检索结果-内蒙古大学图书馆

计算机应用研究 2015年第10期32卷 2999-3003页

作者：朱韶平樊晓平湖南财政经济学院信息管理系长沙410205 中南大学信息科学与工程学院长沙410075

针对滚动轴承故障检测过程中训练样本收集难的问题,研究了视觉词袋模型和p LSA算法,提出了一种基于概率潜在语义模型的滚动轴承故障检测新方法。为了减少计算复杂度,降低特征的维数,在利用小波包变换提取滚动轴承故障特征后,引入视觉词... 详细信息

针对滚动轴承故障检测过程中训练样本收集难的问题,研究了视觉词袋模型和p LSA算法,提出了一种基于概率潜在语义模型的滚动轴承故障检测新方法。为了减少计算复杂度,降低特征的维数,在利用小波包变换提取滚动轴承故障特征后,引入视觉词袋模型将故障特征表示为视觉词袋特征的直方图;为了减少训练样本收集的难度,解决小样本问题,进而运用p LSA模型对滚动轴承故障进行检测。实验结果表明,该方法缩短了训练时间,提高了检测精度,具有一定的实用价值。

关键词：滚动轴承故障检测小波包变换视觉词袋模型 plsa模型

来源：评论

学校读者我要写书评

暂无评论

基于plsa模型的Web页面语义标注算法研究

引用

情报杂志 2013年第1期32卷 141-144页

作者：王云英湘南学院图书馆郴州423000

高效的Web页面语义标注方法是提高Web信息资源利用效率和知识创新的关键。针对当前Web页面语义标注方法存在的问题和Web页面表现出的结构特征和文本特征及其主题分布规律,设计了基于plsa主题模型的Web页面语义标注算法。该算法分别对We... 详细信息

高效的Web页面语义标注方法是提高Web信息资源利用效率和知识创新的关键。针对当前Web页面语义标注方法存在的问题和Web页面表现出的结构特征和文本特征及其主题分布规律,设计了基于plsa主题模型的Web页面语义标注算法。该算法分别对Web页面的结构特征和文本特征构建独立的plsa主题模型,采用自适应不对称学习算法对这些独立的plsa主题模型进行集成和优化,最终形成新的综合性的plsa主题模型进行未知Web页面的自动语义标注。实验结果表明,该算法能够显著提高Web页面语义标注的准确率和效率,可以有效地解决大规模Web页面语义标注问题。

关键词：语义标注 plsa模型潜在语义主题标注算法 Web页面

来源：评论

学校读者我要写书评

暂无评论

中文网络评论的隐式产品特征提取方法研究

引用

福州大学学报（哲学社会科学版） 2020年第1期34卷 59-65页

作者：陈可嘉骆佳艺福州大学经济与管理学院福建福州350108

针对现有研究忽略隐式产品特征提取的问题,基于自然语言处理技术相关理论,提出新的隐式产品特征提取方法。引入产品特征主题和背景主题,建立GT-plsa(Given Topic plsa,给定主题的plsa)模型;估计GT-plsa模型的参数;通过模型参数值推断评... 详细信息

针对现有研究忽略隐式产品特征提取的问题,基于自然语言处理技术相关理论,提出新的隐式产品特征提取方法。引入产品特征主题和背景主题,建立GT-plsa(Given Topic plsa,给定主题的plsa)模型;估计GT-plsa模型的参数;通过模型参数值推断评论句所包含的隐式产品特征。对手机评论数据进行仿真实验的结果表明,该方法能有效准确地提取评论句中的隐式产品特征,从而提高产品特征的总体提取效果。

关键词：评论挖掘产品特征提取隐式产品特征 plsa模型

来源：评论

学校读者我要写书评

暂无评论

基于主题聚类的短文本情绪分类方法

引用

计算机与数字工程 2020年第6期48卷 1400-1404,1439页

作者：林江豪顾也力周咏梅阳爱民陈锦广东外语外贸大学语言工程与计算实验室广州510006 广东外语外贸大学东方语言文化学院广州510420 广东外语外贸大学信息科学与技术学院广州510006

