基于多元语言特征与深度特征融合的中文文本阅读难度自动分级研究

文本阅读难度自动分级是让计算机能够根据文本特征自动判断文本所属的难度级别,该文以此为目标,提出一种基于多元语言特征与深度特征相融合的方法来实现对文本难度的自动分级。其中多元语言特征考虑了汉字、词汇、句子等不同的语言层面,同时涉及到频率、长度、复杂度、丰富度、连贯度等不同维度的信息。另一方面,该文利用了基于BERT的神经网络预训练模型来提取文本中句子的深度特征,在此基础上构建了一个端到端神经网络来将语言特征与深度特征进行融合,最终在自动分级任务上取得了不错的效果,分级正确率超过了基于传统语言特征的方法和基于主流神经网络的方法,充分表明了所提出的特征融合方法在文本阅读难度自动分级任务上的有效性。     

液压集成块油路语义特征建模及有效性维护

以液压集成块油路设计问题为对象,采用层次化的语义特征建模方法,建立包含工程语义层、几何层、拓扑层及参数层的液压集成块油路语义特征模型,提出基于临时体模型和B-Rep模型混用的几何描述方法,基于图论的实体邻接图/邻接矩阵的油路特征拓扑描述方法和特征工程语义的有效性验证和维护机制,从而可实现与设计时序无关的液压集成块油路设计和有效性实时验证维护。     

基于蠕虫攻击模型和语义分析的特征码自动提取

传统手工提取蠕虫的特征串需要很长时间,而基于串模式分析自动提取的虚警率和漏警率始终不太理想.该文提出了一种基于蠕虫攻击模型的语义分析特征提取法.该方法基于蠕虫攻击模型先验知识,自动识别蠕虫代码各个功能部分,将蠕虫攻击的必用部分作为蠕虫的特征串,提出了蠕虫攻击的通用模型OSJUMP.基于该模型,证明了基于语义提取蠕虫特征的有效性,给出了一种基于语义的蠕虫特征自动提取算法.对Red Code等各种实际蠕虫进行测试,结果显示自动提取生成的蠕虫特征值和安全厂商手工分析提供的特征值具有很大的可比性.     

基于多特征融合与PLSA-GMM的图像自动标注

为减少图像检索中图像信息的缺失与语义鸿沟的影响,提出了一种基于多特征融合与PLSA-GMM的图像自动标注方法.首先,提取图像的颜色特征、形状特征和纹理特征,三者融合作为图像的底层特征;然后,基于概率潜在语义分析(PLSA)与高斯混合模型(GMM)建立图像底层特征、视觉语义主题与标注关键词间的联系,并基于该模型实现对图像的自动标注.采用Corel 5k数据库进行验证,实验结果证明了本文方法的有效性.     

基于特征模型的软件产品自动导出方法综述

在针对特定领域的软件复用中,产品导出是主要活动之一.产品导出指的是,开发人员基于领域中可复用的软件制品开发出所需的软件产品.在产品导出过程中,产品导出效率决定了软件复用的收益.在诸多影响产品导出效率的因素中,手工进行产品导出是拉低产品导出效率的主要因素之一,其最终会导致软件复用收益降低.为了提高产品的导出效率,相关研究提出了一些自动导出软件产品的方法.在这些方法中,一种普遍采用的指导思想是基于特征模型自动导出软件产品.在诸多使用该思想进行产品导出的方法中,各方法所使用的实现方式差异很大.为了给基于特征模型自动导出软件产品提供更好的支持,基于现有研究,提出了一个分类框架,并使用该框架对现有基于特征模型自动导出软件产品的方法进行了分类和比较.另外,还进一步指出了现有研究中的不足,并提出解决这些不足的设想.     

一种基于特征的SAR图像自动配准方法

由于SAR图像固有的相干斑噪声的影响,使得SAR图像的自动配准不能直接使用光学遥感图像自动配准.基于特征的SAR图像配准方法是一种有效的配准方法,但是特征的提取一直以来是一个很难解决的问题.针对SAR图像自身的特性提出了一种基于特征的SAR图像自动配准方法.首先进行了对SAIl图像进行了合适的区域分割,然后利用不变性特征进行区域匹配,最后求取扩展质心作为匹配控制点.通过对真实SAR图像进行实验,取得了较好的配准结果,充分证明了算法的有效性.     

