文本特征提取方案的研究与设计,王然,辛阳,随着互联网技术的发展与大数据时代的来临,互联网数据分析与挖掘任务成为学术界和工业界的热点问题。其中文本分类技术尤为重要,
对观测信号进行小波包分析,从而提取故障信息,建立能够表征系统特征的状态向量,用模式识别的方法对系统进行故障检测与定位,实现系统的故障诊断。
KNN文本分类中特征词权重算法的研究 机器学习
文本挖掘中采用向量空间模型(VSM) 来表达文本特征, 表现出巨大的维数, 从而导致处理过程计算复杂, 为此, 需要先对文本特征矩阵进行合理的降维处理。隐含语义分析(LSA) 、概念索引(CI) 、非
小波变换最早是由法国地球物理学家Morlet于80年代初在分析地球物理信号时作为 一种信号分析的数学工具提出来的。经过二十几年的发展,小波变换在理论和方法上都取 得了突破性的进展,现在已经广泛应用于信
提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法。首先对纹理图像进行非下采样 Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了
该实现方法以SIFT特征为核心,结合图像处理和计算机视觉技术,具有卓越的性能和效果。通过对SIFT特征进行提取和描述,并应用于目标检测、匹配等领域。该方法具有广泛的应用前景,是学习图像处理、计算机视觉
【摘要】 目标的自动识别是最有价值的应用需求之一,但它同时也最具挑战性。过去几十年中该课题的研究己经取得了较大的进展,但计算机自动识别技术还远没有达到理想的实际应用需求。自动识别技术涉及到很多方面的研
提出一种基于随机森林和转导推理的特征提取方法,步骤如下:1)利用带标签的训练样本建立随机森林模型;2)将无标签的测试数据导入随机森林模型中,生成全体数据(训练样本和测试数据)的相似性矩阵;3)对该相似
一种基于纹理特征提取的图像检索,描述了纹理和纹理特征,介绍了几种常用的纹理分析方法,有灰度直方图、边缘方向直方图、空间灰度共生矩阵、Tamura纹理特征、Gabor滤波器和小波以及图像纹理谱分析方法,