基于语义标注的室内异常事件检测的研究

为解决办公室内常用电器设备在多交叉事件情况下发生的异常的检测问题,我们利用联合传感器(MMJS)采集现场设备活动的数据信息,利用多媒体本体(MMO)作为由MMJS处理得到的数据信息和程序共享的知识描述载体,基于语义标注的信息上下文线索,提出了一个实时发现室内办公设备异常的多交叉事件模型.实验证实该方法对室内设备的异常事件检测具有很好的性能,模型具有可扩展性.     

基于混合马尔科夫树模型的ICS异常检测算法

针对工业控制系统中现有异常检测算法在语义攻击检测方面存在的不足,提出一种基于混合马尔科夫树模型的异常检测算法,充分利用工业控制系统的阶段性和周期性特征,构建系统正常运行时的行为模型|混合马尔科夫树.该模型包含合法的状态事件、合法的状态转移、正常的概率分布以及正常的转移时间间隔等4种信息,基于动态自适应的方法增强状态事件的关联度并引入时间间隔信息以实现对复杂语义攻击的检测,语义建模时设计一种剪枝策略以去除模型中的低频事件、低转移事件以及冗余节点,当被检测行为使得模型的以上4种信息产生的偏差超过阈值时,判定该行为异常.最后,基于OMNeT++网络仿真环境构建一个简化的污水处理系统对本文算法进行功能性验证,并利用真实物理测试床的数据集对算法的检测准确度进行性能验证.验证结果表明,本文算法能有效消除人机交互和常规诊断等操作带来的噪声影响,对复杂语义攻击具有较高的检出率,且能识别传统的非语义攻击.     

面向GIS多重表达的本体语义模型

多重表达是地理信息弹性存取和集成分析的一个内在要求,它实质上提供了一个多尺度、多应用主题的信息集成机制。多重表达的概念建模需要在高度抽象的地理概念层次上实现地理信息一体化的弹性表达,而不是局限于数据库中几何多样性的一致性描述。基于本体的地理信息建模更贴近于认知模型,还有助于模型语义的表达以及基于语义的信息集成和共享。论文探讨了基于本体的地理概念表达与GIS语义的形式化,并通过多重表达上下文的抽象以及本体逻辑基础的上下文扩展,给出一个支持GIS多重表达的本体语义模型,该模型能够为多重表达数据库的实现提供一个易于理解和共享的形式化基础。     

基于信息网模型的Web实体语义信息搜索平台

Web上实体信息过于分散且缺乏语义,传统基于关键词匹配的搜索引擎往往因缺少上下文等语义信息,无法搜索到精确的结果。为了对Web数据进行精确查找,使用信息网模型(INM)对Web数据进行语义表示和建模,将实体的所有语义信息组织在一个对象中,快速获取实体完整的语义信息。基于INM构建复杂语义数据库,设计实现一个可对教育领域相关实体信息进行精确搜索的TLDW系统。实验结果表明,该系统初次查询时间均在100 ms内,其搜索结果包含实体的上下文关系等多种语义信息,缓存优化后的搜索结果可在20 ms内完成。     

基于上下文和浅层空间编解码网络的图像语义分割方法

当前图像语义分割研究基本围绕如何提取有效的语义上下文信息和还原空间细节信息两个因素来设计更有效算法. 现有的语义分割模型, 有的采用全卷积网络结构以获取有效的语义上下文信息, 而忽视了网络浅层的空间细节信息; 有的采用U型结构, 通过复杂的网络连接利用编码端的空间细节信息, 但没有获取高质量的语义上下文特征. 针对此问题, 本文提出了一种新的基于上下文和浅层空间编解码网络的语义分割解决方案. 在编码端, 采用二分支策略, 其中上下文分支设计了一个新的语义上下文模块来获取高质量的语义上下文信息, 而空间分支设计成反U型结构, 并结合链式反置残差模块, 在保留空间细节信息的同时提升语义信息. 在解码端, 本文设计了优化模块对融合后的上下文信息与空间信息进一步优化. 所提出的方法在3个基准数据集CamVid、SUN RGB-D和Cityscapes上取得了有竞争力的结果.     

