CN104715024A - 一种多媒体热点分析方法 - Google Patents
一种多媒体热点分析方法 Download PDFInfo
- Publication number
- CN104715024A CN104715024A CN201510094167.3A CN201510094167A CN104715024A CN 104715024 A CN104715024 A CN 104715024A CN 201510094167 A CN201510094167 A CN 201510094167A CN 104715024 A CN104715024 A CN 104715024A
- Authority
- CN
- China
- Prior art keywords
- document
- similarity
- ant
- text
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种信息管理的方法,特别是一种多媒体热点分析方法,通过运用基于蚁群文档聚类算法以及SOM(自组织映射)聚类算法将集到的媒体信息,按照相似度进行自动聚类,以达到多媒体热点分析的目的。本发明的优点在于:运用该方法可以将搜集到的媒体信息,按照相似度进行自动聚类,并将达到关注次数的媒体信息设定为热点。
Description
技术领域
本发明涉及一种信息管理的方法,特别是一种多媒体热点分析方法。
背景技术
随着互联网技术的不断成熟,我们如今生活在一个信息爆炸的时代,媒体每天需要面对的信息量成几何数的增长,如何处理这些信息,将其分门别类并从中确定热点信息一直困扰着各大媒体,若采取人工分类的方法过于依赖操作人员的经验且工作量大,若使用软件自动分类则准确率低,且无法从中筛选出热点。
发明内容
本发明的目的在于提供一种多媒体热点分析方法,运用该方法可以将搜集到的媒体信息,按照相似度进行自动聚类,并将达到关注次数的媒体信息设定为热点。
实现本发明目的的技术方案是:一种多媒体热点分析方法,包括一个数据库,收集到的每个稿件都会附加一个消息头,根据该消息头将稿件进行分类,并以16进制的形式将稿件分门别类的存入该数据库中,其特征在于包括以下步骤:
1.1.通过消息头,按不同类型随机从数据库中抽出文件,形成文本文档群;
1.2.将16进制的文本文档群,随机分散到二维网络空间中,来对其实行并发扫描。
1.3.每次并发扫描,都将计算每次扫描过的文档与其他的文档相似的程度,来判断是否纳入热点范围;
1.4.如果其中的线程扫描文档为空时,会随机的去扫描其中一个与相邻的相似度较低的文档,如果其线程处于闲置状态时,并且其处理的文档与附近的线程的处理文档相似度较高,该线程会放下其处理的文档;
1.5.通过循环操作步骤1.3、1.4,相似或者相关的文档,将通过不断的群体相似度被聚集在同一个区域,一次筛选完成;
1.6.初始化连接权值w,学习率a,邻域半径Nbo,将需要扫描的文本文档设定一个范围,连接权值w代表每个线程;
1.7.对所有范围内的文本取样;
1.8.将文档分词,并构建向量空间模型,将文档表示成可计算的矩阵;
1.9.将取样的文本文档进行分词区别分类,分别分入到构建的向量空间模型中;
1.10. 将每个向量空间模型中的文本文档,通过欧氏距离来比较,计算连接权向量与输入文档之间的距离,值最小的神经元便是获胜神经元;
1.11.更新获胜神经元及其邻域内所有神经元的连接权值,而邻域外的神经元的连接权值保持不变;
1.12.调整学习率a和邻域半径Nbo,为了保证算法的收敛,学习率的取值一般在0到1之间,且随着学习代数的增加而递减;邻域半径也随着学习代数的增加而递减,最后只有获胜结点在学习;
1.13.重复步骤1.7~1.12,直至算法收敛或达到最大迭代次数为止,以得到热点数据;
1.14.通过得出的热点数据,与其他媒体的版面进行对比,比较其重复度,重复度最高的便是最终的热点数据;
1.15.通过得出的最终热点数据,将其排序,并分色显示,通过每个消息头中的不同ip数据,生成信息地图,将已经分好色的热点,显示在地图上,让用户清楚、明朗的了解到现今的热点。
而且步骤1.2~1.5采用的是基于蚁群文档聚类算法,具体计算步骤如下:
2.1.算法初始化阶段,文本集中的文档随机的被映射到一个二维平面的网格空间中,所遵循的映射规则是每一个网格中只能容纳唯一一个文档,也就是说,不可以重叠的将不同文档映射到同一个网格中,同时一定数量的蚂蚁被散布到该二维平面上;
