导读:本文包含了局部上下文分析法论文开题报告文献综述、选题提纲参考文献，主要关键词:上下文,局部,本体,图像,视觉,概念,用户。
局部上下文分析法论文文献综述写法
万静,王文聪,易军凯[1]（2013）在《基于本体和局部上下文分析的查询扩展》一文中研究指出在信息检索过程中,因查询词短少而引起的检索歧义性是影响检索效率的主要原因之一,而查询扩展方法和本体扩展方法能有效改善这一问题。提出一种基于本体和局部上下文分析的查询扩展方法:本体扩展根据本体推理规则对短查询词进行推理,得到与查询词有逻辑关联的推理结果集,为查询词加入了标准化的关联信息。局部上下文分析通过对文档库的分析,在与用户查询词最相关的前m篇文档中抽取与用户查询词最相关的n个扩展词,为查询词加入了统计扩展信息。将两部分扩展查询词合并,再通过扩展查询词相关度计算对搜索结果集进行排序。该方法结合了这两种方法的各自优势,从语义角度扩展关键词。实验分析表明,该方法能有效提高检索查全率和查准率。(本文来源于《控制工程》期刊2013年03期）
王旭阳,萧波[2]（2012）在《基于本体和局部上下文分析的查询扩展方法》一文中研究指出语义查询扩展中存在语义边界确定困难的问题。为此,提出一种基于本体和局部上下文分析的查询扩展方法。在本体扩展得到候选扩展概念的基础上,改进筛选函数,结合局部上下文对候选扩展概念集进行二次筛选。实验结果表明,与基于本体的查询扩展方法相比,该方法的查询性能较高。(本文来源于《计算机工程》期刊2012年07期）
熊忠阳,向海燕,张玉芳[3]（2012）在《结合用户日志的局部上下文分析方法》一文中研究指出传统的局部上下文分析其应用效果高度依赖于初次检索的结果。针对此局限,通过对用户查询日志的统计分析和过滤,得到用户最可能感兴趣的文章,代替初始检索得到的N篇文章,作为查询扩展词来源文档集,用局部上下文分析方法计算词间相关度。实验结果表明,该方法能够较大地提高查询精度。(本文来源于《计算机工程与应用》期刊2012年12期）
周文罡[4]（2011）在《基于局部特征的视觉上下文分析及其应用》一文中研究指出近十几年来,随着计算机技术和多媒体技术的迅猛发展、数码产品的普及以及因特网应用的深入人心,网络上的多媒体数据呈现出爆炸式的增长。面对因特网上的海量多媒体数据,特别是图像数据,如何对其进行有效分析、快速检索、合理组织,是一项非常重要同时也是非常有挑战性的工作。视觉上下文分析研究图像和特征的内在的联系,是解决这一问题的有效手段。最近,随着局部视觉特征的提出,在计算机视觉和多媒体领域,越来越多的研究者开始关注基于局部特征的视觉上下文分析的研究。目前,基于局部特征的视觉上下文处理方法虽然取得了一定进展,然而由于低层特征和高层语义概念之间语义鸿沟的存在,视觉上下文分析还有很多问题需要研究。本论文对基于局部特征的视觉上下文进行了深入研究,根据具体场景,探索不同的上下文关系,分别应用用于图像重排序、典型图像挑选、部分拷贝图像检索、自动车牌检测。本论文的主要工作和创新之处归纳为以下几点:(1)论文提出了一种隐视觉上下文学习方法,基于文本检索返回的图像结果,针对其不相关性和冗余性问题,进行图像重排序和典型图像挑选。在隐视觉上下文学习模型中,论文一方面发掘图像和视觉单词间的隐语义关系,另一方面分别构建视觉单词和图像的链接图。通过利用图分析的方法,发掘视觉单词和图像的重要性。基于图像的重要性,可以进一步和基于文本检索的图像排序结果相融合,进行图像重排序。此外,在隐视觉上下文学习结果的基础上,论文提出了一种加权集覆盖方法,用于挑选出代表性的典型图像。(2)论文提出了一组基于局部视觉特征几何上下文的编码方法,包括空间编码、环编码和几何编码,用于大规模的部分拷贝图像检索中的快速几何校验,极大的提高了检索精度。由于传统的单纯基于局部特征量化方法往往引入许多几何不一致的匹配,影响图像间的相似度比较,降低检索精度。本论文基于经典的局部特征SIFT(Lowe,2004),提出了一组编码方法对图像中视觉单词间的相对几何位置关系进行简洁有效表达。该编码表达可实现平移不变、尺度不变、或(和)旋转不变。