-
公开(公告)号:CN102129479B
公开(公告)日:2013-01-02
申请号:CN201110112383.8
申请日:2011-04-29
Applicant: 南京邮电大学
Abstract: 一种基于概率潜在语义分析模型的Web服务发现方法利用了概率潜在语义分析模型对解析后的Web服务描述性文档进行建模分析,挖掘隐藏在服务描述背后的语义概念,进行语义聚类,在较先进的概念层次将请求服务和服务集中的服务进行相似性匹配,并且结合了语法层次上的谱聚类,在语义聚类之前以一种基于谱聚类的算法对服务数据集进行无关数据的滤除,从而压缩了计算的复杂性。经过试验证明,此方法在服务发现的查准率和查全率方面都有着很好的表现。
-
公开(公告)号:CN101819637B
公开(公告)日:2012-02-22
申请号:CN201010139946.8
申请日:2010-04-02
Applicant: 南京邮电大学
IPC: G06K9/66
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法是一种利用健壮特征的加速提取算法来提取图片中的垃圾信息的不变区域特征,从而生成图片的特征向量,用最大可能性算法估计高斯混合模型的参数,来训练高斯混合模型分类器。经过实验能够提高垃圾邮件的召回率,节省程序运算时间和空间。获得基于高斯混合模型的分类器。对图像型垃圾邮件进行检测的实现方法,整个方法包括图片特征的提取,高斯混合模型参数的估计,图像型邮件的检测三个模块。
-
公开(公告)号:CN102129479A
公开(公告)日:2011-07-20
申请号:CN201110112383.8
申请日:2011-04-29
Applicant: 南京邮电大学
Abstract: 一种基于概率潜在语义分析模型的Web服务发现方法利用了概率潜在语义分析模型对解析后的Web服务描述性文档进行建模分析,挖掘隐藏在服务描述背后的语义概念,进行语义聚类,在较先进的概念层次将请求服务和服务集中的服务进行相似性匹配,并且结合了语法层次上的谱聚类,在语义聚类之前以一种基于谱聚类的算法对服务数据集进行无关数据的滤除,从而压缩了计算的复杂性。经过试验证明,此方法在服务发现的查准率和查全率方面都有着很好的表现。
-
公开(公告)号:CN101887523B
公开(公告)日:2013-04-10
申请号:CN201010204722.0
申请日:2010-06-21
Applicant: 南京邮电大学
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法,利用了尺度不变特征转换算法来提取图片中垃圾信息的不变区域特征,提取嵌入图片中文字来对图片进行分类,从而形成图片的两种特征结合的特征向量库。经过实验能够提高垃圾邮件的召回率,节省程序运算时间和空间。用这种方法来提取图片中的不变区域特征,从而生成图片的特征向量,使用支持向量机分类器来训练与测试。本发明提出的利用嵌入图片中的文本信息,使用图形文字识别技术挖掘出图片中的文本字符串,将字符串作为图片的特征,使用贝叶斯分类器来训练与测试。每张图片的特征向量是由图片的局部不变特征与文本字符串构成的,使用堆栈方法综合两种分类器进行分类,来检测图像型垃圾邮件的实现方法。
-
公开(公告)号:CN101887523A
公开(公告)日:2010-11-17
申请号:CN201010204722.0
申请日:2010-06-21
Applicant: 南京邮电大学
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法,利用了尺度不变特征转换算法来提取图片中垃圾信息的不变区域特征,提取嵌入图片中文字来对图片进行分类,从而形成图片的两种特征结合的特征向量库。经过实验能够提高垃圾邮件的召回率,节省程序运算时间和空间。用这种方法来提取图片中的不变区域特征,从而生成图片的特征向量,使用支持向量机分类器来训练与测试。本发明提出的利用嵌入图片中的文本信息,使用图形文字识别技术挖掘出图片中的文本字符串,将字符串作为图片的特征,使用贝叶斯分类器来训练与测试。每张图片的特征向量是由图片的局部不变特征与文本字符串构成的,使用堆栈方法综合两种分类器进行分类,来检测图像型垃圾邮件的实现方法。
-
公开(公告)号:CN101819637A
公开(公告)日:2010-09-01
申请号:CN201010139946.8
申请日:2010-04-02
Applicant: 南京邮电大学
IPC: G06K9/66
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法是一种利用健壮特征的加速提取算法来提取图片中的垃圾信息的不变区域特征,从而生成图片的特征向量,用最大可能性算法估计高斯混合模型的参数,来训练高斯混合模型分类器。经过实验能够提高垃圾邮件的召回率,节省程序运算时间和空间。获得基于高斯混合模型的分类器。对图像型垃圾邮件进行检测的实现方法,整个方法包括图片特征的提取,高斯混合模型参数的估计,图像型邮件的检测三个模块。
-
-
-
-
-