语义特征造型中特征修改优先准则的研究

特征造型技术是新一代CAD系统的关键技术,是产品模型技术的核心。该文讨论了以细胞元模型为基础的语义特征造型技术。在语义特征造型中用特征依赖图(FDG)的数据模型来保存和维护设计中的各种特征信息及其之间的关系,在此基础上分析了依据特征依赖图中特征间的关系动态修改特征优先级的方法,确保了模型修改的有效性。最后给出了一个实例。     

一种基于支持向量机的特征选择算法

当特征集合存在强相关的特征子集且共同对分类问题有重要贡献时,传统方法通常从该子集中随机选择一个特征,导致数据可读性和分类性能下降.为此,面向多分类问题,提出一种基于支持向量机的特征选择算法,并设计一种快速迭代算法.该算法能够自动选择或剔除强相关的特征子集,在得到有效特征的同时实现特征降维.利用人工数据集和标准数据集进行试验,结果表明文中算法在特征选择可行性和有效性方面都有良好表现.     

根据工艺需要进行设计特征模型调整的方法

保持不同领域特征模型的一致性是多领域特征建模的一个核心问题。为有效地维护特征模型的一致性，提出一种根据对加工特征模型的修改要求自动确定设计特征模型调整方案的方法。该方法从加工特征修改所涉及的拓扑元素出发，通过搜索拓扑元素约束关系图找出相关的拓扑元素约束链，并以此为基础，利用有关准则自动确定设计特征调整的最优方案。该方法从加工的需求出发调整设计模型，保证设计与加工特征模型的一致性，可用于支持面向制造的设计。     

卷积神经网络特征重要性分析及增强特征选择模型

卷积神经网络等深度神经网络凭借着其强大的表达能力、突出的分类性能,已在不同领域内得到了广泛应用.当面对高维特征时,深度神经网络通常被认为具有较好的鲁棒性,能够隐含地对特征进行选择,但由于网络参数巨大,如果数据量达不到足够的规模,则会导致学习不充分,因而可能无法达到最优的特征选择.而神经网络的黑箱特性使得无法观测神经网络选择了哪些特征,也无法评估其特征选择的能力.为此,以卷积神经网络为例,首先研究如何显式地表达神经网络中的特征重要性,提出了基于感受野的特征贡献度分析方法;其次,将神经网络特征选择与传统特征评价方法进行对比分析发现,在非海量样本的情况下,传统特征评价方法对高重要性特征和噪声特征的识别能力反而能够超过神经网络.因此,进一步地提出了卷积神经网络增强特征选择模型,将传统特征评价方法对特征重要性的理解结合到神经网络的学习过程中,以辅助深度神经网络进行特征选择.在基于文本的社交媒体用户属性建模任务下进行了对比实验,结果验证了该模型的有效性.     

设计特征模型到分析特征模型的自动转换方法

针对有限元分析建模的需求,提出一种将工程零件的设计特征模型自动转换为相应的分析特征模型的方法.首先将设计特征模型分解为所有正特征剩余体的集合,然后从各正特征剩余体中分解出一组扫成体和非扫成体,再采用基于二维轮廓的方法从各扫成体中确定出候选分析特征区域,最后通过合成候选分析特征区域得到真正的分析特征区域,并在此基础上生成分析特征和分析特征模型.实验结果表明该方法是有效的.     

混合加工特征识别方法

介绍一种集成了自动特征识别和用户交互特征定义的混合特征识别方法，该方法采用基于广义痕迹的特征识别建立零件的加工特征模型，通过交互特征定义对已建立的加工特征模型进行局部修改和再解释，在交互特征定义中，用户只需通过选取要修改的特征面定义自己的特征，剩余的面则调用自动特征识别算法处理，特征参数由系统提供的统一算法计算，从而减少了交互的工作量，这种混合特征识别方法有助于提高加工特征识别系统的实用性和健壮性。     

参数自动优化的特征选择融合算法

针对传统特征选择方法如信息增益存在选择偏好、处理非线性问题能力弱、以及参数手动优化过程繁琐的问题, 提出一种基于最大互信息系数与皮尔逊相关系数的两阶段特征选择融合算法, 并利用遗传算法对其中两个超参数自动进行优化. 第一阶段, 利用最大互信息系数获取特征和标签之间的相关性来进行特征选择; 第二阶段, 使用皮尔逊相关系数对获取的特征子集进行去冗余. 进一步, 基于遗传算法对两个阶段中的两个超参数自动进行优化. 将该方法运用于多组UCI数据集中进行测试. 实验结果表明, 该算法能够兼顾降低特征空间的维度和提升算法的分类性能.     

