Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "indeksowanie semantyczne" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Techniki semantycznego indeksowania obrazów medycznych na przykładzie przestrzennych rekonstrukcji unaczynienia wieńcowego
Semantic techniques of image retrieval on the example of CT coronary vessels reconstructions
Autorzy:
Trzupek, M.
Ogiela, M. R.
Powiązania:
https://bibliotekanauki.pl/articles/153096.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
semantyczne indeksowanie i wyszukiwanie obrazów medycznych
systemy CBIR
systemy automatycznej analizy i rozumienia obrazów
semantic image retrieval
content-based image retrieval (CBIR)
image understanding systems
intelligent medical image processing and understanding
Opis:
W artykule zaprezentowano techniki semantycznego indeksowania danych obrazowych w medycznych bazach danych z wykorzystaniem grafowych formalizmów lingwistyki matematycznej. Zaproponowane rozwiązania w głównej mierze predestynowane są do wizualizacji pochodzących z obrazowania CT (przestrzennych rekonstrukcji unaczynienia wieńcowego), niemniej jednak przedstawiona metodologia może również stanowić bazę dla innej klasy obrazów medycznych.
The wide spread of multimedia medical databases has shown that the problem of storing and effectively searching for images containing specific disease cases that are significant for medical diagnostics is still fraught with great difficulties. The paper presents semantic indexing techniques in medical imaging databases using graph-based mathematical linguistic formalisms. The proposed solutions are mainly predestined for visualizations obtained from diagnostic examinations with the use of computed tomography (spatial reconstructions of the coronary vascularisation), but the presented methodology can also be a basis for a different class of medical images. The first section describes the methods and limitations in the context of storing and searching for data in medical databases of contemporary systems. The second section presents the historical background and discusses examples of systems. The third section describes next steps of the proposed methodology, which is additionally shown in Fig. 3. The last section summarizes the proposed solutions in the context of other systems and indicates further research directions. The obtained results confirm the possibility of using the proposed solutions in the specialized medical databases.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 1, 1; 43-46
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Latent semantic indexing using eigenvalue analysis for efficient information retrieval
Autorzy:
Aswani Kumar, Ch.
Srinivas, S.
Powiązania:
https://bibliotekanauki.pl/articles/908375.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
wyszukiwanie informacji
indeksowanie semantyczne
wartość własna
wektor przestrzenny
information retrieval
latent semantic indexing
eigenvalues
rank reduction
singular value decomdecomposition
vector space method
Opis:
Text retrieval using Latent Semantic Indexing (LSI) with truncated Singular Value Decomposition (SVD) has been intensively studied in recent years. However, the expensive complexity involved in computing truncated SVD constitutes a major drawback of the LSI method. In this paper, we demonstrate how matrix rank approximation can influence the effectiveness of information retrieval systems. Besides, we present an implementation of the LSI method based on an eigenvalue analysis for rank approximation without computing truncated SVD, along with its computational details. Significant improvements in computational time while maintaining retrieval accuracy are observed over the tested document collections.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2006, 16, 4; 551-558
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Latent semantic indexing for patent documents
Autorzy:
Moldovan, A.
Boţ, R. I.
Wanka, G.
Powiązania:
https://bibliotekanauki.pl/articles/908440.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
indeksowanie semantyczne
rozkład wartości szczególnych
model przestrzeni wektorowej
klasyfikacja patentowa
Latent Semantic Indexing (LSI)
singular value decomposition (SVD)
vector space model (VSM)
patent classification
Opis:
Since the huge database of patent documents is continuously increasing, the issue of classifying, updating and retrieving patent documents turned into an acute necessity. Therefore, we investigate the efficiency of applying Latent Semantic Indexing, an automatic indexing method of information retrieval, to some classes of patent documents from the United States Patent Classification System. We present some experiments that provide the optimal number of dimensions for the Latent Semantic Space and we compare the performance of Latent Semantic Indexing (LSI) to the Vector Space Model (VSM) technique applied to real life text documents, namely, patent documents. However, we do not strongly recommend the LSI as an improved alternative method to the VSM, since the results are not significantly better.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2005, 15, 4; 551-560
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies