阿力木江·艾沙
- 作品数：19 被引量：45H指数：4
- 供职机构：新疆大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金博士科研启动基金新疆维吾尔自治区高校科研计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于深度卷积网络的非接触式掌纹识别与验证被引量：1
- 2022年
- 针对非接触式掌纹图像存在手姿态、光照等干扰因素的问题,提出了使用深度卷积网络来提取非接触式掌纹特征的识别方法,对不同网络提取非接触式掌纹特征的性能进行了验证.为了提高实用性,避免非接触式掌纹验证前的ROI提取操作,提出了基于Siamese Network的非接触式掌纹验证方法.选用了ResNet、DenseNet、MobileNetV2和RegNet 4个卷积神经网络模型,在IITD、Tongji和MPD 3个非接触式掌纹数据集上做了非接触式掌纹识别的评估实验,在IITD数据集上进行了训练和验证.MobileNetV2在IITD数据集上的收敛速度最快,RegNet在Tongji、MPD两个数据集上的收敛速度明显快于另外3个网络.RegNet在3个数据集上的识别率均最高,且较传统方法有所提高.实验结果表明,用深度卷积网络提取非接触式掌纹特征的方法有更好的识别结果.基于Siamese Network的非接触式掌纹验证方法对自然场景下的掌纹图像有较好的验证结果,且对光照和手姿态具有一定的鲁棒性.
- 许赫庭木特力甫·马木提阿力木江·艾沙努尔毕亚·亚地卡尔库尔班·吾布力
- 关键词：卷积神经网络掌纹识别非接触式
- 基于空间关系的维吾尔文图像关键词检索
- 2021年
- 为提高维吾尔文档图像的检索效率,提出一种基于字符空间关系的关键词检索方法。通过对文档图像进行单词切分,提取切分后单词图像的字符空间位置特征,将提取的特征根据单词的连体段数目存储为多个特征文件,根据输入关键词图像的特征寻找对应的特征文件进行查询。从115张印刷体维吾尔文档图像切分后的24460张单词集中选取10张有丰富含义的关键词图像在单词库中进行检索实验,平均准确率为96.47%,平均召回率达到了93.74%,平均每张单词的查询耗时为0.25 s,验证了该方法在维吾尔文档图像检索中的有效性。
- 徐学斌阿里木江·阿布迪日依木朱亚俐阿力木江·艾沙库尔班·吾布力
- 关键词：维吾尔语关键词检索
- 基于层级匹配的维吾尔文关键词文档图像检索被引量：4
- 2020年
- 为实现基于关键词的维吾尔文文档图像检索,提出一种基于由粗到细层级匹配的关键词文档图像检索方法。使用改进的投影切分法将经过预处理的文档图像切分成单词图像库,使用模板匹配对关键词进行粗匹配;在粗匹配的基础上,提取单词图像的方向梯度直方图(HOG)特征向量;通过支持向量机(SVM)分类器学习特征向量,实现关键词图像检索。在包含108张文档图像的数据库中进行实验,实验结果表明,检索准确率平均值为91.14%,召回率平均值为79.31%,该方法能有效实现基于关键词的维吾尔文文档图像检索。
- 李静静木特力甫·马木提吾尔尼沙·买买提阿力木江·艾沙库尔班·吾布力
- 关键词：文档图像检索HOG特征支持向量机
- 基于LTP和HOG纹理特征融合的中亚文档图像文种识别被引量：3
- 2021年
- 针对中亚地区存在一些相似度较高的文种,提出一种基于具有旋转不变性的统一局部三值模式(rotation invariant uniform local ternary pattern, riu2-LTP)和方向梯度直方图(histogram of oriented gradients, HOG)特征交叉融合的文档图像文种方法。使用SVM分类器对包含10个文种共10 000张图片的数据库进行试验;为了提高多文种识别效果,采用贝叶斯优化SVM的超参数。对文档图像提取了半径为1,采样点为8的riu2-LTP;重新对数据库提取HOG;采用交叉融合方法将20维riu2-LTP特征与36维HOG特征分别依次融入到新的特征集。试验表明,本研究方法平均查准率达到99%,相较于单一LTP、riu2-LTP和HOG方法有更好性能。
- 吴正健木特力甫·马木提吾尔尼沙·买买提阿力木江·艾沙库尔班·吾布力
- 关键词：LTPHOG文种识别
