检索结果-内蒙古大学图书馆

计算机科学 2015年第4期42卷 297-301页

作者：冯进丽杨红菊山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容。首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-ofColors,BoC)表示向量来代替... 详细信息

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容。首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-ofColors,BoC)表示向量来代替传统颜色直方图方法,获取图像的颜色信息;最后,将BoF表示向量和BoC表示向量相融合,形成BoC-BoF特征向量。BoC-BoF特征有效地实现了全局特征和局部特征的融合。两个数据集检索的实验结果表明,该方法比其它方法更加有效。

关键词：颜色词袋特征词袋图像检索 RootSift

来源：评论

学校读者我要写书评

暂无评论

大数据挖掘的粒计算理论与方法

引用

中国科学：信息科学 2015年第11期45卷 1355-1369页

作者：梁吉业钱宇华李德玉胡清华山西大学计静智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006 天津大学计算机科学与技术学院天津300072

大数据往往呈现出大规模性、多模态性以及快速增长性等特征.粒计算是智能信息处理领域中大规模复杂问题求解的有效范式.从推动大数据挖掘研究角度,本文首先概要地讨论了大数据的特征对可计算性、有效性与高效性提出的3大挑战;其次,结合... 详细信息

大数据往往呈现出大规模性、多模态性以及快速增长性等特征.粒计算是智能信息处理领域中大规模复杂问题求解的有效范式.从推动大数据挖掘研究角度,本文首先概要地讨论了大数据的特征对可计算性、有效性与高效性提出的3大挑战;其次,结合粒计算的思维模式特点,概述了已有研究成果,分析论述了以粒计算应对大数据挖掘挑战的可行性,认为粒计算有望为大数据挖掘提供一条极具前途的崭新途径;最后,对大数据挖掘的粒计算理论与方法中的若干科学问题进行了梳理与展望,以期抛引这一领域的学术思考与研究工作.

关键词：大数据数据挖掘模式发现粒计算信息粒化多粒度

来源：评论

学校读者我要写书评

暂无评论

一种符号型增量数据标签算法

引用

计算机科学 2015年第6期42卷 223-227页

作者：李艳红李德玉王素格山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006

数据标签是一种提高增量数据聚类效率的简单而有效的方法。数据标签就是分配每个新增数据点到与之最相似的簇的过程。符号数据分析的难点之一在于缺少一种恰当的方法来定义数据点与数据簇之间的相似性。为此,将簇代表定义为簇中所有属... 详细信息

数据标签是一种提高增量数据聚类效率的简单而有效的方法。数据标签就是分配每个新增数据点到与之最相似的簇的过程。符号数据分析的难点之一在于缺少一种恰当的方法来定义数据点与数据簇之间的相似性。为此,将簇代表定义为簇中所有属性的属性值及其在簇中的频率构成的列表,用信息熵的变化来定义"点-簇"不相似性。基于此不相似性度量,设计了一个符号型增量数据标签算法来分配无标记数据到恰当的簇。在公开数据集和文本语料上的对比实验表明,该数据标签算法不但数据标记精度高、时间开销小,而且有较好的可伸缩性。

关键词：聚类数据标签增量数据符号数据信息熵

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的非监督快速属性选择算法

引用

计算机应用 2015年第8期35卷 2355-2359页

作者：白鹤翔王健李德玉陈千山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

针对"大数据"中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法。首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选... 详细信息

针对"大数据"中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法。首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选约简为空集;然后每次都从大规模数据集中无放回地随机抽取一个对象,并且每次都判断使用当前候选约简能否区分这一对象和当前对象集中所有应当区分的对象,并将该对象放入到当前对象集中,如果不能区分则向候选约简中添加合适的属性;最后,如果连续I次都没有发现无法区分的对象,那么将候选约简作为大规模数据集的约简。在5个非监督大规模数据集上的实验表明,所求得的约简能够区分95%以上的对象对,并且求取该约简所需的时间不到基于区分矩阵的算法和增量式约简算法的1%;在文本主题挖掘的实验中,使用约简后的数据集挖掘出的文本主题同原始数据集挖掘出的主题基本一致。两组实验结果表明该方法能够有效快速对大规模数据集进行属性选择。