2.2.计算群体相似度密度,每个单一的蚂蚁随机的在二维网格空间中移动,选择一个文档,然后拾起这篇文档,并携带着它在二维网格空间中随机的移动,每移动一次,每只蚂蚁都要计算它所携带的文档或者它所在网格中的文档与周围环境的群体相似度,用以决定是否拾起或者放下该文档,若一只蚂蚁所在的位置为r,它所在环境的群体相似度密度f(oi)定义如下:
其中oi∈Nerighs×s(r)表示的是文档在位置r的s×s边长的邻域,d(oi, oj) 表示两篇文档 oi与oj 之间的文本距离,α是群体相似度系数,也叫做相异度因子,它的大小不仅会影响最终的蚁群聚类的簇数,还会影响到算法的收敛速度,采用余弦相似度公式作为文档间的相似度计量:
其中,
2.3.拾起和放下,如果一只蚂蚁没有携带任何文档移动,那么它将拾起与周围环境的群体相似度较低的文档,如果一只蚂蚁正在携带一篇文档移动,那么当蚂蚁处于空网格,并且这篇文档与周围环境的群体相似度较高时,它将放下这篇文档,阈值概率Pr将作为判断依据。 拾起概率Pp(oi)和放下概率Pd(oi) 定义如下:
其中k1和k2都是阈值常量。
本发明的优点在于:1. 运用该方法可以将搜集到的媒体信息,按照相似度进行自动聚类,并将达到关注次数的报纸内容设定为热点。2. 通过每个消息头中的不同ip数据,生成信息地图,将已经分好色的热点,显示在地图上,让用户清楚、明朗的了解到现今的热点及其具体发生的地点。
附图说明
图1是该方法的流程图。
具体实施方式
参见图1以下将结合实施例对本发明做进一步说明。
一种信息管理的方法,特别是一种多媒体热点分析方法,包括一个数据库,收集到的每个稿件都会附加一个消息头,根据该消息头将稿件进行分类,并以16进制的形式将稿件分门别类的存入该数据库中,其特征在于包括以下步骤:
1.1.通过消息头,按不同类型随机从数据库中抽出文件,形成文本文档群;
1.2.将16进制的文本文档群,随机分散到二维网络空间中,来对其实行并发扫描。
1.3.每次并发扫描,都将计算每次扫描过的文档与其他的文档相似的程度,来判断是否纳入热点范围;
1.4.如果其中的线程扫描文档为空时,会随机的去扫描其中一个与相邻的相似度较低的文档,如果其线程处于闲置状态时,并且其处理的文档与附近的线程的处理文档相似度较高,该线程会放下其处理的文档;
1.5.通过循环操作步骤1.3、1.4,相似或者相关的文档,将通过不断的群体相似度被聚集在同一个区域,一次筛选完成;
1.6.初始化连接权值w,学习率a,邻域半径Nbo,将需要扫描的文本文档设定一个范围,连接权值w代表每个线程;
1.7.对所有范围内的文本取样;
1.8.将文档分词,并构建向量空间模型,将文档表示成可计算的矩阵;
1.9.将取样的文本文档进行分词区别分类,分别分入到构建的向量空间模型中;
1.10. 将每个向量空间模型中的文本文档,通过欧氏距离来比较,计算连接权向量与输入文档之间的距离,值最小的神经元便是获胜神经元;
1.11.更新获胜神经元及其邻域内所有神经元的连接权值,而邻域外的神经元的连接权值保持不变;
1.12.调整学习率a和邻域半径Nbo,为了保证算法的收敛,学习率的取值一般在0到1之间,且随着学习代数的增加而递减;邻域半径也随着学习代数的增加而递减,最后只有获胜结点在学习;
1.13.重复步骤1.7~1.12,直至算法收敛或达到最大迭代次数为止,以得到热点数据;
1.14.通过得出的热点数据,与其他媒体的版面进行对比,比较其重复度,重复度最高的便是最终的热点数据;
1.15.通过得出的最终热点数据,将其排序,并分色显示,通过每个消息头中的不同ip数据,生成信息地图,将已经分好色的热点,显示在地图上,让用户清楚、明朗的了解到现今的热点。
步骤1.6~1.13采用的是SOM(自组织映射)聚类算法,SOM文本聚类模型模拟生物神经细胞模型中存在着一种细胞聚类的功能柱,当外界输入不同的样本到SOM网络中,一开始输入文档样本引起输出兴奋的位置各不相同,但通过网络自组织后会形成一些输出群,它们分别代表了输入样本的分布,反映了输入样本的图形分布特征,所以SOM网络常常被称为特性图。SOM网络是输入文本样本通过竞争学习后,功能相同的输入靠得比较近,不同的分得比较开,以此将一些无规则的输入自动排开,在连接权的调整过程中,使权的分布与输入域可逐步缩小,使区域的划分越来越明显。在这种情况下,不论输入样本是多少维的,都可投影到低维的数据空间的某个区域上,这点尤其适合文本聚类,高维文本空间比较相近的样本,在低维空间中的投影也比较接近,这样就可以从中取出样本空间中较多的信息。网络在高维映射到低维时会发生畸变,而且压缩比越大,畸变越大,因而SOM网络比其他人工神经网络规模要大。如果文档样本足够多,那么在权值分布上可近似于输入随机样本的概率密度分布,在输出神经元上也反映了这种分布,即概率大的样本集中在输出空间的某一个区域。
而且步骤1.2~1.5采用的是基于蚁群文档聚类算法,具体计算步骤如下:
2.1.算法初始化阶段,文本集中的文档随机的被映射到一个二维平面的网格空间中,所遵循的映射规则是每一个网格中只能容纳唯一一个文档,也就是说,不可以重叠的将不同文档映射到同一个网格中,同时一定数量的蚂蚁被散布到该二维平面上;
2.2.计算群体相似度密度,每个单一的蚂蚁随机的在二维网格空间中移动,选择一个文档,然后拾起这篇文档,并携带着它在二维网格空间中随机的移动,每移动一次,每只蚂蚁都要计算它所携带的文档或者它所在网格中的文档与周围环境的群体相似度,用以决定是否拾起或者放下该文档,若一只蚂蚁所在的位置为r,它所在环境的群体相似度密度f(oi)定义如下:
其中oi∈Nerighs×s(r)表示的是文档在位置r的s×s边长的邻域,d(oi, oj) 表示两篇文档 oi与oj 之间的文本距离,α是群体相似度系数,也叫做相异度因子,它的大小不仅会影响最终的蚁群聚类的簇数,还会影响到算法的收敛速度,采用余弦相似度公式作为文档间的相似度计量:
其中,
2.3.拾起和放下,如果一只蚂蚁没有携带任何文档移动,那么它将拾起与周围环境的群体相似度较低的文档,如果一只蚂蚁正在携带一篇文档移动,那么当蚂蚁处于空网格,并且这篇文档与周围环境的群体相似度较高时,它将放下这篇文档,阈值概率Pr将作为判断依据。 拾起概率Pp(oi)和放下概率Pd(oi) 定义如下:
其中k1和k2都是阈值常量。
生物界实验证明一些特定种类的蚁群有能力堆积尸体形成墓地。蚁群聚类的行为模型称为“堆积模型”。虽然这种行为在生物界不能完全被解释,但是基于这种行为可以抽象出一种有效的数学模型, 称为聚类基本模型(Basic Model for Clustering, BMC)。这种模型的基础是单个蚁群的拾起和放下行为。数据对象随机的映射在二维网格空间中。每个单个蚂蚁在这张网格上随机的移动来拾起和放下数据对象。如果一个对象在周围环境中的相似度较低,它的拾起概率将会较高。如果一个正在被某只蚂蚁负载的数据对象在其周围环境中的相似度较高,则它的放下概率会增高。从而,个体行为的计算代价不大的情况下,群体可以改变行为,达到有效的聚类效果。
Claims (2)
1.一种多媒体热点分析方法,包括一个数据库,收集到的每个稿件都会附加一个消息头,根据该消息头将稿件进行分类,并以16进制的形式将稿件分门别类的存入该数据库中,其特征在于包括以下步骤:
1.1.通过消息头,按不同类型随机从数据库中抽出文件,形成文本文档群;
1.2.将16进制的文本文档群,随机分散到二维网络空间中,来对其实行并发扫描;
1.3.每次并发扫描,都将计算每次扫描过的文档与其他的文档相似的程度,来判断是否纳入热点范围;
1.4.如果其中的线程扫描文档为空时,会随机的去扫描其中一个与相邻的相似度较低的文档,如果其线程处于闲置状态时,并且其处理的文档与附近的线程的处理文档相似度较高,该线程会放下其处理的文档;
1.5.通过循环操作步骤1.3、1.4,相似或者相关的文档,将通过不断的群体相似度被聚集在同一个区域,一次筛选完成;
1.6.初始化连接权值w,学习率a,邻域半径Nbo,将需要扫描的文本文档设定一个范围,连接权值w代表每个线程;
1.7.对所有范围内的文本取样;
1.8.将文档分词,并构建向量空间模型,将文档表示成可计算的矩阵;
1.9.将取样的文本文档进行分词区别分类,分别分入到构建的向量空间模型中;
1.10.将每个向量空间模型中的文本文档,通过欧氏距离来比较,计算连接权向量与输入文档之间的距离,值最小的神经元便是获胜神经元;
1.11.更新获胜神经元及其邻域内所有神经元的连接权值,而邻域外的神经元的连接权值保持不变;
1.12.调整学习率a和邻域半径Nbo,为了保证算法的收敛,学习率的取值一般在0到1之间,且随着学习代数的增加而递减;邻域半径也随着学习代数的增加而递减,最后只有获胜结点在学习;
1.13.重复步骤1.7~1.12,直至算法收敛或达到最大迭代次数为止,以得到热点数据;
1.14.通过得出的热点数据,与其他媒体的版面进行对比,比较其重复度,重复度最高的便是最终的热点数据;
1.15.通过得出的最终热点数据,将其排序,并分色显示,通过每个消息头中的不同ip数据,生成信息地图,将已经分好色的热点,显示在地图上,让用户清楚、明朗的了解到现今的热点。
2.根据权利要求1所述的一种多媒体热点分析方法,其特征在于:步骤1.2~1.5采用的是基于蚁群文档聚类算法,具体计算步骤如下:
2.1.算法初始化阶段,文本集中的文档随机的被映射到一个二维平面的网格空间中,所遵循的映射规则是每一个网格中只能容纳唯一一个文档,也就是说,不可以重叠的将不同文档映射到同一个网格中,同时一定数量的蚂蚁被散布到该二维平面上;
