一种基于聚类算法和局部感知重构模型的作者推荐方法和系统

    公开(公告)号:CN108427723A

    公开(公告)日:2018-08-21

    申请号:CN201810135040.5

    申请日:2018-02-09

    Inventor: 张海军 王双

    Abstract: 本发明提出了一种基于聚类算法和局部感知重构模型的作者推荐方法及其系统,通过作者相关信息的树形结构表达、节点的特征表达、层次节点的位置映射、局部感知重构模型的建立,将由树形结构表示的作者信息转化为统一的向量表示,该向量包含了作者的相关信息及与作者相关的各层次的结构信息。进一步地,根据作者信息的统一向量表示,进行相关作者的推荐和检索。所述方法包括:A、树形结构表达;B、节点特征表达;C、层次节点位置映射;D、建立和求解局部感知重构模型;E、树形结构的统一向量表示;F、基于内容的作者推荐和检索。

    一种基于局部重构模型的电子书内容表示方法

    公开(公告)号:CN107861924A

    公开(公告)日:2018-03-30

    申请号:CN201710889265.5

    申请日:2017-09-27

    CPC classification number: G06F17/2247 G06F17/2795

    Abstract: 本发明提出了一种基于局部重构模型的电子书内容表示方法,所述方法包括:A、树形结构表达:对于每一本电子书,将其划分为若干页,将每一个页划分为若干段落,将每一本电子书组织成为“电子书->页->段落”的三层树形结构;B、节点特征表达:构建词汇表,计算词分布向量,使用主成分分析对各层次节点的词分布向量进行降维、压缩;C、局部重构模型建立:使用孩子节点的信息对其父节点信息进行重构,即建立局部重构模型,求解局部重构模型并获得重构系数向量;D、树形结构的统一向量表示:根据C中获得的重构系数向量,将该节点与其孩子节点进行信息融合,更新该节点的特征向量表示;E、基于内容的电子书检索和推荐。

    一种基于光谱特征和空间特征融合的高光谱图像分类方法及系统

    公开(公告)号:CN106960221A

    公开(公告)日:2017-07-18

    申请号:CN201710150041.2

    申请日:2017-03-14

    CPC classification number: G06K9/6269 G06K9/40 G06K9/46 G06K9/629

    Abstract: 本发明提供一种基于光谱特征和空间特征融合的高光谱图像分类方法及系统,属于遥感图像分类领域。本发明包括根据高光谱图像的区域连通性对其进行空间特征提取;并分别对光谱特征和空间特征进行特征去噪;然后对光谱特征和空间特征进行特征融合;再通过分类模型预测高光谱图像上未知类别像素点的类别;本发明还包括空间特征提取模块、特征去噪模块、特征融合模块以及分类模块。本发明的有益效果是:通过对高光谱图像的光谱特征和空间特征进行低秩表达以及特征融合,提升高光谱图像的分类精度,对未知类别像素点类别的预测具有较高的准确率。

    一种基于聚类算法和局部感知重构模型的作者推荐方法和系统

    公开(公告)号:CN108427723B

    公开(公告)日:2021-08-06

    申请号:CN201810135040.5

    申请日:2018-02-09

    Inventor: 张海军 王双

    Abstract: 本发明提出了一种基于聚类算法和局部感知重构模型的作者推荐方法及其系统,通过作者相关信息的树形结构表达、节点的特征表达、层次节点的位置映射、局部感知重构模型的建立,将由树形结构表示的作者信息转化为统一的向量表示,该向量包含了作者的相关信息及与作者相关的各层次的结构信息。进一步地,根据作者信息的统一向量表示,进行相关作者的推荐和检索。所述方法包括:A、树形结构表达;B、节点特征表达;C、层次节点位置映射;D、建立和求解局部感知重构模型;E、树形结构的统一向量表示;F、基于内容的作者推荐和检索。

Patent Agency Ranking