针对现有短文本细粒度情绪分类研究中的不足,提出基于概率潜在语义分析(plsa)模型和K-means聚类的短文本细粒度情绪分类方法。基于plsa计算获得语料集的文档与主题、词语与主题之间的概率矩阵;在词语与主题概率分布上,基于K-means算法... 详细信息

针对现有短文本细粒度情绪分类研究中的不足,提出基于概率潜在语义分析(plsa)模型和K-means聚类的短文本细粒度情绪分类方法。基于plsa计算获得语料集的文档与主题、词语与主题之间的概率矩阵;在词语与主题概率分布上,基于K-means算法对词汇在主题上的概率分布进行聚类,进而将相近主题进行合并处理;基于情感本体库,认为某一类情绪词汇出现的概率最高的主题与词汇的情绪类别相同,对合并后的主题进行情绪类别识别;最后,基于合并后的文档与主题概率矩阵,认为出现在某一主题概率最高的文档与主题的情绪类别相同,对文档情绪类别进行分类。实验结果表明,采用plsa+K-means比plsa可取得更高的分类准确率,总体分类准确率达到95.23%。

关键词：情绪分类情绪类别 plsa模型 K-means

来源：评论

学校读者我要写书评

暂无评论

基于中层语义特征模型的高分辨率PolSAR图象分类方法研究

基于中层语义特征模型的高分辨率PolSAR图象分类方法研究

引用

作者：张宇哈尔滨工业大学

学位级别：硕士

极化合成孔径雷达(PolSAR)利用电磁波的穿透性以及对电磁波的极化方式进行组合,可以全天时,多极化的获取更为丰富的地表地物信息。因此被广泛应用于目标检测、遥感图象分类、地表参数反演等领域。随着PolSAR系统获取图象分辨率逐渐提高... 详细信息

极化合成孔径雷达(PolSAR)利用电磁波的穿透性以及对电磁波的极化方式进行组合,可以全天时,多极化的获取更为丰富的地表地物信息。因此被广泛应用于目标检测、遥感图象分类、地表参数反演等领域。随着PolSAR系统获取图象分辨率逐渐提高,传统的基于象素级的解译方法受到一定制约,因此如何针对高分辨率PolSAR图象进行快速并准确的解译成为研究重点。本文针对利用低层象素级特征解译存在的问题,研究利用基于中层语义特征建模的方法进行PolSAR图象分类。高分辨的PolSAR图象地物信息更加复杂丰富,基于象素的处理时间较长,因此进行分割操作获取保留良好地物边缘的对象区域作为处理单元有效提升解译速度。计算机通常都是获取低层特征进行解译,PolSAR图象的低层特征是通过目标分解得到的基于象素的极化特征。高层特征是结合了对象信息、语义上下文信息、尺度空间信息等的基于图象全局理解的特征,是更接近于人们理解的特征。中层特征模型的引入能建立起低层特征与高层特征间的桥梁使计算机的解译过程更接近于人们理解图象的过程。词包(BOW)模型和概率潜在语义分析(plsa)模型均为中层特征模型,它们将抽象的低层极化特征转化成具象的“单词”、“主题”中层特征,进而更好的实现图象理解。本文首先介绍了PolSAR图象分割、中层语义特征建模及分类等的研究及发展现状。针对PolSAR图象的特殊成像基理以及地物分类的实现,介绍了基于区域生长与合并的分割,以获取中层特征表征的最小单元。其次,在每个获取的分割区域中利用词包(BOW)模型进行中层语义特征的提取并实现分类。本文采取两种方法进行视觉单词的构造,一种是基于K-means的方法聚类形成视觉词典,另一种是结合多尺度上下文信息以及先验知识信息构造多尺度的视觉词典。利用视觉单词对图象区域进行表征并结合SVM分类器实现分类。然后引入概率潜在语义分析(plsa)模型挖掘单词间的潜在关系,将视觉单词到文档的映射转化为隐语义主题到文档的映射,有效降低了特征维度并提高解译精度。最后,利用两组PolSAR数据进行地物分类实验并利用一组PolSAR数据进行场景分类实验进行验证与分析。实验结果表明,本文方法可以在保证分类精度的前提下有效提升高分辨率PolSAR图象的分类速度,验证了方法的合理性与实际可应用性。