2.2.计算群体相似度密度,每个单一的蚂蚁随机的在二维网格空间中移动,选择一个文档,然后拾起这篇文档,并携带着它在二维网格空间中随机的移动,每移动一次,每只蚂蚁都要计算它所携带的文档或者它所在网格中的文档与周围环境的群体相似度,用以决定是否拾起或者放下该文档,若一只蚂蚁所在的位置为r,它所在环境的群体相似度密度f(oi)定义如下:
其中oi∈Nerighs×s(r)表示的是文档在位置r的s×s边长的邻域,d(oi, oj) 表示两篇文档 oi与oj 之间的文本距离,α是群体相似度系数,也叫做相异度因子,它的大小不仅会影响最终的蚁群聚类的簇数,还会影响到算法的收敛速度,采用余弦相似度公式作为文档间的相似度计量:
其中,
2.3.拾起和放下,如果一只蚂蚁没有携带任何文档移动,那么它将拾起与周围环境的群体相似度较低的文档,如果一只蚂蚁正在携带一篇文档移动,那么当蚂蚁处于空网格,并且这篇文档与周围环境的群体相似度较高时,它将放下这篇文档,阈值概率Pr将作为判断依据,拾起概率Pp(oi)和放下概率Pd(oi) 定义如下:
其中k1和k2都是阈值常量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510094167.3A CN104715024A (zh) | 2015-03-03 | 2015-03-03 | 一种多媒体热点分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510094167.3A CN104715024A (zh) | 2015-03-03 | 2015-03-03 | 一种多媒体热点分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104715024A true CN104715024A (zh) | 2015-06-17 |
Family
ID=53414351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510094167.3A Pending CN104715024A (zh) | 2015-03-03 | 2015-03-03 | 一种多媒体热点分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104715024A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023041A (zh) * | 2015-08-11 | 2015-11-04 | 东南大学 | 数据聚类方法及b2b平台客户偏好获取方法、装置 |
CN106156800A (zh) * | 2016-07-27 | 2016-11-23 | 合肥高晶光电科技有限公司 | 基于蚁群算法的色选机色选方法 |
CN106506528A (zh) * | 2016-12-05 | 2017-03-15 | 深圳万智联合科技有限公司 | 一种大数据环境下的网络安全分析系统 |
CN106534166A (zh) * | 2016-12-05 | 2017-03-22 | 深圳万发创新进出口贸易有限公司 | 一种数字图书馆管理系统 |
CN106780065A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万发创新进出口贸易有限公司 | 一种社交网络资源分享系统 |
CN106776972A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万智联合科技有限公司 | 一种云计算网络中的虚拟化资源整合平台 |
CN106779830A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万发创新进出口贸易有限公司 | 一种社区电子商务公共服务平台 |
CN106777937A (zh) * | 2016-12-05 | 2017-05-31 | 深圳大图科创技术开发有限公司 | 一种智能医疗综合检测系统 |
CN107273357A (zh) * | 2017-06-14 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的分词模型的修正方法、装置、设备和介质 |
CN109241146A (zh) * | 2018-09-21 | 2019-01-18 | 太原太工天宇教育科技有限公司 | 集群环境下的学生智助方法和系统 |