关键词：海量数据绝对约简增量式算法粗糙集属性选择

来源：评论

学校读者我要写书评

暂无评论

基于框架的汉语篇章结构生成和篇章关系识别

引用

中文信息学报 2015年第6期29卷 98-109页

作者：吕国英苏娜李茹王智强柴清华山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006 山西大学外国语学院山西太原030006

针对汉语篇章分析的三个任务:篇章单元切割、篇章结构生成和篇章关系识别,该文提出引入框架语义进行分析研究。首先基于框架构建了汉语篇章连贯性描述体系以及相应语料库;然后抽取句首、依存句法、短语结构、目标词、框架等特征,分别训... 详细信息

针对汉语篇章分析的三个任务:篇章单元切割、篇章结构生成和篇章关系识别,该文提出引入框架语义进行分析研究。首先基于框架构建了汉语篇章连贯性描述体系以及相应语料库;然后抽取句首、依存句法、短语结构、目标词、框架等特征,分别训练基于最大熵的篇章单元间有无关系分类器和篇章关系分类器;最后采用贪婪算法自下向上生成篇章结构树。实验证明,框架语义可以有效切割篇章单元,并且框架特征可以有效提升篇章结构以及篇章关系的识别效果。

关键词：篇章单元篇章结构篇章关系贪婪算法

来源：评论

学校读者我要写书评

暂无评论

基于规则与序列模式的比较要素缺省识别

引用

山西大学学报(自然科学版) 2015年第1期38卷 85-92页

作者：王素格赵策力刘慧慧山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西大学数学科学学院

比较要素识别是观点挖掘的重要任务之一,而比较要素缺省识别直接影响到全面客观评价产品的性能。文章根据比较句型的特点,总结了一元和二元比较特征词集。在此基础上,依据词法特征和句法特征构建了五元组识别规则和序列模式挖掘算法。... 详细信息

比较要素识别是观点挖掘的重要任务之一,而比较要素缺省识别直接影响到全面客观评价产品的性能。文章根据比较句型的特点,总结了一元和二元比较特征词集。在此基础上,依据词法特征和句法特征构建了五元组识别规则和序列模式挖掘算法。结合两种特征的优点,设计了基于五元组和序列模式的混合策略。在COAE2013任务2语料上,将三种方法进行了比较实验,结果表明,基于混合策略方法比五元组识别规则方法和序列模式方法,在比较要素缺省识别的F值上分别提高了1%和11%。

关键词：比较要素缺省五元组目标词序列模式

来源：评论

学校读者我要写书评

暂无评论

基于三元词组模式的微博情感分类方法

引用

山西大学学报(自然科学版) 2015年第2期38卷 282-288页

作者：李桂成王斌李茹王智强程耀东山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室中国科学院高能物理研究所

针对微博的倾向性分析问题,提出了一种基于三元词组模式的情感分类方法。该方法通过构造情感词典及微博的三元词组模式,对未标注语料自动进行情感评分并标注情感极性,然后使用自动标注的语料训练得到情感分类器。在测试集上的实验结果表... 详细信息

针对微博的倾向性分析问题,提出了一种基于三元词组模式的情感分类方法。该方法通过构造情感词典及微博的三元词组模式,对未标注语料自动进行情感评分并标注情感极性,然后使用自动标注的语料训练得到情感分类器。在测试集上的实验结果表明,使用无人工参与标注的训练语料达到了79.26%的测试正确率。

关键词：微博三元词组情感分类

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的多标记专属特征学习算法

引用

小型微型计算机系统 2015年第12期36卷 2730-2734页

作者：李华李德玉王素格张晶山西大学计算智能与中文信息处理教育部重点实验室太原030006 石家庄铁道大学数理系河北石家庄050043 山西大学计算机与信息技术学院太原030006

基于专属特征的多标记学习算法使用K-Means聚类算法对标记的正反样例进行聚类,进而构造每个标记的专属特征.但该方法对标记和专属特征之间的相关性缺乏理论性地探究,而且K-Means聚类方法仅仅局限于数值属性数据聚类.对此,一个基于粗糙... 详细信息