关键词： PolSAR 中层特征词包模型 plsa模型分类

来源：评论

学校读者我要写书评

暂无评论

基于plsa的新闻评论情绪类别自动标注方法

引用

计算机系统应用 2019年第1期28卷 207-211页

作者：林江豪顾也力周咏梅阳爱民广东外语外贸大学语言工程与计算实验室广州510006 广东外语外贸大学信息科学与技术学院广州510006 广东外语外贸大学东方语言文化学院广州510420

针对大规模语料手动标注困难的问题,提出利用概率潜在语义分析(plsa)模型的新闻评论自动标注方法.利用plsa计算获得语料集的"文档-主题"和"词语-主题"概率矩阵;基于情感本体库和"词语-主题"概率矩阵,认... 详细信息

针对大规模语料手动标注困难的问题,提出利用概率潜在语义分析(plsa)模型的新闻评论自动标注方法.利用plsa计算获得语料集的"文档-主题"和"词语-主题"概率矩阵;基于情感本体库和"词语-主题"概率矩阵,认为某一类情绪词汇出现的概率最高的主题与词汇的情绪类别相同,对主题进行情绪类别标注;最后,基于"文档-主题"概率矩阵,认为出现在某一主题概率最高的文档与主题的情绪类别相同,通过"词汇-主题-文档"三者的关系,达到自动标注的效果.实验结果表明,本文提出的方法准确率可达到90%以上.

关键词：语料库情绪类别 plsa模型语料标注自动标注

来源：评论

学校读者我要写书评

暂无评论

基于BOW和plsa模型的物体识别方法

基于BOW和PLSA模型的物体识别方法

引用

作者：王锴北京工业大学

学位级别：硕士

当前,移动机器人已经被广泛应用到了工业、航天、军事、服务等诸多领域。随着应用领域的拓展,人们对移动机器人的智能性要求也越来越高。由于视觉系统是最接近人类感知环境的方式,且能够为移动机器人提供丰富的感知信息,因此,基于视觉... 详细信息

