一种评分数据噪声消除方法

    公开(公告)号:CN108830315B

    公开(公告)日:2021-06-04

    申请号:CN201810576917.4

    申请日:2018-05-31

    Abstract: 本发明属于数据挖掘技术领域,提供了一种评分数据噪声消除方法,设计一种使用于协同过滤技术数据预处理过程中,主要目的是消除原始评分数据评分噪声。该方法区别于已有方法的特色在于将用户之间相似度关系和项目之间流行度差异信息结合起来对原始评分数据进行修正,以消除环境因素导致的评分偏移,以提高协同过滤技术的推荐准确度。该方法在进行噪声处理过程中综合考虑了项目之间流行度关系和用户之间的相似关系,同时使用聚类算法提高了Weighted Slope One算法的扩展性.使用此方法来消除用户评分时特征环境的影响,提高协同过滤技术的推荐精度。经实验证明中经过修正后的评分数据相比较与原始评分数据在推荐精度上有明显提高。

    一种结合边界连通性与局部对比性的显著性检测方法

    公开(公告)号:CN107862702A

    公开(公告)日:2018-03-30

    申请号:CN201711192447.3

    申请日:2017-11-24

    CPC classification number: G06T7/194 G06T7/143 G06T7/187 G06T2207/10004

    Abstract: 本发明属于图像处理领域,涉及一种结合边界连通性与局部对比性的显著性检测方法,解决图像显著性检测问题。首先使用SLIC算法进行超像素的划分,通过Harris角点检测,利用局部对比性的特征,获取包围前景区域的凸包。然后利用聚类算法去除凸包中的背景区域,将获得的前景区域作为随机游走模型的吸收节点,并进行聚类内传播优化获取各超像素的前景概率。同时利用各区域边界连通性的特征,计算各超像素的背景概率。最后结合各超像素前景概率、背景概率得到一幅显著图,通过抑制背景超像素显著值得到最终显著图。该方法能够识别出图像中的最显著部分,得到更接近于真值图的显著图。

    一种结合边界连通性与局部对比性的显著性检测方法

    公开(公告)号:CN107862702B

    公开(公告)日:2021-07-09

    申请号:CN201711192447.3

    申请日:2017-11-24

    Abstract: 本发明属于图像处理领域,涉及一种结合边界连通性与局部对比性的显著性检测方法,解决图像显著性检测问题。首先使用SLIC算法进行超像素的划分,通过Harris角点检测,利用局部对比性的特征,获取包围前景区域的凸包。然后利用聚类算法去除凸包中的背景区域,将获得的前景区域作为随机游走模型的吸收节点,并进行聚类内传播优化获取各超像素的前景概率。同时利用各区域边界连通性的特征,计算各超像素的背景概率。最后结合各超像素前景概率、背景概率得到一幅显著图,通过抑制背景超像素显著值得到最终显著图。该方法能够识别出图像中的最显著部分,得到更接近于真值图的显著图。

    一种基于(N)模糊积分的显著图融合方法

    公开(公告)号:CN108694710A

    公开(公告)日:2018-10-23

    申请号:CN201810375979.9

    申请日:2018-04-18

    CPC classification number: G06T5/50 G06K9/4676 G06K9/6215 G06K9/6268

    Abstract: 本发明属于图像处理技术领域,涉及一种基于(N)模糊积分的显著图融合方法。首先,使用要融合的显著性检测方法生成各自的显著图。其次,计算各显著图间的相似系数与相似矩阵,进而得到各幅显著图的被支持度与可信度。然后,将各显著图的可信度作为(N)模糊积分中的模糊测度值。与此同时,对要融合的显著图进行像素级的排序,将排序的离散显著值作为(N)模糊积分中的非负实值可测函数。然后,计算(N)模糊积分值得到融合后的显著图,最后通过增强前景区域,抑制背景区域的优化处理得到最终的显著图。该方法能够识别出图像中的最显著部分,融合现有优秀显著性检测方法各自的优势,得到的检测效果优于各合成方法独自进行显著性检验时的效果。

Patent Agency Ranking