-
公开(公告)号：CN102831184B
公开(公告)日：2016-03-02
申请号：CN201210272225.3
申请日：2012-08-01
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种根据对社会事件的文字描述来预测社会情感的方法及系统，该方法包括构建社会情感语料库；对所述社会情感语料库中的每一个样本进行所述面向情感标签排序的文本特征选择以得到数值型特征向量，建立训练集；构建情感标签序列的概率模型；在情感标签序列上构建标情感签序列损失函数，通过优化该损失函数，得到社会情感预测模型；将描述社会事件的文本输入所述预测模型，得到与该社会事件相对应的情感标签排序，所述情感标签排序表示对该社会事件所预测的社会情感。本发明能够有效地、精确地、自动地预测社会公众对社会事件的情感反应。
-
公开(公告)号：CN103838835A
公开(公告)日：2014-06-04
申请号：CN201410064902.1
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F17/30787 , G06F17/30796
Abstract: 本发明公开了一种新的网络敏感视频检测方法，该方法包括：收集网络视频并提取其周边的文本，然后提取出网络视频中的视频特征和文本特征，视频特征包含音频特征和视觉特征，视频特征以及文本特征构成网络视频的特征集合；依次人工标定视频是敏感的还是不敏感的；通过考虑视音频特征的质量因子并利用提取的特征集计算出词汇之间的内容丰富相似度，加上之前提取的文本特征一起构建分类器核，利用上面得到的分类器核，通过改进的支持向量机算法来训练网络敏感视频分类器，最后分类的时候仅提取测试样本的文本特征作为预测输入数据。本发明可以应用在互联网中的有害视频过滤中，可以有效的维护计算机网络的内容健康和安全。
-
公开(公告)号：CN103294811A
公开(公告)日：2013-09-11
申请号：CN201310220554.8
申请日：2013-06-05
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明提供了一种考虑视频特征可靠性的视频分类器构造方法，包括：提取视频样本集中每个视频样本的视频特征，以得到视频特征集；对每个视频样本赋予标签，以表示该视频样本属于第一类别或第二类别；针对每个视频样本进行可靠性评估，以得到视频样本的可靠因子；以及基于视频特征集、每个视频样本的标签以及每个视频样本的可靠因子，利用加权的支持向量机算法得到视频分类器。本发明可以应用在互联网有害视频过滤与视频监管等业务中，以维护互联网的内容安全。
-
Patent Agency Ranking
公开(公告)号：CN103839236A
公开(公告)日：2014-06-04
申请号：CN201410065411.9
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于稀疏表示的图像白平衡方法，该方法包含以下步骤：获取大量各种场景和环境下的训练图像，并利用标准色板测量得到每幅训练图像拍摄时的光照色度值；对每一幅训练图像统计其对应的颜色特征；给定一测试图像，利用所述训练图像的光照色度值和颜色特征，估算所述测试图像的光照色度值；利用得到的测试图像的光照色度值，通过对角模型对所述测试图像中每个像素的颜色进行校正，得到经过白平衡的图像。本发明可应用到相机的白平衡处理，图像的光照变换以及颜色恒常性计算等领域，具有广阔的应用前景。
-
公开(公告)号：CN103854014A
公开(公告)日：2014-06-11
申请号：CN201410065197.7
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公开了一种基于上下文稀疏表示的恐怖视频识别方法及装置，该方法包括：对训练视频样本进行镜头分割，然后针对每个镜头选取一幅关键帧来代表该镜头；提取每个关键帧的视觉特征，并提取整个训练视频样本的音频特征；建立起每一个训练视频样本内部各个关键帧之间的上下文关系图；提取待识别视频的视觉特征、音频特征；构建待识别视频与训练视频样本之间的代价矩阵；基于上下文稀疏表示模型，利用所有训练视频样本对所述待识别视频进行重构，重构误差最小的训练视频样本的类别即为待识别视频的类别；其中所述上下文稀疏表示模块以所述训练视频样本的上下文关系图作为稀疏表示的词典，并利用所述代价矩阵对其进行约束。
-
公开(公告)号：CN102831184A
公开(公告)日：2012-12-19
申请号：CN201210272225.3
申请日：2012-08-01
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种根据对社会事件的文字描述来预测社会情感的方法及系统，该方法包括构建社会情感语料库；对所述社会情感语料库中的每一个样本进行所述面向情感标签排序的文本特征选择以得到数值型特征向量，建立训练集；构建情感标签序列的概率模型；在情感标签序列上构建标情感签序列损失函数，通过优化该损失函数，得到社会情感预测模型；将描述社会事件的文本输入所述预测模型，得到与该社会事件相对应的情感标签排序，所述情感标签排序表示对该社会事件所预测的社会情感。本发明能够有效地、精确地、自动地预测社会公众对社会事件的情感反应。
-
公开(公告)号：CN103838835B
公开(公告)日：2017-11-21
申请号：CN201410064902.1
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种新的网络敏感视频检测方法，该方法包括：收集网络视频并提取其周边的文本，然后提取出网络视频中的视频特征和文本特征，视频特征包含音频特征和视觉特征，视频特征以及文本特征构成网络视频的特征集合；依次人工标定视频是敏感的还是不敏感的；通过考虑视音频特征的质量因子并利用提取的特征集计算出词汇之间的内容丰富相似度，加上之前提取的文本特征一起构建分类器核，利用上面得到的分类器核，通过改进的支持向量机算法来训练网络敏感视频分类器，最后分类的时候仅提取测试样本的文本特征作为预测输入数据。本发明可以应用在互联网中的有害视频过滤中，可以有效的维护计算机网络的内容健康和安全。
-
公开(公告)号：CN104951802A
公开(公告)日：2015-09-30
申请号：CN201510336424.X
申请日：2015-06-17
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种分类器更新方法，首先收集错分训练样本及增量错分样本，再利用基本错分样本集，收集增量错分样本集中的所有异常样本，最后利用异常样本集和增量机器学习来更新所述分类器。本发明由于利用基本错分样本集，对增量错分样本集进行了筛选，能够避免将一些有益的错分训练样本用于更新而降低有害图像分类器的泛化性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