当前,移动机器人已经被广泛应用到了工业、航天、军事、服务等诸多领域。随着应用领域的拓展,人们对移动机器人的智能性要求也越来越高。由于视觉系统是最接近人类感知环境的方式,且能够为移动机器人提供丰富的感知信息,因此,基于视觉的环境感知问题成为智能机器人领域的研究热点,吸引了大量的研究人员参与。物体识别是移动机器人环境感知与导航定位的基础和核心,研究此类问题对提高机器人智能化水平的具有重要的科学意义和实际应用价值。在真实的动态复杂环境下,机器人视觉所拍摄的图像不可避免地存在视角、光照、尺度等变化,给研究物体识别问题带来极大挑战。本文针对移动机器人感知实际环境所面临的上述问题,研究基于BOW和plsa模型的物体识别,主要内容包括:　　(1)研究了基于尺度不变特征和词袋模型的物体识别方法。特征提取是物体图像识别过程中的一个关键步骤,其提取结果的好坏对识别结果起到至关重要的作用。图像局部特征因其包含了人类感兴趣的重要目标,最能表达图像的内容,受到越来越多的研究人员所关注。本文在分析比较几种常用的特征描述子的基础上,考虑到虽然SIFT特征对光照变化、视角变化和缩放等具有不变性,在物体识别中能够获得较好的匹配效果,但同时也存在识别时间较长的问题,因此,研究了基于SIFT局部特征和词袋模型的(Bag of Words,BOW)物体识别方法:采用BOW模型重构图像特征,将图像的局部特征矢量量化成视觉单词,根据图像视觉单词出现的频率完成物体图像识别。实验结果表明,该方法能够保持SIFT局部特征在物体识别中所具有的优势的同时,大大减少了物体识别的时间,更好地满足移动机器人视觉导航的实际应用需求。　　(2)提出一种改进的词袋模型(IBOW)物体识别方法。传统的BOW模型虽然满足了实时性的要求,但是识别率会有所降低。为了更好地实时处理具有复杂的非线性变化的图像,并能满足机器人对实时性的要求,在传统BOW模型的基础上,引入词频.逆文档频率(Term Frequency-Inverse Document Frequency,TF-IDF)权重计算方法,计算视觉单词在特征集合的权重,根据权重大小保留具有较强区分能力视觉单词。分别在不同的数据集上进行了实验,结果表明:与传统的BOW模型相比,IBOW模型的物体识别方法在保证实时性的同时,具有更高的识别率。　　(3)提出了一种改进的概率潜在语义分析(Iplsa)物体识别方法。传统的分类模型虽然对在不同时间、地点下的同一个物体有较高的识别结果,但是对每个个体都存在外观、形状差异的同类物体,仅凭借图像的底层特征信息,而不考虑跨越语义鸿沟的方法显然具有较大的局限性。为了缩小语义鸿沟以及应对复杂图像识别问题,本文借鉴文本信息检索领域中概率潜在语义分析方法(Probabilistic latent semantic analysis,plsa),通过对图像进行语义建模,计算每幅图像的潜在主题,来达到对同类物体图像识别的目的。实验表明:针对同类物体的识别,plsa方法相比传统的分类模型具有优越性,但是由于传统的plsa方法只计算视觉单词之问的语义信息,却忽略了视觉单词的空间信息,其识别效果仍不能满足移动机器人实际应用。针对此问题,本文提出一种改进的概率潜在语义分析模型(Improved-plsa):考虑到视觉单词之间的空问信息,通过建立起局部描述子到某种局部语义概念的映射,再利用图像中局部语义概念的分布来实现图像的分类识别。实验证明:改进的概率潜在语义分析(Iplsa)模型比传统的plsa模型具有更高的正确识别率,而且整个训练模型的过程都是离线完成,因此,所提出的方法可以应用于移动机器人的视觉任务。　　(4)在以上算法研究的基础上,利用OpenCV和C/C++技术构建了一套基于局部显著特征的物体识别软件原型系统。该系统具有特征提取与分析,物体识别等功能,同时具有较好的可视化效果。软件测试结果表明,所构建的系统原型具有较好的鲁棒性。

关键词：移动机器人 plsa模型物体识别 BOW模型特征描述子视觉单词

来源：评论

学校读者我要写书评

暂无评论

融合时间的混合推荐算法研究

融合时间的混合推荐算法研究

引用

作者：杨海龙广东工业大学

学位级别：硕士

互联网上的海量信息给人们提供了丰富的信息来源,但是这也造成了信息过载的问题。推荐系统能够主动帮助用户获取想要的信息,极大的方便了人们的生活。近些年推荐系统得到了广泛的应用,同时也成为了人们的研究热点。协同过滤算法是推荐... 详细信息

互联网上的海量信息给人们提供了丰富的信息来源,但是这也造成了信息过载的问题。推荐系统能够主动帮助用户获取想要的信息,极大的方便了人们的生活。近些年推荐系统得到了广泛的应用,同时也成为了人们的研究热点。协同过滤算法是推荐系统的经典算法,许多新的算法也是在此基础之上进行了改进。这些模型的准确率或召回率得到了不同程度的提高,但是单一指标的提高越来越无法满足用户的需求。目前许多推荐系统研究主要针对静态的数据,然而用户的兴趣与时间有着密切的联系。为了挖掘物品与时间的联系,给用户推荐喜欢的物品,同时还能够挖掘用户的潜在兴趣。本文围绕着推荐的准确性、多样性、用户的兴趣变化等问题进行研究,研究工作主要包括以下几个方面:(1)为了解决推荐系统的准确性和提高推荐物品的多样性问题。本文提出了GP混合推荐模型,它将GLSLIM模型和plsa模型产生的推荐列表进行合并,然后把两种算法计算得出的推荐结果通过合适的权重因子结合,产生一组新的推荐列表。它可以向用户推荐想要商品的同时还可以挖掘用户的潜在兴趣,从而更好的满足用户的需求。(2)针对用户对产品兴趣随时间产生的变化。本文改进了时间函数,并将其引入到GP混合推荐模型的评分矩阵中,形成T-GP模型(融合时间的混合推荐算法)。这样不仅可以更合理的给用户推荐喜欢的商品,还能将不感兴趣和已过时的商品过滤,从而优化推荐结果。本文在实验部分采用的是公开的Movielens数据集,通过推荐结果的平均绝对误差(MAE)和召回率(RECALL)来对比本文算法和传统算法之间的差异。T-GP模型利用时间因子降低影响推荐精度的噪声,通过混合模型来改善推荐结果。最后实验结果表明本文提出的算法比传统的算法在这两个评价指标上更具有优越性。

