检索结果-内蒙古大学图书馆

科学技术与工程 2015年第36期35卷 183-188,193页

作者：相子喜吕学强张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京市朝阳区市政市容管理委员会北京100021

针对网络新闻图像中人物的不同表情、光照、姿势等因素带来的视觉空间差异造成的人脸检测效果差的问题,提出滑动窗口自适应方法和肤色特征相融合,检测新闻图像中的人脸。针对单样本条件下的人脸识别问题,提出有监督的双向二维局部保持... 详细信息

针对网络新闻图像中人物的不同表情、光照、姿势等因素带来的视觉空间差异造成的人脸检测效果差的问题,提出滑动窗口自适应方法和肤色特征相融合,检测新闻图像中的人脸。针对单样本条件下的人脸识别问题,提出有监督的双向二维局部保持投影法,提取人脸特征。结合图像子特征加权方法,先将人脸图像分块,子图像的子集作为一个子特征统计权重,采用人为投票的方式进行识别。实验选取雅虎新闻图像和新华网新闻图像。结果表明,滑动窗口自适应算法在不同类别新闻图像中人脸检测率提高了3%~10%,人脸识别率在一定范围内提高了5%。

关键词：人脸检测滑动窗口自适应图像分块局部保持投影子特征

来源：评论

学校读者我要写书评

暂无评论

SGNet:融合多特征的密集人群计数网络

引用

计算机工程与设计 2022年第11期43卷 3001-3007页

作者：韩晶王希畅吕学强张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 首都师范大学中国语言智能研究中心北京100089

为解决密集人群计数任务中多列卷积核独立训练的限制及缺少针对性优化的问题,提出融合多尺度特征的密集人群计数算法SGNet。通过设计一种围绕相同感受野SRF(same receptive field)的特征融合方法,达到强化不同特征列之间的关联性,获得... 详细信息

为解决密集人群计数任务中多列卷积核独立训练的限制及缺少针对性优化的问题,提出融合多尺度特征的密集人群计数算法SGNet。通过设计一种围绕相同感受野SRF(same receptive field)的特征融合方法,达到强化不同特征列之间的关联性,获得更多的特征细节和特征信息的目的;融合网格赢家通吃GWTA(grid winner-take-all)的思想设计损失函数,通过计算区域损失值着重优化重要特征。实验结果表明,与基线模型相比SGNet在任一数据集上的检测效果均有一定程度的提升,验证了该模型具有较强的鲁棒性及可移植性。

关键词：密集人群人数估计密度图生成相同感受野网格赢家通吃

来源：评论

学校读者我要写书评

暂无评论

多封闭区间三维模型的骨架提取与检索

引用

微电子学与计算机 2015年第1期32卷 85-90页

作者：霍磊吕学强张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京市朝阳区市政市容管理委员会北京100021

提出了动态邻接封闭区间连接方法以及基于球面特征的检索方法.依据模型封闭区间的位置关系以及所占比重对原模型的多个封闭区间进行连接,将原模型合并成一个封闭区间,计算模型各点的#值,即测地线距离函数值,分裂区间,聚合成骨架点,去除... 详细信息

提出了动态邻接封闭区间连接方法以及基于球面特征的检索方法.依据模型封闭区间的位置关系以及所占比重对原模型的多个封闭区间进行连接,将原模型合并成一个封闭区间,计算模型各点的#值,即测地线距离函数值,分裂区间,聚合成骨架点,去除冗余点得到连通的骨架;以#值最小的骨架点为球心,在骨架上建立N个球面,提取球面相交的特征用于检索.实验结果表明,本文算法能有效提取多封闭区间三维模型骨架,提高三维模型的查准率.

关键词：三维模型骨架 Reeb图动态邻接封闭区间连接球面特征

来源：评论

学校读者我要写书评

暂无评论

面向云存储的高性能数据隐私保护方法

引用

计算机科学 2014年第5期41卷 137-142页

作者：孙辛未张伟徐涛北京信息科技大学计算机学院北京100101 北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 清华大学信息技术研究院微处理器与片上系统技术研究中心北京100084

随着云计算和云存储技术的飞速发展,越来越多的企业和个人使用云存储来保存数据或备份数据.但用户将私有数据上传到云端的同时,也丧失了对数据的绝对控制权,用户数据的隐私保护问题成为云存储发展不得不解决的问题.为了解决这一问题,提... 详细信息

