-
Patent Agency Ranking
公开(公告)号：CN101819637B
公开(公告)日：2012-02-22
申请号：CN201010139946.8
申请日：2010-04-02
Applicant: 南京邮电大学
IPC: G06K9/66
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法是一种利用健壮特征的加速提取算法来提取图片中的垃圾信息的不变区域特征，从而生成图片的特征向量，用最大可能性算法估计高斯混合模型的参数，来训练高斯混合模型分类器。经过实验能够提高垃圾邮件的召回率，节省程序运算时间和空间。获得基于高斯混合模型的分类器。对图像型垃圾邮件进行检测的实现方法，整个方法包括图片特征的提取，高斯混合模型参数的估计，图像型邮件的检测三个模块。
-
公开(公告)号：CN101887523B
公开(公告)日：2013-04-10
申请号：CN201010204722.0
申请日：2010-06-21
Applicant: 南京邮电大学
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法，利用了尺度不变特征转换算法来提取图片中垃圾信息的不变区域特征，提取嵌入图片中文字来对图片进行分类，从而形成图片的两种特征结合的特征向量库。经过实验能够提高垃圾邮件的召回率，节省程序运算时间和空间。用这种方法来提取图片中的不变区域特征，从而生成图片的特征向量，使用支持向量机分类器来训练与测试。本发明提出的利用嵌入图片中的文本信息，使用图形文字识别技术挖掘出图片中的文本字符串，将字符串作为图片的特征，使用贝叶斯分类器来训练与测试。每张图片的特征向量是由图片的局部不变特征与文本字符串构成的，使用堆栈方法综合两种分类器进行分类，来检测图像型垃圾邮件的实现方法。
-
公开(公告)号：CN102103700A
公开(公告)日：2011-06-22
申请号：CN201110020901.3
申请日：2011-01-18
Applicant: 南京邮电大学
Abstract: 基于陆地移动距离的相似度检测图像型垃圾邮件的方法，利用了尺度不变特征转换算法来提取图片中垃圾信息的不变区域特征，使用陆地移动距离计算待测图片与垃圾邮件特征库中图片的相似度，从而检测出图像型垃圾邮件。本发明提供了一种使用图片的局部不变特征的基于陆地移动距离的相似度检测图像型垃圾邮件的方法。目前现有的利用相似度检测图像型垃圾邮件技术主要是使用欧式距离，而欧式距离无法处理结构大小可变的特征，需要先对特征进行聚类规范化特征，因此影响了检测速度。本发明利用陆地移动距离直接处理结构大小可变的局部不变特征，大大提高了图像型垃圾邮件的检测速度，同时保证了高精确度和低误判率。
-
公开(公告)号：CN101887523A
公开(公告)日：2010-11-17
申请号：CN201010204722.0
申请日：2010-06-21
Applicant: 南京邮电大学
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法，利用了尺度不变特征转换算法来提取图片中垃圾信息的不变区域特征，提取嵌入图片中文字来对图片进行分类，从而形成图片的两种特征结合的特征向量库。经过实验能够提高垃圾邮件的召回率，节省程序运算时间和空间。用这种方法来提取图片中的不变区域特征，从而生成图片的特征向量，使用支持向量机分类器来训练与测试。本发明提出的利用嵌入图片中的文本信息，使用图形文字识别技术挖掘出图片中的文本字符串，将字符串作为图片的特征，使用贝叶斯分类器来训练与测试。每张图片的特征向量是由图片的局部不变特征与文本字符串构成的，使用堆栈方法综合两种分类器进行分类，来检测图像型垃圾邮件的实现方法。
-
公开(公告)号：CN101819637A
公开(公告)日：2010-09-01
申请号：CN201010139946.8
申请日：2010-04-02
Applicant: 南京邮电大学
IPC: G06K9/66
Abstract: 利用图片的局部不变特征检测图像型垃圾邮件的方法是一种利用健壮特征的加速提取算法来提取图片中的垃圾信息的不变区域特征，从而生成图片的特征向量，用最大可能性算法估计高斯混合模型的参数，来训练高斯混合模型分类器。经过实验能够提高垃圾邮件的召回率，节省程序运算时间和空间。获得基于高斯混合模型的分类器。对图像型垃圾邮件进行检测的实现方法，整个方法包括图片特征的提取，高斯混合模型参数的估计，图像型邮件的检测三个模块。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
