析，总结了三种类型的智能检索模型实例化方案。     

XML结构化检索研究及实现*

针对信息检索角度的XML的结构化检索问题,利用基于倒排文件的方法,使用NEXI作为检索语言,在基于XML的数字图书馆检索实验系统WHU-XML上对其进行实现,并具体分析查询语言的解析方法以及所采用的结构化检索算法。     

基于Rough集的情报检索研究

本文应用Rough集理论和模糊集知识研究一种新的情报检索系统 ,提出了新的情报检索方法。论文给出了这个系统的体系结构和系统的核心算法 ,进行了算法复杂性分析 ,检索算法的时间复杂性为 0 (log2 M)。它的主要特点是检索算法的时间复杂性不随着文献资料数量的增加而增加 ,只与主要标引词的多少有关。分析结果表明这是一种有效的算法     

菊池敏典法展开表生成技术的逻辑图分析法

本文对在我国广泛使用的菊池敏典算法进行了讨论，抛弃了传统的穷举式的分析法并提出了一全新的逻辑图分析法，对菊池敏典算法的主要部分──展开表技术从理论上进行了解释。这将使人们更好地理解该算法并且为算法的改进提供了理论基础。     

基于用户查询关键词的网页去重方法研究

在研究传统的基于特征码去重算法的基础上,针对元搜索引擎中网页重复现象,提出一种基于用户查询关键词的网页去重方法,提高元搜索引擎检索质量,并且介绍算法的实现过程,通过实验验证算法的有效性。     

Using Intersection Graphs for Smartphone-Based Document Localization

This article is devoted to analyzing document localization in images and evaluation of the performance of mobile applications. The analysis is used to propose a new algorithm of document-image capture. The algorithm consists in determining segments of document boundaries and building an intersection graph that complies with a projective rectangle model. According to the evaluation of the performance of the algorithm, its document-localization efficiency is as high as 95% and it outperforms all the reviewed algorithms used in mobile applications.     

一种基于Rough集理论的最近邻协同过滤算法

目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量.     

一种基于网页分割的Web信息检索方法

提出一种基于网页内容分割的Web信息检索算法。该算法根据网页半结构化的特点,按照HTML标记和网页的内容将网页进行区域分割。在建立HTML标记树的基础上,利用了的内容相似性和视觉相似性进行节点的整合。在检索和排序中,根据用户的查询,充分利用了区域信息来对相关的检索结果进行排序。     

The analysis and synthesis of information during enterprise restructuring

The author offers a practical algorithm for analyzing an organization in the context of the systems approach for the purpose of its subsequent restructuring. Each step of the offered algorithm is considered to be an analysis of information on the organization, focused on the synthesis of a new and more perfect element of the organization, its new properties, new relations, etc. depending on the subject of the analysis and on the purposes set by people carrying it out for themselves and for the organization.     

基于专家信任优先的协同过滤推荐算法

针对传统协同过滤推荐算法的不足,依据现实生活经验,认为在协同过滤推荐过程中考虑用户的专家信任因素十分必要。详细阐述专家信任的概念以及利用用户评分数据计算专家信任度的方法,提出一种基于专家优先信任的协同过滤推荐算法。在公开数据集GroupLens上的实验结果表明,该算法预测用户评分的精度和成功率都明显优于传统的最近邻法。     

基于潜在语义索引的SVM文本分类模型

本文将潜在语义索引理论与支持向量机方法相结合,对文本向量各维与文本的语义联系进行特征抽取,建立了完整的基于潜在语义索引的支持向量机文本分类模型,分析了该方法与分词的维数以及SVM惩罚因子选择之间的关系.并在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离来修剪混淆点,提出了一种改进的NN-SVM算法:KCNN-SVM算法.利用该算法对降维后的训练集进行修剪.实验表明,用新的模型进行文本分类,与单纯支持向量机相比,受到文本分词维数以及支持向量机惩罚因子的影响更小,其分类正确率更高.     

基于Bloom Filter的超大规模网页去重策略研究

针对大规模信息采集,运用Bloom Filter及其改进算法,在误差允许的条件下,通过URL散列运算可以有效地对同源网页进行去重。实践证明,通过对其参数进行合理的调整,可以达到满意的结果。     

基于HITS算法的期刊评价研究

构建了适用于期刊引用网络的HITS(hypertext in-duced topic search)算法,利用2006年的中国科技论文与引文数据库(CSTPCD)分别计算所有及化学类统计源期刊的权威(authority)值与中心(hub)值,并与影响因子进行了对比研究,讨论了HITS算法用于期刊评价的优缺点以及适用范围。     

Some Formal Analysis of Rocchio's Similarity-Based Relevance Feedback Algorithm

Rocchio's similarity-based Relevance feedback algorithm, one of the most important query reformation methods in information retrieval, is essentially an adaptive supervised learning algorithm from examples. In spite of its popularity in various applications there is little rigorous analysis of its learning complexity in literature. In this paper we show that in the binary vector space model, if the initial query vector is 0, then for any of the four typical similarities (inner product, dice coefficient, cosine coefficient, and Jaccard coefficient), Rocchio's similarity-based relevance feedback algorithm makes at least n mistakes when used to search for a collection of documents represented by a monotone disjunction of at most k relevant features (or terms) over the n-dimensional binary vector space {0, 1} ⁿ . When an arbitrary initial query vector in {0, 1} ⁿ is used, it makes at least (n + k – 3)/2 mistakes to search for the same collection of documents. The linear lower bounds are independent of the choices of the threshold and coefficients that the algorithm may use in updating its query vector and making its classification.