New Retrieval Method Based on Relative Entropy for Language Modeling with Different Smoothing Methods

A language model for information retrieval is built by using a query language model to generate queries and a document language model to generate documents. The documents are ranked according to the relative entropies of estimated document language models with respect to the estimated query language model. Two popular and relatively efficient smoothing methods, the Jelinek- Mercer method and the absolute discounting method, are used to smooth the document language model in estimation of the document language, A combined model composed of the feedback document language model and the collection language model is used to estimate the query model. A performacne comparison between the new retrieval method and the existing method with feedback is made, and the retrieval performances of the proposed method with the two different smoothing techniques are evaluated on three Text Retrieval Conference （TREC） data sets. Experimental results show that the method is effective and performs better than the basic language modeling approach; moreover, the method using the Jelinek-Mercer technique performs better than that using the absolute discounting technique, and the perfomance is sensitive to the smoothing peramters.     

A Target-Orientated Marker Image Binarization Method for Orthopaedic Surgical Navigation System

Camera calibration is the key technique in a C-arm based orthopaedic surgical navigation system. The extraction of marker location information is a necessary step in the calibration process. Ideal marker images should possess uniform background and contain marker shadow only, but in fact marker images always possess nonuniform background and are contaminated by noise and unwanted anatomic information, making the extraction very difficult. A target-orientated marker shadow extraction method was proposed. With this method a proper threshold for marker image binarization can be determined.     

基于流形学习的图像检索研究进展

基于内容的图像检索是当前研究的热点,然而由于“语义鸿沟”问题而限制其检索能力的提高．而流形学习可以利用图像数据库中的数据,以及和用户交互的反馈信息获得用户的语义概念,从而提高检索性能．本文鉴于流形学习在图像检索中表现出的有效性,分析了近几年将流形学习应用到基于内容图像检索中的算法,从归纳和转导角度将相关内容分为两个类别,针对每个类别总结分析了相关算法,并总结了有待进一步研究的问题．     

基于内容的图像检索中的相关反馈技术

早期的基于内容的图像检索系统以图像处理技术为核心，研究重点集中在视觉特征的选择和提取方面，而没有充分利用人们在视觉方面的主观性．基于内容的图像检索中的根本问题是用于理解图像内容的高层语义概念与图像中提取的用于索引数据库图像的低层特征之间存在差异．为了解决上述问题，近年来相关反馈技术在基于内容的图像检索中受到重视．简要介绍了基于内容的图像检索系统的一般结构，在此基础之上给出了相关反馈技术的目标以及基本思想，并阐述了相关反馈的原则．最后简要介绍了几个现有的使用相关反馈技术的基于内容的图像检索系统．     

一种吸引子图象编码的快速算法

压缩速度慢是吸引子图象编码技术实用化的最大障碍，因此，如何加速其编码过程，是当今吸引子图象编码的研究热点。本文提出一种快速吸引子编码的方法，它将分形维数作为衡量值域子块和定义域子块是否匹配的主要依据，有效避免了传统编码方法中子块匹配的耗时运算，同时采用气泡上浮法和二分法等快速排速和查找方法加速其编码过程。实验结果表明，该方案比传统Ｊａｃｑｕｉｎ方法快５倍左右。     

浅述档案利用过程中应注意的几个问题

随着档案利用工作的深入发展,档案部门和档案工作者必须不断提升档案利用服务水平。本文从加强档案利用意识、适应新的形势和观念、提高服务质量三个方面对此进行了简要阐述。     

基于大数据的道路视频监控系统框架分析

随着国家安全和公共安全对智能监控系统的需求的增加,可用的视频数据量呈指数增加。为了及时检索最重要的信息,图像索引是非常必要的。本研究以实时存储的大数据为基础,提出了一种新的视频监控自动索引与检索框架。本框架在网关、用户之间进行查询传输时,采用了基于虚拟专用网双网的安全策略,在IP连通性上采用第二层隧道协议和第二层转发协议进行安全保护。     

数字图象与扫描仪

数字图像具有许多模拟图像所没有的优点,使得数字图像技术成为今天模拟信息向数字化信息转换的重要手段之一,也是今天档案馆的数字信息资源来源的主要手段之一。数字图像也具有一些难以克服的缺点,使得档案馆的信息存取与保存有了新的课题。     

《交通节能与环保》投稿须知

《交通节能与环保》杂志是由中华人民共和国交通部主管、人民交通出版社股份有限公司和交通运输部公路科学研究院共同主办的学术性期刊,创刊于1986年(曾用刊名:船舶节能),双月刊,大16开本,国内外公开发行。本刊被中国核心期刊(遴选)数据库、中文科技期刊数据库、万方数据—数字化期刊群、JST日本科学技术振兴机构数据库(日)(2018)等检索机构长期收录。     

数字图书馆的系统建设探讨

数字图书馆是运行在互联网上、分布式超大规模、没有时空界限、可跨库检索的海量数字化信息资源的基本组织形式,它满足了大众对信息查询的需要,是伴随互联网发展而产生的正在成长期的新生事物。本文针对数字图书馆的建设提出了一些思路,并针对核心系统中的资源建设平台和读者服务平台的功能进行了论述。