基于高层语义视觉词袋的色情图像过滤模型

针对目前色情图像过滤算法对比基尼图像和类肤色图像误检率过高,且不能有效过滤带有淫秽动作的多人色情图像的缺点,提出一种基于高层语义视觉词袋的色情图像过滤模型。该模型首先通过改进的SURF算法提取色情场景局部特征点,然后融合视觉单词的上下文和空间相关高层语义特征,从而构建色情图像的高层语义词典。实验结果表明,该模型检测带有淫秽动作的多人色情图像准确率可达87.6%,明显高于现有的视觉词袋色情图像过滤算法。     

融合事件信息的中文问答系统问题语义表征

复杂类问题理解是中文问答系统研究的难点,基于组块的问句分析方法将整个问句转化为若干组块,降低了问句分析的难度和复杂性。针对以含有事件(动作)信息的复杂类问题,提出基于语义组块的中文问答系统问题语义表征模型,采用语义组块的思想将问题的语义成分定义为疑问焦点块、问题主题块和问题事件块三个语义组块,对问句中的事件语义信息,建立了问题事件语义结构,将一个问句表征为一个基于语义组块的问题语义表征结构,用于问答系统的问题理解。通过序列标注学习方法实现问题语义表征中语义组块自动标注。实验结果表明:问题语义组块标注效果较好,问题语义表征模型获取了问题的关键语义信息,为语义层面上的问题理解提供基础。     

管控区域人员异常行为检测系统与方法研究

针对重点人员动作类型复杂、干扰多、识别难度大等问题,提出一套异常行为检测系统与方法。搭建集行为数据采集、上传、处理和识别等功能于一体的硬件和软件拓扑系统,并利用卡尔曼滤波器和牛顿迭代算法等对数据进行处理和优化;在获取人员行为轨迹数据的基础上,把时间、空间、上下文信息与个体行为相关联,实现个体异常行为和多人异常行为的识别;基于传感器加速度和角速度特征值,选取SVM分类算法,实现暴力动作和非暴力动作的分类。实验结果表明,所提系统与方法能够实时准确地检测出人员闯入、脱管、滞留、异常接触和暴力动作等异常行为。     

融合词性语义扩展信息的事件检测模型

事件检测是事件抽取中的关键步骤,依赖于触发词进行事件类型分类。现有主流事件检测方法在稀疏标记数据上性能较差,模型过度拟合密集标注的触发词,在稀疏标记的触发词或者未见过的触发词上容易失效。改进方法通常通过扩充更多训练实例来缓解这一问题,但扩充后的数据分布不平衡,存在内置偏差,仍然表现不佳。为此,建立一种融合词性语义扩展信息的事件检测模型。对词粒度扩展信息进行分析,在不增加训练实例的条件下缩小候选触发词的范围,并对候选触发词进行语义扩展,挖掘候选触发词的上下文中蕴含的丰富语义,缓解了标记数据稀疏造成模型训练不充分的情况。通过词性筛选模块寻找候选触发词并对其进行语义扩展挖掘词粒度语义信息,融合句子粒度语义信息提升语义表征的鲁棒性,最终利用Softmax分类器进行分类完成事件检测任务。实验结果表明,该模型在ACE2005和KBP2015数据集上的事件检测任务中的F1值分别达到79.5%和67.5%,有效提升了事件检测性能,并且在稀疏标记数据实验中的F1值达到78.5%,明显改善了标记数据稀疏带来的不良影响。     