关键词： SLIM模型 GLSLIM模型协同过滤 plsa模型时间函数

来源：评论

学校读者我要写书评

暂无评论

基于plsa算法的装备故障信息分类方法研究

引用

中国新通信 2018年第15期20卷 41-42页

作者：张伟李东陆军装甲兵学院信息通信系

本文针对现有使用人力分类装备故障数据效率和准确率较低的问题,提出并使用p LSA模型对故障数据自动分类,达到较高效率及准确率。

关键词：装备故障数据 plsa模型

来源：评论

学校读者我要写书评

暂无评论

基于微博信息的北京地区房价趋势预测的关键技术研究

基于微博信息的北京地区房价趋势预测的关键技术研究

引用

作者：王鹏北京工业大学

学位级别：硕士

随着机器学习与自然语言处理技术的快速发展,同时房价的快速增长成为当前社会的焦点问题,采用机器学习技术的房价趋势预测方法逐渐成为人们的研究热点。然而当前多数预测工作中,数据源主要采用金融领域相关客观指标数据,未能考虑人们主... 详细信息

随着机器学习与自然语言处理技术的快速发展,同时房价的快速增长成为当前社会的焦点问题,采用机器学习技术的房价趋势预测方法逐渐成为人们的研究热点。然而当前多数预测工作中,数据源主要采用金融领域相关客观指标数据,未能考虑人们主观因素对房价的影响。为此,本文尝试以新浪微博中个人发表的状态、回复等信息为基础数据,通过对基础数据进行分词、词性标注、主题建模、情感倾向识别等操作,提取了与房价趋势变化相关的各项主观倾向参数数据,建立了一个融合主观因素参数集的房价预测模型,并利用该模型设计并实现了一个房价趋势预测系统,提高了房价趋势预测的准确度。研究内容包括:(1)通过对网络广告中相关房产房源及周边信息进行人工汇总,确定面向房产领域主观态度信息的房产领域主题集合,并以主题的变化趋势与房价变化趋势间的相似性作为参数对实际房价变化的影响程度进行主题筛选,最终实现主观态度的提取。(2)针对分词过程中相关主题词汇无法正确识别的问题,通过将词汇与房产领域各相关主题中关键词的相似度作为词汇与各主题的相关程度对边界熵模型进行算法改进,并在此基础上引入条件随机场模型进行模型融合,实现了一种基于房产领域相关主题的微博文本分词方法。将该方法与现有分词进行对比测试,测试结果证明该方法更加快速、精确。(3)针对主题建模中相关主题识别能力差的问题,通过在概率潜在语义分析(Probabilistic Latent Semantic Analysis,plsa)模型中加入最大熵先验层筛选输入文本形成词干串序列,并引入Jaccard系数计算剩余单词相似矩阵,提出了一种面向房产领域的主题建模算法。将该算法与现有主题建模算法进行对比测试,测试结果证明该算法更加准确、高效。(4)针对微博内容不确定性强、内容杂糅的特点,通过模型选择、模型参数设计等方式设计了一个更适合微博内容的预测模型,并采用面向对象的设计思想,设计系统的总体框架,各个功能模块和相关类的设计,以B/S的网站架构为基础,采用JSP技术实现了整个预测系统。最后,通过选取近几年北京地区舆情情况及实际房价趋势变动情况,对本文提出的预测系统与其他现有房价趋势预测系统进行了对比测试。测试结果表明:本文的预测方法高效、全面,可自动化的完成基于主观因素的房价预测任务,且具有较高的预测准确度。

关键词：房价预测分词主题建模边界熵模型 plsa模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：