基于专属特征的多标记学习算法使用K-Means聚类算法对标记的正反样例进行聚类,进而构造每个标记的专属特征.但该方法对标记和专属特征之间的相关性缺乏理论性地探究,而且K-Means聚类方法仅仅局限于数值属性数据聚类.对此,一个基于粗糙集的多标记专属特征学习算法(R-LIFT Algorithm)被提出,其使用粗糙集的约简算法来计算每个标记的专属特征.该算法选取的专属特征是原始特征,具有直观意义,并且能够从理论上保证专属特征与标记之间具有较强的相关性.实验表明,R-LIFT算法能够有效地学习专属特征,并进一步提高多标记学习算法的性能.

关键词：多标记学习专属特征粗糙集约简

来源：评论

学校读者我要写书评

暂无评论

多标记数据特征提取方法的核改进

引用

计算机应用 2015年第7期35卷 1939-1944,1954页

作者：李华李德玉王素格张晶山西大学计算智能与中文信息处理教育部重点实验室太原030006 石家庄铁道大学数理系石家庄050043 山西大学计算机与信息技术学院太原030006

针对多标记数据特征提取方法中输出核函数没有准确刻画标记间的相关性的问题,在充分度量标记间相关性的基础上,提出了两种新的输出核函数构造方法。第一种方法首先将多标记数据转化为单标记数据,并使用标记集合来刻画标记间的相关性;然... 详细信息

针对多标记数据特征提取方法中输出核函数没有准确刻画标记间的相关性的问题,在充分度量标记间相关性的基础上,提出了两种新的输出核函数构造方法。第一种方法首先将多标记数据转化为单标记数据,并使用标记集合来刻画标记间的相关性;然后从损失函数的角度出发定义新的输出核函数。第二种方法是利用互信息来度量标记间的两两相关性,在此基础上进一步构造新的输出核函数。3个多标记数据集上2种分类器的实验结果表明,与原有核函数对应的多标记特征提取方法相比,基于损失函数的输出核函数对应的特征提取方法性能最好,5个评价指标的性能平均提高了10%左右,尤其在Yeast数据集上,Coverage指标下降幅度达到了30%左右;基于互信息的输出核函数次之,性能平均提高了5%左右。实验结果表明,基于新的输出核函数的特征提取方法能够更加有效地提取特征,并进一步简化分类器的学习过程,提高分类器的泛化性能。

关键词：多标记学习特征提取核函数损失函数互信息

来源：评论

学校读者我要写书评

暂无评论

基于数据流的网络入侵实时检测框架

引用

计算机应用 2015年第2期35卷 416-419,429页

作者：李艳红李德玉崔梦天李华山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 西南民族大学计算机科学与技术学院成都610041 石家庄铁道大学数理系石家庄050043

针对计算机网络访问请求具有实时到达以及动态变化的特点,为了实时检测网络入侵,并且适应网络访问数据的动态变化,提出一个基于数据流的网络入侵实时检测框架。首先,将误用检测模式与异常检测模式相结合,通过初始聚类建立由正常模式和... 详细信息

针对计算机网络访问请求具有实时到达以及动态变化的特点,为了实时检测网络入侵,并且适应网络访问数据的动态变化,提出一个基于数据流的网络入侵实时检测框架。首先,将误用检测模式与异常检测模式相结合,通过初始聚类建立由正常模式和异常模式构成的知识库;其次,采用数据点与数据簇之间的不相似性来度量网络访问数据与正常模式和异常模式的相似性,从而判定网络访问数据的合法性;最后,当网络访问数据流发生演化时,通过重新聚类来更新知识库以反映网络访问的最近状态。在入侵检测数据集KDDCup99上进行实验,当初始聚类的样本数为10 000,缓冲区聚类的样本数为10 000,调节系数为0.9时,召回率达到91.92%,误报率达到0.58%,接近传统非实时检测模式的结果,但整个学习和检测过程只需扫描网络访问数据一次,并引入了知识库的更新机制,在入侵检测的实时性和适应性方面更具有优势。

关键词：数据流入侵检测聚类知识库信息熵

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：