碳纤维复合材料超声缺陷信号特征提取与降维

在对碳纤维复合材料进行超声无损检测时获取的回波信号往往构成复杂,某些缺陷特征不明显,使用传统小波方法对这类信号进行特征提取时效果并不理想。为解决上述问题,提出基于双树复小波包变换的频带局部能量特征提取方法以获取碳纤维复合材料超声缺陷信号的初始特征向量;在此基础上,使用基于粗糙集的ε-约简方法完成特征降维。实验结果验证了所提出方法的有效性,为实现碳纤维复合材料缺陷的自动和准确识别提供了新途径。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

基于局部特征的图像快速分类算法

基于内容的图像快速分类是Web图像实时搜索和过滤的基础。通过分析图像特征分布特点,提出一个基于局部特征的图像快速分类算法。与目前算法相比,该算法仅需对图像的局部区域扫描分析,即可得到其颜色、纹理、形状等特征,并利用Bayesian分类器来实现图像的快速自动分类。相关对比实验证实,该算法能够快速、准确地实现图像分类。     

一种新的冷轧带钢典型表面缺陷特征提取方法

针对冷轧带钢表面缺陷图像特征提取的特点,提出了基于类距离可分离性判据的混合特征提取方法。该方法以小波变换的L1范数特征和灰度共生矩阵二次统计特征为基础,运用基于类距离的可分离性判据原理提取出可分离性特征向量。对几种生产现场出现频率较高、危害严重的典型缺陷进行了计算机实验研究,实验结果表明,运用基于类距离可分离性判据的混合特征提取方法提取的特征向量具有较大的可分离性,很大程度上提高了特征的分类有效性,使缺陷识别取得了较高的正确识别率。     

融入特征融合与特征增强的SSD目标检测

针对SSD算法在目标检测过程中对小目标检测的不足,提出了一种基于SSD算法的一阶段目标检测器——FIENet（feature integration and feature enhancement network）。在FIENet中设计了两个模块,一是特征融合模块,该模块对SSD浅层的特征映射信息进行融合以提高小目标检测能力;二是特征增强模块,该模块采用了残差网络（Res2Net）以及注意力机制（attention）,对特征融合后的模块以及SSD中的深层特征映射进行增强。为了更好地检测小目标,还调整了浅层特征映射先验框的数量。为了评价FIENet的有效性,在PASCAL VOC2007以及MSCOCO数据集上进行了实验。实验结果表明,在PASCAL VOC2007数据集上检测精度（mAP）较SSD提高3.1个百分点,对小目标bird、bottle、chair、plant检测精度分别提升了3.6、9.5、5.4、5.5个百分点。在COCO数据集上达到29.4%的检测精度（mAP）。实验结果证明FIENet网络在保持实时性的同时可以达到较高的检测精度。     

采用集成特征选择的网络书写纹识别研究

网络书写纹识别技术通过分析用户在网络留言中的书写风格识别其身份.针对网络书写纹特征具有高维、冗余的特点,提出一种基于集成特征选择的识别方法.采用基于Filter与Wrapper的混合式特征选择算法对特征空间进行划分,训练出与待识别用户数相同的基分类器,使每一个基分类器成为代表一个用户的专家.通过对20个校园BBS用户的实验研究,结果表明该方法有效提高了网络书写纹的识别性能与识别模型的可理解性.     

红外目标特征分析及融合特征提取

针对复杂背景下的红外弱小目标的特征提取问题,提出了一种实用的红外目标的特征量提取算法.算法依据红外目标的辐射特性与背景之间的相关关系,得到目标的灰度和梯度特征量,通过融合处理,得到加权归一化的融合特征矢量.实验证明,这一融合特征矢量具有良好的稳定性和鲁棒性,同时该特征矢量计算量小,有利于工程实现.