基于几何上下文编码表达,论文提出了一种新颖的几何校验算法,可以快速发现全局几何不一致的匹配。针对几何上下文编码可能存在的一些不足,论文提出了一些增强策略,包括仿射变换估计增强、查询扩展增强等,可进一步改善检索结果。(3)论文提出了一种新颖的主视觉单词发现方法,针对车牌字符训练出一组具有丰富几何上下文的视觉单词,用于自动车牌检测。针对传统的基于图像边缘图的车牌检测方法的不足,论文从局部特征几何上下文的角度出发,提出了一种新颖的主视觉单词生成的算法。论文针对每个车牌字符训练得到一组主视觉单词,这些主视觉单词含有丰富的几何信息,如尺度、主方向、相对位置、局部描述子等;然后对测试图像,可以通过与其中的局部特征匹配的主视觉单词的几何信息,准确估计出车牌的位置。该方法生成的主视觉单词具有很强的区分能力和表达能力,而且和特定的语义概念(车牌字符)关联。总而言之,本文基于局部视觉特征,从新颖独特的视角出发,分析和挖掘蕴含在图像中的丰富的视觉上下文信息,应用于多媒体处理的几个场景。论文通过大量充分的实验,证明了所提出方法优于传统的经典算法。(本文来源于《中国科学技术大学》期刊2011-05-01）
杨海南[5]（2011）在《基于语义概念树和局部上下文分析的查询扩展》一文中研究指出针对信息检索中因文档与查询词之间的不匹配而影响信息检索效果的问题,提出了一种结合基于语义概念树和局部上下文分析的查询扩展模型。该模型对用户提交的查询关键词进行扩展,扩展词来源于基于语义概念树和局部上下文分析的扩展词。实验结果表明,与单纯采用局部上下文分析方法(LCA)相比,该方法有更优的检索性能。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2011年01期）
张超盟,李战怀,温宗臣[6]（2009）在《局部上下文分析剪枝概念树的查询扩展》一文中研究指出介绍一种局部上下文分析(LCA)剪枝概念树的方法。利用LCA方法初次检索的与原查询最相关的文章作为备选扩展词的来源,用扩展词剪枝语义词典构造的概念树,补充概念树上不存在的新词,并重新计算扩展词权重。实验表明,在相同的实验条件下该扩展方法查询性能有较大的提高。(本文来源于《计算机工程》期刊2009年14期）
罗建利[7]（2007）在《基于用户兴趣的局部上下文分析方法》一文中研究指出针对根据目前网络信息检索存在的查全率和查准率低的特点,提出一种个性化的局部上下文分析方法,以提高W eb信息检索的性能。该方法通过设计一种客户端的用户兴趣挖掘模型,同时将用户兴趣模型与局部上下文分析方法相结合,克服了局部上下文分析的缺陷。实验结果显示该方法能有效提高Web信息检索的查全率与查准率。(本文来源于《计算机应用研究》期刊2007年04期）
局部上下文分析法论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
语义查询扩展中存在语义边界确定困难的问题。为此,提出一种基于本体和局部上下文分析的查询扩展方法。在本体扩展得到候选扩展概念的基础上,改进筛选函数,结合局部上下文对候选扩展概念集进行二次筛选。实验结果表明,与基于本体的查询扩展方法相比,该方法的查询性能较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
局部上下文分析法论文参考文献
[1].万静,王文聪,易军凯.基于本体和局部上下文分析的查询扩展[J].控制工程.2013
[2].王旭阳,萧波.基于本体和局部上下文分析的查询扩展方法[J].计算机工程.2012
[3].熊忠阳,向海燕,张玉芳.结合用户日志的局部上下文分析方法[J].计算机工程与应用.2012
[4].周文罡.基于局部特征的视觉上下文分析及其应用[D].中国科学技术大学.2011
[5].杨海南.基于语义概念树和局部上下文分析的查询扩展[J].武汉理工大学学报(信息与管理工程版).2011
[6].张超盟,李战怀,温宗臣.局部上下文分析剪枝概念树的查询扩展[J].计算机工程.2009
[7].罗建利.基于用户兴趣的局部上下文分析方法[J].计算机应用研究.2007