CN113486266A (zh) * | 2021-06-29 | 2021-10-08 | 平安银行股份有限公司 | 页面标签添加方法、装置、设备及存储介质 |
-
2015
- 2015-03-03 CN CN201510094167.3A patent/CN104715024A/zh active Pending
Non-Patent Citations (2)
Title |
---|
刘远超 等: "文档聚类综述", 《中文信息学报》 * |
薛浩 等: "基于SOM聚类的文本挖掘知识展现可视化研究", 《情报理论与实践》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023041A (zh) * | 2015-08-11 | 2015-11-04 | 东南大学 | 数据聚类方法及b2b平台客户偏好获取方法、装置 |
CN105023041B (zh) * | 2015-08-11 | 2017-07-28 | 东南大学 | 数据聚类方法及b2b平台客户偏好获取方法、装置 |
CN106156800A (zh) * | 2016-07-27 | 2016-11-23 | 合肥高晶光电科技有限公司 | 基于蚁群算法的色选机色选方法 |
CN106156800B (zh) * | 2016-07-27 | 2019-01-29 | 合肥高晶光电科技有限公司 | 基于蚁群算法的色选机色选方法 |
CN106780065A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万发创新进出口贸易有限公司 | 一种社交网络资源分享系统 |
CN106776972A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万智联合科技有限公司 | 一种云计算网络中的虚拟化资源整合平台 |
CN106779830A (zh) * | 2016-12-05 | 2017-05-31 | 深圳万发创新进出口贸易有限公司 | 一种社区电子商务公共服务平台 |
CN106777937A (zh) * | 2016-12-05 | 2017-05-31 | 深圳大图科创技术开发有限公司 | 一种智能医疗综合检测系统 |
CN106534166A (zh) * | 2016-12-05 | 2017-03-22 | 深圳万发创新进出口贸易有限公司 | 一种数字图书馆管理系统 |
CN106506528A (zh) * | 2016-12-05 | 2017-03-15 | 深圳万智联合科技有限公司 | 一种大数据环境下的网络安全分析系统 |
CN107273357A (zh) * | 2017-06-14 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的分词模型的修正方法、装置、设备和介质 |
US10664659B2 (en) | 2017-06-14 | 2020-05-26 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method for modifying segmentation model based on artificial intelligence, device and storage medium |
CN107273357B (zh) * | 2017-06-14 | 2020-11-10 | 北京百度网讯科技有限公司 | 基于人工智能的分词模型的修正方法、装置、设备和介质 |
CN109241146A (zh) * | 2018-09-21 | 2019-01-18 | 太原太工天宇教育科技有限公司 | 集群环境下的学生智助方法和系统 |
CN109241146B (zh) * | 2018-09-21 | 2021-09-17 | 太原太工天宇教育科技有限公司 | 集群环境下的学生智助方法和系统 |
CN113486266A (zh) * | 2021-06-29 | 2021-10-08 | 平安银行股份有限公司 | 页面标签添加方法、装置、设备及存储介质 |
CN113486266B (zh) * | 2021-06-29 | 2024-05-21 | 平安银行股份有限公司 | 页面标签添加方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104715024A (zh) | 一种多媒体热点分析方法 | |
CN107563381B (zh) | 基于全卷积网络的多特征融合的目标检测方法 | |
CN104765768B (zh) | 海量人脸库的快速准确检索方法 | |