基于上下文信息的口语意图检测方法

近年来,随着人工智能的发展与智能设备的普及,人机智能对话技术得到了广泛的关注。口语语义理解是口语对话系统中的一项重要任务,而口语意图检测是口语语义理解中的关键环节。由于多轮对话中存在语义缺失、框架表示以及意图转换等复杂的语言现象,因此面向多轮对话的意图检测任务十分具有挑战性。为了解决上述难题,文中提出了基于门控机制的信息共享网络,充分利用了多轮对话中的上下文信息来提升检测性能。具体而言,首先结合字音特征构建当前轮文本和上下文文本的初始表示,以减小语音识别错误对语义表示的影响;其次,使用基于层级化注意力机制的语义编码器得到当前轮和上下文文本的深层语义表示,包含由字到句再到多轮文本的多级语义信息;最后,通过在多任务学习框架中引入门控机制来构建基于门控机制的信息共享网络,使用上下文语义信息辅助当前轮文本的意图检测。实验结果表明,所提方法能够高效地利用上下文信息来提升口语意图检测效果,在全国知识图谱与语义计算大会(CCKS2018)技术评测任务2的数据集上达到了88.1%的准确率(Acc值)和88.0%的综合正确率(F1值),相比于已有的方法显著提升了性能。     

人脑电信号实时监测原型系统设计与实现

针对脑部病患突发状况时不能够在最短的时间内预警并发现和监测效率不高的问题,设计了一种基于无线通信技术和LBS的脑电信号实时监测方法,实现对脑电监测仪携带者的位置和脑电信号的实时监测。将GIS技术、无线传输技术、智能移动终端与现有的信息管理平台相融合,提出了人脑脑电信号实时动态监测框架体系结构,并设计开发了原型系统。该系统可将采集到的脑电数据实时显示并传送到服务器端,实现在服务器端的实时监控与动态分析,并对发生异常的情况做出应急响应,为应急救援提供帮助。     

Enhancing biometric recognition with spatio-temporal reasoning in smart environments

We discuss smart environments that identify and track their occupants using unobtrusive recognition modalities such as face, gait, and voice. In order to alleviate the inherent limitations of recognition, we propose spatio-temporal reasoning techniques based upon an analysis of the occupant tracks. The key idea underlying our approach is to determine the identity of a person based upon information from a track of events rather than a single event. We abstract a smart environment by a probabilistic state transition system in which each state records a set of individuals who are present in various zones of the smart environment. An event abstracts a recognition step, and the transition function defines the mapping between states upon the occurrence of an event. We express two forms of spatio-temporal reasoning in the form of transition functions: a track-based transition function and an error-correcting transition function. We also define the concepts of ‘precision’ and ‘recall’ to quantify the performance of the smart environment and provide experimental results to clarify the performance improvements from spatio-temporal reasoning. Our conclusion is that the state transition system is an effective abstraction of a smart environment and the application of spatial-temporal reasoning enhances the overall performance of a biometric recognition system.     

面向家居用户行为预测的BiGRU-DAtt模型研究

针对目前智能家居用户行为预测方法准确率低、通用性差以及缺乏人性化的问题，提出一种基于BiGRU-DAtt模型的智能家居用户行为预测方法。该方法根据智能家居用户操控行为数据具有服从幂律分布与对称性两大特点，基于双向门控循环（BiGRU）神经网络挖掘用户操控行为之间的关系，基于注意力机制重点关注一定范围内具有对称性的操控行为，使用真实用户操控记录进行对比实验。结果表明该方法能够充分挖掘用户操控智能设备之间的关联关系以及用户的行为习惯，实现高准确率的用户行为预测。     

基于GLSTM和Attention的中文事件要素提取

事件信息抽取是信息抽取任务中的一种,旨在识别并提出一个事件的触发词和元素。由于容易受到数据稀疏的影响,事件要素的抽取是中文事件抽取任务中的一个难点,研究的重点在于特征工程的构建。中文语法相较英文要复杂许多,所以捕获英文文本特征的方法在中文任务中效果并不明显,而目前常用的神经网络模型仅考虑了上下文信息,不能兼顾词法和句法特征。因此针对中文的词法和句法特点,构建一种结合分组长短期记忆网络（grouped long-short term memory,GLSTM）和Attention的中文事件要素抽取方法AGCEE（attention and GLSTM based Chinese event extraction）,通过Attention机制融合词特征和句子特征,采用GLSTM捕获句子的上下文信息,并通过条件随机场（conditional random fields,CRF）进行事件信息抽取,最后在公开数据集上进行实验以验证模型的有效性。     