随着云计算和云存储技术的飞速发展,越来越多的企业和个人使用云存储来保存数据或备份数据.但用户将私有数据上传到云端的同时,也丧失了对数据的绝对控制权,用户数据的隐私保护问题成为云存储发展不得不解决的问题.为了解决这一问题,提出一种新的针对云存储的数据隐私保护方法BSBC（Bit Split Bit Combine）,它在上传前,将数据按照比特位进行拆分,重新组装后形成多个数据文件,再分别上传到云存储服务器;下载时,先将所有数据文件下载,然后通过位合并再恢复成原始文件.实验证明这种方法可以保护用户数据的隐私,同时可比传统加解密获得17～35倍的性能提升.然后将核心的位拆分、位合并代码模块用汇编语言进行优化,对汇编语言进行指令调度优化,以减少数据冲突和流水线停顿.最终,采用BSBC方法比传统加解密可以获得25～35倍的性能提升.

关键词：云存储数据安全隐私保护指令调度优化

来源：评论

学校读者我要写书评

暂无评论

TIMR:模板图像匹配矫正

引用

小型微型计算机系统 2022年第4期43卷 807-814页

作者：张祥祥吕学强韩晶游新冬张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 首都师范大学中国语言智能研究中心北京100048

针对当前文档图像透视变形矫正算法抗干扰性差,矫正效果不佳等问题,本文提出一种基于BRISK特征点检测与匹配的文档图像矫正算法,称之为模板图像匹配矫正算法(Template Image Matching Rectification,TIMR).该算法仅需制作目标领域内的... 详细信息

针对当前文档图像透视变形矫正算法抗干扰性差,矫正效果不佳等问题,本文提出一种基于BRISK特征点检测与匹配的文档图像矫正算法,称之为模板图像匹配矫正算法(Template Image Matching Rectification,TIMR).该算法仅需制作目标领域内的单张矫正模板图像,并结合BRISK算法与本文提出的双重特征点过滤算法实现该领域所有透视变形文档图像的矫正处理.其中,双重过滤算法包含特征点先验过滤(Prior Filtering,PF)与特征点迭代匹配过滤(Iterative Matching Filtering,IMF)算法,有效地过滤掉了矫正模板图像中的无关特征点与不稳定特征点,实现特征点匹配与TIMR算法的加速.在特定的医疗领域的检验单文档图像数据上进行矫正测试,并与当前主流矫正的算法与商业软件进行了比较.实验结果表明,本文算法具有使用简单方便,鲁棒性强,矫正效果好和矫正速度快等特点.

关键词：图像处理文档图像矫正透视变换图像匹配

来源：评论

学校读者我要写书评

暂无评论

基于显著点切片的三维模型检索

引用

微电子学与计算机 2015年第8期32卷 1-6,11页

作者：霍磊吕学强李卓张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京市朝阳区市政市容管理委员会北京100021

提出了使用模型显著点进行切片的方法以及基于点分布和Zernike矩的融合特征提取方法.首先在模型三个方向均匀设定截取平面,然后根据三维模型表面顶点的曲率特性,确定显著点,对截取平面进行更新,获取切片.对得到的切片序列,提取点分布特... 详细信息

提出了使用模型显著点进行切片的方法以及基于点分布和Zernike矩的融合特征提取方法.首先在模型三个方向均匀设定截取平面,然后根据三维模型表面顶点的曲率特性,确定显著点,对截取平面进行更新,获取切片.对得到的切片序列,提取点分布特征和Zernike矩特征,并根据切片包围盒大小确定两个特征的权重.实验结果表明,通过所提出的方法获取到的切片序列能较好地描述模型特征,融合后的特征能有效提高三维模型的查准率.

关键词：三维模型检索显著点切片点分布特征 Zernike矩融合特征

来源：评论

学校读者我要写书评

暂无评论

基于LSTM的金融新闻倾向性

引用

计算机工程与设计 2018年第11期39卷 3462-3467页

作者：郑国伟吕学强夏红科周建设北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 首都师范大学北京成像技术高精尖创新中心北京100048

为尽早发现负面新闻以降低对公司的影响,提出采用判断新闻文本关键句群倾向性的方法判断新闻的倾向性。对于公司名识别,在综合原有方法优势的基础上增加百度百科查询,向公司名基础词典加入公司名和公司代码映射;在关键句群抽取环节中,使... 详细信息

为尽早发现负面新闻以降低对公司的影响,提出采用判断新闻文本关键句群倾向性的方法判断新闻的倾向性。对于公司名识别,在综合原有方法优势的基础上增加百度百科查询,向公司名基础词典加入公司名和公司代码映射;在关键句群抽取环节中,使用doc2vec模型计算句子和新闻标题相似度,综合句子位置信息、句子中领域动词信息、句子中公司名信息;使用Word2vec模型并结合TFIDF的句子表示方法,使句子的表示更加准确、更有侧重。使用LSTM模型对关键句群进行分类,实验结果表明,该模型分类效果优于传统机器学习分类模型和CNN。

关键词：公司名识别关键句群抽取倾向性分析句子相似度互联网查询

来源：评论

学校读者我要写书评

暂无评论

基于SAO结构的中文专利实体关系抽取

引用

计算机工程与设计 2019年第3期40卷 706-712页

作者：张永真吕学强申闫春徐丽萍北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京信息科技大学虚拟现实与系统仿真实验室北京100085 北京城市系统工程研究中心北京100089

针对当前中文专利文本实体关系抽取中采用词法特征、上下文特征、距离特征等传统特征导致抽取效率低的问题,提出一种将传统特征和句法语义特征相结合的方法。将中文专利文本的关系抽取问题转换为SAO结构的识别问题,进行分词和实体标注,... 详细信息

针对当前中文专利文本实体关系抽取中采用词法特征、上下文特征、距离特征等传统特征导致抽取效率低的问题,提出一种将传统特征和句法语义特征相结合的方法。将中文专利文本的关系抽取问题转换为SAO结构的识别问题,进行分词和实体标注,抽取专利文本中的候选SAO三元组;提取候选SAO三元组的传统特征和句法语义特征;利用xg-boost算法在这些特征上做训练和预测,对特征的有效性进行实验分析。实验结果表明,该方法较使用传统特征的方法有明显提高,验证了句法语义特征的有效性。

关键词：关系抽取梯度提升算法 SAO结构句法特征语义特征

来源：评论

学校读者我要写书评

暂无评论

中文专利领域本体概念间非分类关系抽取

引用

计算机工程与设计 2017年第1期38卷 97-102页

作者：何宇吕学强刘秀磊徐丽萍北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京信息科技大学计算机学院北京100101 北京城市系统工程研究中心北京100089

将中文专利本体中实体间非分类关系抽取问题限定为满足SAO结构的实体间关系抽取问题。针对SAO结构关系抽取任务中关系实例结构正确但是语义错误的问题,提出一种句法分析特征和关系词词典特征结合传统特征的关系抽取方法。将新特征和上... 详细信息

将中文专利本体中实体间非分类关系抽取问题限定为满足SAO结构的实体间关系抽取问题。针对SAO结构关系抽取任务中关系实例结构正确但是语义错误的问题,提出一种句法分析特征和关系词词典特征结合传统特征的关系抽取方法。将新特征和上下文特征、距离特征等传统特征相结合,使用支持向量机进行关系抽取实验。实验结果表明,该方法优于仅使用传统特征的关系抽取方法。

关键词： SAO结构非分类关系抽取句法分析支持向量机本体学习

来源：评论

学校读者我要写书评

暂无评论

隐私保护中基于相似度的有损连接方法研究

引用

计算机应用与软件 2012年第11期29卷 123-125,242页

作者：李清华康海燕苑晓姣任俊玲北京信息科技大学计算机学院北京100192 北京信息科技大学网络文化与数字传播北京市重点实验室北京100192 北京信息科技大学信息管理学院北京100192

在数据发布中的隐私保护研究中,实现有损连接的方法主要有基于匿名模型方法和基于贪心策略的(α,k)匿名聚类方法。针对基于匿名模型方法存在的效率低以及基于贪心策略的(α,k)匿名聚类方法得到数据有效性差等不足,提出基于相似度的有损... 详细信息

在数据发布中的隐私保护研究中,实现有损连接的方法主要有基于匿名模型方法和基于贪心策略的(α,k)匿名聚类方法。针对基于匿名模型方法存在的效率低以及基于贪心策略的(α,k)匿名聚类方法得到数据有效性差等不足,提出基于相似度的有损连接方法,该方法根据发布数据之间的相似性聚类得到有损连接的结果,解决了目前有损连接方法所存在的效率以及准确率问题。实验结果表明,该方法能够有效实现发布数据的隐私保护。

关键词：有损连接相似性隐私保护 (α,k)匿名

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：