CN103116766B (zh) | 一种基于增量神经网络和子图编码的图像分类方法 | |
CN107784657A (zh) | 一种基于颜色空间分类的无人机遥感图像分割方法 | |
Xu et al. | Leaf instance segmentation and counting based on deep object detection and segmentation networks | |
CN106340016A (zh) | 一种基于细胞显微镜图像的dna定量分析方法 | |
CN109886267A (zh) | 一种基于最优特征选择的低对比度图像显著性检测方法 | |
CN102722578B (zh) | 一种基于拉普拉斯正则化无监督的聚类特征选取方法 | |
Ye et al. | Image Segmentation Using Thresholding and Swarm Intelligence. | |
CN107194415A (zh) | 一种基于拉普拉斯中心性的峰值聚类方法 | |
Lunga et al. | Resflow: A remote sensing imagery data-flow for improved model generalization | |
CN114612450B (zh) | 基于数据增广机器视觉的图像检测分割方法、系统、电子设备 | |
CN116645579A (zh) | 一种基于异质图注意力机制的特征融合方法 | |
CN110363053A (zh) | 一种遥感影像居民地提取方法及装置 | |
CN105913451B (zh) | 一种基于图模型的自然图像超像素分割方法 | |
Goodarzi et al. | Incorporating sparse model machine learning in designing cultural heritage landscapes | |
CN103164487B (zh) | 一种基于密度与几何信息的数据聚类方法 | |
Feng et al. | Land-cover classification of high-resolution remote sensing image based on multi-classifier fusion and the improved Dempster–Shafer evidence theory | |
Liu et al. | Contour-oriented cropland extraction from high resolution remote sensing imagery using richer convolution features network | |
CN106611418A (zh) | 一种图像分割算法 | |
CN106909881A (zh) | 基于无人机遥感影像提取玉米育种基地垄数的方法及系统 | |
CN116524255A (zh) | 基于Yolov5-ECA-ASFF的小麦赤霉病孢子识别方法 | |
CN109033746A (zh) | 一种基于节点向量的蛋白质复合物识别方法 | |
CN112347842B (zh) | 一种基于关联图的离线人脸聚类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160811 Address after: 430000 Chutian media building, No. 181, East Lake Road, Wuchang District, Hubei, Wuhan Applicant after: HUBEI JINCHU NETWORK TECHNOLOGY CO., LTD. Address before: 430077 third floor, Chutian culture creative industry building, East Lake New Technology Development Zone, Hubei, Wuhan Applicant before: Hubei optical valley is medium limited company all over the world |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150617 |
|
RJ01 | Rejection of invention patent application after publication |