一种基于人体脑电信号的机械手臂控制系统研究

文章提出了一种基于脑电信号的机械手臂控制系统的设计思路。该系统主要由电极、脑电采集电路、在线检测算法、外设等部分组成。系统采用闪烁刺激使操作者产生基于稳态视觉的诱发电位信号,通过采集电路将信号送入计算机中,由软件对其进一步处理和分析,转换成相应的控制命令控制机械手臂操作。检测算法中解决了脑电信号基线漂移和能量波动问题的困扰。实验显示,系统具有很高的检测实日寸性和准确率。     

结合SIFT校正的视频对象鲁棒水印

提出一种结合尺度不变特征变换(SIFT)特征点校正和时空域视频对象分割的视频对象水印算法。该算法采用时域和空域结合的方法分割出视频对象,将水印嵌入在视频对象的离散余弦变换域中。在嵌入前提取并注册视频对象的SIFT特征点,在水印检测时,通过与注册机构中特征点集的匹配和计算对视频对象进行几何校正,提取出水印信息。实验结果表明,该算法能够较好地保护视频对象,对几何攻击和常见信号处理攻击具有鲁棒性。     

基于HHT的信号奇异性检测

针对信号的奇异性,采用基于希尔伯特-黄变换（HHT）的方法进行奇异性分解,即首先利用经验模态分解（EMD）对信号进行分解,再提取第一阶分量的瞬时频率;利用瞬时频率检测信号奇异点。通过对幅值突变、频率突变、脉冲突变和方向突变四种奇异信号的仿真分析,表明了该方法能够准确地检测信号奇异点。     

基于深度序列的时空金字塔的动作识别

提出一种高效的人体动作识别方法。通过帧间差分法将深度序列的三视图转化为深度运动轮廓序列（DMOS）,然后利用时空金字塔对DMOS进行时间维和空间维细分,将细分后得到的空间网格的局部方向梯度直方图（HOG）进行特征融合,并使用线性SVM分类。最后采用MSR Action 3D数据集对提出的算法在不同时空金字塔参数下的识别率和处理速度进行了评估,结果表明该方法在同类算法中具有更高的识别率。     

智能开关照明控制系统中的上位机软件设计

为了对智能开关照明控制系统中的设备进行灵活地配置和管理,设计一种上位机软件。介绍智能开关照明控制系统的系统框架,根据控制关系灵活配置的要求,提出一种新的通信协议SSLPT,用于协调上位机与主控单元、节点设备之间通信。在软件的界面功能实现过程中采用统一建模语言进行分析和设计。实验结果证明了该上位机软件方法的可靠性和稳定性。     

网联车辆自适应巡航控制算法验证平台设计

自适应巡航控制系统是一种车辆高级辅助驾驶系统，不仅可以减轻驾驶员工作负担，还能增强车辆的行车安全和驾乘舒适性。基于MATLAB和Python混合编程，在网络协议环境下设计智能车巡航控制算法验证平台；该平台能够模拟多种不同典型行车场景，其实时的信息采集与动画演示功能能够直观有效地展现车辆状态。结合所开发的平台软件，设计出增量式模型预测控制器（IMPC）和智能驱动驾驶（IDM）控制器，所提出的IMPC算法不仅能综合考虑网联车巡航多目标的特点，同时还满足巡航系统快速性和准确性的要求。最后结合典型驾驶工况，开展智能车的车辆自适应巡航控制实验。实验结果表明，基于MATLAB和Python混合编程的软件系统能有效模拟各种驾驶情景，并能结合智能车验证该自适应巡航控制算法的结果。