-
公开(公告)号：CN106528526B
公开(公告)日：2019-05-28
申请号：CN201610880863.1
申请日：2016-10-09
申请人： 武汉工程大学
摘要： 本发明公开了一种基于贝叶斯分词算法的中文地址语义标注方法，包括步骤S1：预设置针对中文地址数据进行语义标注的标注关系表；步骤S2：获取预切分、标注好的训练语料；步骤S3：对训练语料进行统计学习得到词频词典、标注关系词典、标注模式表；步骤S4：输入待标注地址字符串进行全切分；步骤S5：根据词频词典及贝叶斯分词算法获取概率最大的分词方案；步骤S6：根据标注关系词典对分词方案进行标注得到标注结果。标注关系表设定了一个规范化的标注模板；通过统计学习训练语料获得了包含词频词典、标注关系词典以及标注模式表的数据库；根据前述训练数据库匹配得到标注好的具有语义信息的中文地址，快速准确地完成了针对中文地址数据的语义解析。
-
-
公开(公告)号：CN106528605A
公开(公告)日：2017-03-22
申请号：CN201610853820.4
申请日：2016-09-27
申请人： 武汉工程大学
CPC分类号： G06F16/9537 , G06F17/2765
摘要： 一种基于规则的中文地址解析方法，其包括以下步骤：1）输入中文地址信息字符串；2）对于一条中文地址串address，从地址第一个字开始，到地址最后一个字结束，每一个字与特征字集合Q进行一一对应匹配，若匹配成功，则记录地址信息中该特征字P与其位置i，地址遍历结束后，将每个地址信息中存在的特征字P与其对应的位置i放入链表ArrayList中保存；3）若链表ArrayList的大小为size，从ArrayList中的第一个值j=1开始，到j=size结束，提取出链表中所有特征字，然后从j=1到size-1循环，若特征字j到j+1的转移概率大于特定阀值d时，则转移，此时提取出j所对应的特征字Pi和位置值i，在address中位置i处切分，如此循环，直到判断完最后一个特征字是否切分。
-
公开(公告)号：CN106503068B
公开(公告)日：2019-10-22
申请号：CN201610870620.X
申请日：2016-09-30
申请人： 武汉工程大学
IPC分类号： G06F16/11
摘要： 本发明公开了一种基于本体模型的Geodatabase到地理OWL文件的转换方法，将计算机无法理解，且缺乏语义和无法共享的地理空间数据库中的信息转换成的人机可读的地理OWL文件，以便于实现地理信息的知识重用和共享，具体步骤如下：S1构建地理本体OWL文件的模型；S2加载GDAL驱动并根据GDB文件路径获取GDB数据源；S3利用GDAL解析GDB；读取GDB基本信息和GDB类个体；遍历图层读取图层信息和图层类个体；遍历要素读取要素信息和要素类个体；S4调用jena根据步骤S3中GDAL解析GDB获得的信息和S1中构建的地理本体OWL文件的模型，通过文件输出流生成地理OWL文件。
-
公开(公告)号：CN104657718B
公开(公告)日：2018-12-14
申请号：CN201510078423.X
申请日：2015-02-13
申请人： 武汉工程大学
摘要： 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法，该方法包括以下步骤：对原始图像进行预处理；对样本进行主成分分析得到特征脸谱，将图像投影到特征域；然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系；最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号：CN106528526A
公开(公告)日：2017-03-22
申请号：CN201610880863.1
申请日：2016-10-09
申请人： 武汉工程大学
CPC分类号： G06F17/2775 , G06F16/29
摘要： 本发明公开了一种基于贝叶斯分词算法的中文地址语义标注方法，包括步骤S1：预设置针对中文地址数据进行语义标注的标注关系表；步骤S2：获取预切分、标注好的训练语料；步骤S3：对训练语料进行统计学习得到词频词典、标注关系词典、标注模式表；步骤S4：输入待标注地址字符串进行全切分；步骤S5：根据词频词典及贝叶斯分词算法获取概率最大的分词方案；步骤S6：根据标注关系词典对分词方案进行标注得到标注结果。标注关系表设定了一个规范化的标注模板；通过统计学习训练语料获得了包含词频词典、标注关系词典以及标注模式表的数据库；根据前述训练数据库匹配得到标注好的具有语义信息的中文地址，快速准确地完成了针对中文地址数据的语义解析。
-
公开(公告)号：CN105677700A
公开(公告)日：2016-06-15
申请号：CN201510980148.0
申请日：2015-12-23
申请人： 武汉工程大学
IPC分类号： G06F17/30
CPC分类号： G06F17/3087
摘要： 本发明公开了一种基于集合运算的中文地址行政区划解析方法，该方法包括以下步骤：首先利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集，然后利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，最后对行政区划集合进行条件集合运算，得到信息量最完整最准确的中文地址的行政区划。本发明方法解决了在互联网中中文地址数据混乱无序的情况下快速解析出中文地址行政区划的问题，并能得到信息量最完整最准确的中文地址的行政区划解析结果。
-
公开(公告)号：CN104700078A
公开(公告)日：2015-06-10
申请号：CN201510081168.4
申请日：2015-02-13
申请人： 武汉工程大学
摘要： 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
公开(公告)号：CN104657718A
公开(公告)日：2015-05-27
申请号：CN201510078423.X
申请日：2015-02-13
申请人： 武汉工程大学
摘要： 本发明公开了一种基于人脸图像特征极限学习机的人脸识别方法，该方法包括以下步骤：对原始图像进行预处理；对样本进行主成分分析得到特征脸谱，将图像投影到特征域；然后利用极限学习机算法建立人脸图像和人脸标签之间的映射关系；最后利用极限学习机推导输入人脸图像的标签属性。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了人脸图像的识别率。
-
公开(公告)号：CN104637060A
公开(公告)日：2015-05-20
申请号：CN201510078434.8
申请日：2015-02-13
申请人： 武汉工程大学
CPC分类号： G06T5/002
摘要： 本发明公开了一种基于邻域主成分分析-拉普拉斯的图像分割方法，该方法对原始图像进行主成分分析，得到每个像素的特征向量，提取图像的主要成分，有效的抑制了噪声；然后，用拉普拉斯算子对图像进行边缘检测，从而实现对图像的分割。与传统的Sobel算子和LOG算子分割算法相比，该方法通过对图像像素进行主成分分析，来估计去噪过程中的参数值，而不依赖于经验值，能有效的降低噪声对图像的干扰，简化了计算复杂度。实验结果表明，该方法能够有效的改善图像的分割效果，在准确性和稳健性上具有较强的优越性。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.033 秒)
