基于主题信息增强的弱监督方面类别检测方法.pdf

基于自监督特征增强的多模态虚假信息检测方法研究.pdf 华中科技大学硕士学位论文摘要随着微博、头条这类即时社交应用的兴起和发展，社交媒体已经成为人们发布和获取信息的主要阵地。这些社交媒体为用户提供便利的同时，也让用户更容易接触到虚假信息。虚假信息可能会误导用户，造成经济损失，影响社会的稳定。因此如何检测社交媒体中的虚假信息，遏制虚假信息的传播成为一个亟待解决的问题。目前已经有许多虚假信息检测算法被提出，但大多数检测方法没有考虑信息的多模态内容，没有充分利用各个模态内容之间的高阶补充关系。此外目前的虚假

2025-02-26 约11.53万字 81页立即下载

基于多任务框架的方面词和方面类别联合抽取和检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548099 A (43)申请公布日 2022.05.27 (21)申请号 202210179889.9 (22)申请日 2022.02.25 (71)申请人桂林电子科技大学地址 54100

2023-05-07 约1.3万字 10页立即下载

用于图像分类的基于类别自适应模型的无监督域适应方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113011456 B (45)授权公告日 2022.07.15 (21)申请号 202110171322.2 G06N 3/04 (2006.01)

2023-06-10 约1.15万字 9页立即下载

一种基于类别原型的半监督图像分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117422928A (43)申请公布日2024.01.19 (21)申请号202311517465.X (22)申请日2023.11.15 (71)申请人云南联合视觉科技

2024-01-17 约2.47万字 22页立即下载

基于句法信息增强的方面级情感分析研究.pdf 摘要随着社交媒体和电子商务网站的普及，网络上涌现了大量关于产品和服务的用户评价和观点。在这些评价中，用户常常对一个产品或服务的多个方面提出具有不同情感极性的评价。然而，传统的情感分析方法只能对整个文本进行情感极性判断，难以准确捕捉和理解用户的具体观点。方面级情感分析（Aspect-Based SentimentAnalysis，ABSA）更适用于实际的情感分析任务，它的目标是确定文本中提及的各个方面的情感极性，更细粒度地理解用户的评价。然而，ABSA的研究和实现面临着诸多挑战，如句法依赖关系的复杂性和语义混淆等问题。为了解决这些问题，本文进行了以下主要工作：（1）提出了基于方面

2025-05-05 约6.29万字 52页立即下载

基于句法增强的方面级情感分析方法研究.pdf 基于句法增强的方面级情感分析方法研究摘要随着互联网技术的快速发展和人工智能的不断普及，中国的人工智能和经济社会正在全面融合，网络成为新时代人们选择的生活方式。微博上记录自己的生活，在淘宝发表对商品的评论，互联网医院留下看病的记录，这些数据中蕴含的情感倾向可以用来帮助把握社会舆论、了解用户倾向、总结病患资料，有着巨大的发展前景和商业价值。因此，能够挖掘文本情感倾向的情感分析技术得到整个社会的共同关注，也为方面级情感分析领域带来了机遇和挑战。方面级情感分析旨在识别上下文句子中某个方面的情感极性。现有的情感分析方法通过结合句法依赖树和图神经网络来引入句法依赖关系，但是通常容易受到句

2025-05-25 约10.43万字 63页立即下载

基于边缘检测的多类别医学图像分类方法.PDF

2017-05-23 约3.33万字 8页立即下载

文本分类中基于位置和类别信息的一种特征降维方法.pdf

2018-08-06 约小于1千字 7页立即下载

基于信息增强的无监督行人重识别算法研究.pdf 中文摘要行人重识别是计算机视觉领域中极其重要的课题之一，主要研究如何对某一特定行人在不同摄像头（这几个摄像头所拍摄的区域是不重叠的区域）下的快速匹配问题。行人重识别可以有效弥补固定摄像头的视觉局限，将不同的摄像头中的同一目标关联起来，其研究成果可广泛应用于智能视频监控、智能安保等领域，因此，具有广泛的应用前景和研究价值。相较于基于有监督的行人重识别，无监督行人重识别能够在没有任何标记数据的情况下跨摄像机检索感兴趣的人员，在实际应用中减少了视频监控的设备并降低了标记成本。然而，无监督

2024-10-01 约7.55万字 54页立即下载

基于上下文信息增强和平坦域对抗训练的域适应目标检测方法研究.pdf 摘要目标检测是计算机视觉中的一项核心任务，被视为计算机视觉的基石，目的是在图像中准确识别和定位感兴趣的目标物体，广泛应用于自动驾驶、智慧医疗、智慧农业等与国计民生相关的领域。近年来，随着深度学习的兴起，基于卷积神经网络的目标检测技术在训练集和测试集处于相同场景时表现出色，然而，当训练集和测试集为不同场景时，目标检测器的性能急剧下降，这成为目标检测在实际应用中的障碍，如自动驾驶等领域。为解决上述问题，学者们提出了无监督域适应目标检测方法，通过使用有标签的源域数据集和无标签的目标域数据集，目的是训练一个目标检测器使其能够在目标域上有良好的检测性能。本文对于现有的无监督域适应目标检

2025-03-21 约9.1万字 65页立即下载

2025-03-14 约3.11万字 44页立即下载

基于空间信息增强的点云遮挡目标检测方法研究.docx 基于空间信息增强的点云遮挡目标检测方法研究一、引言随着三维点云数据的广泛应用，基于点云的遮挡目标检测问题越来越受到关注。该领域涉及多个关键问题，包括数据的处理、噪声的去除以及信息的有效利用等。然而，点云遮挡的识别是三维视觉检测的难题之一。本文主要探讨了基于空间信息增强的点云遮挡目标检测方法。该方法通过对点云数据的空间信息进行增强，有效地解决了遮挡物对目标检测的干扰问题，提高了检测的准确性和可靠性。二、研究背景及意义随着3D视觉技术的发展，点云数据的应用范围不断扩大。在机器人导航、自动驾驶、无人机侦察等领域，点云遮挡目标检测显得尤为重要。然而，由于遮挡物的存在，目标检测的准确性和可靠性往

2025-04-17 约4.83千字 10页立即下载

一种基于激光点云的三维信息增强的检测识别方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114821033 A (43)申请公布日 2022.07.29 (21)申请号 202210289428.7 G06V 10/82 (2022.01)

2023-05-16 约1.98万字 18页立即下载

基于无监督学习的网络异常检测方法.docx PAGE 1- 基于无监督学习的网络异常检测方法 一、1.无监督学习概述 (1)无监督学习是机器学习领域的一个重要分支，它主要关注于从未标记的数据中提取模式、结构或特征。与监督学习不同，无监督学习不需要预先标注的训练数据，而是通过算法自动从数据中学习到潜在的模式。这种学习方式在数据挖掘、图像处理、自然语言处理等领域有着广泛的应用。据统计，无监督学习在2019年全球人工智能应用市场中所占份额已达到25%，并且这一比例还在持续增长。 (2)无监督学习的主要方法包括聚类、降维和关联规则挖掘等。聚类算法如K-means、层次聚类和DBSCAN等，可以将数据点分组，使得同一组内的数据点具有较高的相似度，

2025-01-21 约3.16千字 6页立即下载

基于自监督的属性图社团检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114880538 A (43)申请公布日 2022.08.09 (21)申请号 202210639903.9 G06N 3/04 (2006.01)

2023-05-14 约1.44万字 12页立即下载