基于条件随机场的汉语词性标注方法研究

本文提出了一种基于条件随机场模型的汉语词性标注方法。该方法能够充分利用词的上下文信息作为特征。实验表明,该方法的标注效果明显优于基于隐马尔可夫模型和最大熵马尔科夫模型的方法。     

基于条件随机场的中文人名识别研究

利用条件随机场能够任意添加特征的优点,基于条件随机场模型在字粒度一级进行中文人名识别的研究．根据中文人名在文本中出现的基本特征和上下文特征,结合模型的综合性能,合理构造条件随机场的特征模板,在大规模标注语料上进行训练,统计中文人名在文本中的条件概率分布,获得模型参数,并采用序列标注的方式完成中文人名识别任务．多次闭合测试和开放测试结果表明,F值基本都高于90％．     

基于条件随机场的中文人名识别

中文人名数量众多,规律各异,使得中文人名识别成为中文分词的重点和难点,中文人名识别技术的突破将对提高汉语自动分词和句法分析的准确性有着很重要的作用。本文根据中文人名的特点,利用条件随机场模型进行人名识别,通过第四届Bakeoff评测语料上测试,召回率为80.97%,准确率为94.42%,综合指标F为87.18%。     

基于条件随机场的语义角色标注

由于语义角色标注对深层次的自然语言处理非常必要,提出了一种基于条件随机场的语义角色标注方法.该方法以浅层句法分析为基础,把短语或命名实体作为标注的基本单元,将条件随机场模型用于句子中谓词的语义角色标注.该方法的关键在于模型的参数估计和特征选择.具体应用中采用L-BFGS算法学习模型参数,并选择基于句法成分的、基于谓词的、句法成分-谓词关系三类特征作为模型特征集.在CoNLL-2005评测任务所提供的数据集上的实验结果表明:基于条件随机场的方法比基于最大熵模型的方法性能更好.该方法在语义角色标注任务上获得了80.43%的准确率和63.55%的召回率.     

一种基于条件随机场（CRF）的运动轨迹填补方法

关于运动轨迹填补方法,以前的研究只考虑了数据之间的局部关联性而忽视了全局关联性,条件随机场方法可以有效解决这个问题。首先利用基于用户的协同过滤算法寻找候选集,再利用基于距离的聚类算法对候选集预处理,达到筛选的目的;最后利用条件随机场理论对运动轨迹的缺失值进行填补。实验表明：该方法准确度较高。     

基于贝叶斯分类器和条件随机场模型的词义消歧对比研究

本文采用贝叶斯分类器和条件随机场模型分别在同等规模的训练集和测试集上进行了词义消歧的对比实验。实验结果证明条件随机场模型能从上下文中任意地选择所需要的特征,而且有很强的特征组合能力,而不像贝叶斯分类器那样只对上下文的词形做训练．所以消歧结果是条件随机场模型优于贝叶斯分类器．但是在训练复杂度上．条件随机场要比贝叶斯分类器更为复杂一些。     

图像分割技术研究

对当前的图像分割技术进行了综述,具体介绍了并行边界类、串行边界类、并行区域类和串行区域类4种分割算法,并对分割算法进行了评价。     

一种玉珠图像的快速分割方法

提出一种针对手机拍摄的玉珠图像的快速分割方法.该方法通过对图像多个采样点的R、G、B分量分析,设计出适合不同颜色玉珠分割的RGB颜色特征组合,并利用其分割出不同的图像元素,最后进行图像合并.较好地解决了由于玉珠颜色不同、表面光滑度不同和拍摄角度等原因,造成的珠体反射点多、形状失真、模糊及遮挡等影响玉珠与背景分离的问题.经实验证明,本方法具有较好的分割效果,较快的实现速度及稳定性.     

车型图像分割方法的研究

图像分割无论是在图像处理方面, 还是在模式识别方面, 都是一个非常重要而且比较复杂的问题. 本文对一般的汽车车型图像分割方法进行了介绍, 对其中常用的方法进行了较为详细的分析和研究; 指出了目前车型图像分割技术中存在的一些迫切需要解决的问题, 并且提出了一般的解决思路和方案.     

基于NSCT变换的随机游走红外图像分割方法

红外图像具有灰度变化不平均、分辨率较低、噪声较多等特征,传统的图像分割方法难以对红外图像分割出有效实体。为解决这一问题,设计了一种基于非下采样Contourlet 变换(NSCT)的随机游走红外图像分割算法。传统的随机游走图像分割方法,图像部分灰度值的不均匀变化可能改变随机游走算法的路径,而且分割目标的轮廓很容易受到图像背景噪声影响,所以可以通过增强图像的目标轮廓,抑制图像噪声,以达到更好的分割效果。NSCT变换是一种非常有效的图像增强方法,首先采用NSCT变换对红外图像进行多方向、多尺度分解,得到红外图像的低频和高频系数,对该系数进行处理,然后反变换得到增强后的红外图像。实验结果表明,该方法在红外图像分割中取得了很好的效果。     

基于Radarsat-1数据的北极海冰SAR图像自动分割研究

基于Radarsat-1数据提出了一种集成Gibbs采样标记步骤的北极海冰SAR图像分割算法,该算法综合考虑了斑点噪声、纹理特征等不确定因素,经由像素到区域再到大尺度区域这一途径,把区域化标识、Gibbs采样标记以及区域合并等操作组合起来,实现对海冰SAR图像的分割,针对S.Laurence Bay和Beaufort海冰图像的测试实验表明,与基于区域的MRF分割算法相比提出的算法可有效提高图像分割的准确性。     

基于图像分割的改进型预测编码

传统的预测编码是通过将图像转化为预测差来消除像素间的冗余度,从而实现图像压缩。为了进一步减小预测差的熵,提出了一种基于图像分割的改进型预测编码算法。实验结果表明,该算法具有比传统预测编码更好的压缩效果。同时,还比较了各种不同的分割方法对图像压缩性能的影响。     

基于区域生长算法的CT序列图像分割

由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在三维空间上的连通性,采用三维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.     

基于特定理论工具的彩色图像分割技术

图像分割是对图像进行分析和理解的基础，彩色图像由于较灰度图像具备更多的视觉信息而越来越受到人们的关注．对彩色特征空间的选取，以及近年来通过结合模糊数学、马尔可夫随机场、神经网络、遗传算法、小波分析等特定理论工具和模型的彩色图像分割方法和策略进行了介绍．     

一种基于K-平均簇划分算法的图像分割方法

给出了一种对簇分布近似球状分布的图像进行分割的有效算法，与其他算法相比，这种算法不但是一种阚值自适应分割算法，而且正确分割率较高。     

基于CFAR的SAR图像分割

选用瑞利分布模型对SAR图像进行恒虚警率(CFAR)检测。提出新的参考窗口选取方法,并针对虚警特点提出新的均值估计方法。实验证明,与一般的均值估计方法相比,文中提出的均值估计方法是可行的、有效的,且与其中提出的参考窗口选取方法相结合能更好地去除虚警,保留目标信息。     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节.伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法.卷积神经网络(CNN)与全卷积神经网络(FCN)的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升.从传统语义分割方法、深度学习与传统方...     

基于CFAR的SAR图像分割

选用瑞利分布模型对SAR图像进行恒虚警率(CFAR)检测。提出新的参考窗口选取方法,并针对虚警特点提出新的均值估计方法。实验证明,与一般的均值估计方法相比,文中提出的均值估计方法是可行的、有效的,且与其中提出的参考窗口选取方法相结合能更好地去除虚警,保留目标信息。