文本情感分析已经逐渐成为自然语言处理(NLP)的重要内容,并在系统推荐、用户情感信息获取,为政府、企业提供舆情参考等领域越来越占据重要地位。通过文献调研的方式,对情感分析领域的方法进行对比和综述。首先,从时间、方法等维度对情感分析的方法进行文献调研;然后,对情感分析的主要方法、应用场景进行归纳总结和对比;最后,在此基础上分析每种方法的优缺点。根据分析结果可以知道,在面对不同的任务场景,主要有三种情感分析的方法:基于情感字典的情感分析法、基于机器学习的情感分析法和基于深度学习的情感分析法,基于多策略混合的方法成为改进的趋势。文献调研表明,文本情感分析的技术方法还有改进的空间,在电子商务、心理治疗、舆情监控方面有较大市场和发展前景。
参与式感知中用户不仅对数据匹配度有要求,对数据差异化也同样有要求,为了既能满足用户对数据匹配度和差异化数据的需求,也能保护用户的偏好隐私,提出了一种隐私保护的差异化数据分享协议。该协议首先将交互双方的数据表示为两个整数集合,并且利用计数布隆过滤器(CBF)计算两个集合的集合交,以集合交的结果作为数据类型匹配度;其次利用CBF能删除元素的功能,计算两个集合的差异化数据值;最后将数据类型匹配度和差异化数据值与预先设定的阈值比较,判断是否符合交互条件,同时,对CBF的构造方法进行了改进,用以保护用户的偏好隐私。理论分析和实验结果表明,与基于布隆过滤器(BF)的非加密匹配协议相比,该协议克服了匹配结果偏大的缺陷,同时计算开销减少了50%以上。该协议在保护用户偏好隐私和满足用户对差异化数据需求的同时,具有较高的匹配精度和效率。
通过研究水声通信的特点,分析水下物体的运动特性,提出了一种基于可变长时隙机制的水下传感器网络MAC协议。新协议中,传感器节点会周期性获取邻居节点的位置信息,并根据节点间相互距离的变化自适应地调整信道预约时隙长度,当节点由于运动引起网络区域收缩,节点之间距离变小时,预约时隙长度变小,反之,时隙长度增大。可变长时隙机制,提高了信道时隙资源的利用率。仿真结果表明,动态环境下新协议相对现有的协议在有效网络吞吐量性能上提升15%左右。
针对公交车上乘客相互遮挡及光照变化明显的问题,提出一种基于头肩部边缘特征和局部不变特征的人体检测及跟踪算法。首先对待检测图像进行自适应阈值背景差分,实现乘客目标分割;然后用样本的梯度方向直方图(HOG)特征训练支持向量机(SVM)基础分类器,结合自适应增强(AdaBoost)算法提炼出最终的强分类器,对前景图像进行扫描实现乘客目标检测;最后提取目标区域和当前搜索区域的快速鲁棒性特征(SURF),通过特征点匹配实现乘客目标跟踪。实验表明,在乘客相互遮挡及光照变化明显的情况下,该算法仍具有高于80%的检测率和跟踪率,且满足系统实时性的要求,可用于客流计数。
针对欠采样图像重构的凸优化问题,提出一种基于二阶总广义变差(TGV)范数最小化的算法。利用图像的二阶TGV半范作为正则约束项,自动地平衡一、二阶导数项,使得该算法可以更好地恢复图像边缘,有利于平滑噪声,避免阶梯效应。为了有效地计算该模型,通过正交投影和调整权重阈值对每一步迭代结果进行修正,最终获得更准确的重构结果。实验结果表明,与正交匹配追踪(OMP)模型和全变差(TV)模型比对,该算法重构的图像其峰值信噪比(PSNR)及结构相似度(SSIM)都有明显的提高,重构效果较好。