- 基于类别信息和特征熵的文本特征权重计算被引量：4
- 2019年
- 基于类别信息的特征权重计算方法对特征与类别的关系表达不够准确,即对于类别频率相同的特征无法比较其对类别的区分能力,因此要考虑特征在类内的分布情况。将特征的反类别频率(inverse category frequency,ICF)和类内熵(entropy)相结合引入到特征权重计算方案中,构造了两种有监督特征权重计算方案。在维吾尔文文本分类语料上进行的实验结果表明,该方法能够明显改善样本的空间分布状态并提高维吾尔文文本分类的微平均F 1值。
- 阿力木江·艾沙阿力木江·艾沙库尔班·吾布力库尔班·吾布力
- 关键词：文本分类文本特征
- Centroid和EM结合的半监督文本分类
- 2019年
- 针对维吾尔文文本分类中的"标注瓶颈"问题,研究半监督文本分类。将期望最大化(expectation maximization,EM)算法和基于质心向量(Centroid vector)的分类算法相结合,提出一种半监督文本分类算法Centroid-EM,解决在Centroid分类器下,结合少量已标注样本和大量未标注样本来提高分类器性能的问题。在维吾尔文文本数据集上的实验结果表明,未标注样本的加入能够改善基于Centroid的分类方法在维吾尔文文本数据集上的分类效果。
- 阿力木江·艾沙殷晓雨库尔班·吾布力库尔班·吾布力
- 关键词：期望最大化半监督学习文本分类维吾尔文
- 基于优化GaitSet模型的步态识别研究被引量：1
- 2022年
- 为了能够保留更多的输入步态轮廓图的轮廓和纹理等信息,增加深浅特征融合的输入,提出了基于优化GaitSet模型的步态识别研究.首先,在原模型的基础上,采用了联合Loss优化,步态轮廓图的裁剪对齐为较大图片尺寸,并且进行进一步的论证;其次,增加多尺度的感受野的特征输入和深浅特征融合;最后,在CASIA-B数据库上进行了验证.实验结果表明:LT样本规模及非相同视角下,NM状态下的识别率为97.309%,BG状态下的识别率为94.048%,CL状态下的识别率为81.736%.相比较原模型Rank-1的准确率有较大的提升.
- 刘正道努尔毕亚·亚地卡尔木特力甫·马木提阿力木江·艾沙阿力木江·艾沙
- 关键词：步态识别图像尺寸
- 基于短语的维吾尔文文本分类被引量：5
- 2012年
- 文本特征表示是在文本自动分类中最重要的一个环节。在基于向量空间模型(VSM)的文本表示中特征单元粒度的选择直接影响到文本分类的效果。对于基于词袋模型(BOW)的维吾尔文文本分类效果不理想的问题,提出了一种基于统计方法的维吾尔语短语抽取算法并将抽取到的短语作为文本特征项,采用支持向量机(SVM)算法对维吾尔文文本进行了分类实验。实验结果表明,与以词为特征的文本分类相比,短语作为文本特征能够提高维吾尔文文本分类的准确率和召回率。
- 阿力木江·艾沙吐尔根·依布拉音库尔班·吾布力李哲
- 关键词：文本分类短语抽取支持向量机维吾尔语互信息
- 基于卷积递归模型的文本分类研究被引量：3
- 2019年
- 近年来卷积神经网络和循环神经网络在文本分类领域得到了越来越广泛的的应用。提出一种卷积神经网络和长短时记忆网络特征融合的模型,通过长短期记忆网络作为池化层的替代来获得长期依赖性,从而构建一个联合CNN和RNN的框架来克服单卷积神经网络忽略词语在上下文中语义和语法信息的问题。所提出的方法在减少参数数量和兼顾文本序列全局特征方面起着重要作用,实验结果表明,可以通过更小的框架来实现相同级别的分类性能,并且在准确率方面超越了同类型的其他几种方法。
- 殷晓雨阿力木江·艾沙库尔班·吾布力
- 关键词：文本分类卷积神经网络循环神经网络
- 基于机器学习的维吾尔文文本分类研究被引量：20
- 2012年
- 随着Internet上维吾尔文信息的迅速发展,维吾尔文文本分类成为处理和组织这些大量文本数据的关键技术。研究维吾尔文文本分类相关技术和方法,针对维吾尔文文本在向量空间模型(VSM)表示下的高维性,采用词干提取和IG相结合的方法对表示空间进行降维。采用基于机器学习的分类算法(kNN和Nave Bayes)对维吾尔文文本语料进行了分类实验并分析了实验结果。
- 阿力木江·艾沙吐尔根·依布拉音艾山·吾买尔马尔哈巴·艾力
- 关键词：文本分类朴素贝叶斯方法维吾尔语
