一个面向语义的解释器自动生成技术

本文给出从指称语义自动生成解释器后端的一种技术.解释器被表示成PASCAL_like形式.     

基于人工鱼的全局优化文化算法

针对基本人工鱼算法存在多样性缺失、搜索后期收敛速度较慢和搜索精度不高等不足,以及传统文化算法的框架模式,提出了基于人工鱼的全局优化文化算法.算法中首先人工鱼进行跳跃式全局搜索,当搜索过程较慢或处于停滞状态时,采用高斯变异算子对最优值进行变异,然后让人工鱼继续在最优值的周围搜索,可使结果精度更高.通过典型的基准测试函数和应用实例表明该算法收敛速度快、精度高,可有效用于全局优化问题的解决.     

基于合作仲裁求解分布式约束优化问题的研究

MAS中许多分布式推理问题都可以建模为分布式约束优化问题(DCOP).在这里,我们把分布式会议调度DMS(Dis-tributed Meeting Scheduling)问题映射为DCOP,基于合作仲裁进行求解,并把结果与另一个DCOP算法比较.考虑到完全解决方案的时间复杂性,我们把局部约束图转换为伪树,加速了搜索速度,从而在较短的时间找到最优解决方案.     

融合多特征的语音情感识别方法

语音情感识别已经成为下一代人机交互技术的重要组成部分,从语音信号中提取与情感相关的特征是语音情感识别的重要挑战.针对单一特征在情感识别中准确度不高的问题,该文提出了特征级-决策级融合的方法融合声学特征和语义特征进行情感识别.首先提取声学特征,包括：1)低层次手工特征集,包括基于谱相关、音质、能量、基频等相关特征,以及基于低层次特征的高级统计特征;2)DNN提取的谱相关特征的深度特征;3)CNN提取的基于Filter＿bank特征的深度特征.并且使用基于Listen-Attend-Spell(LAS)模型的语音识别模块提取语义特征.然后将声学特征中的3类特征与语义特征进行特征级融合,在确定融合特征的先后顺序时引入了构造哈夫曼树的方法.最后得到融合后特征和原始4类特征各自的情感识别结果,在结果之上进行决策级融合,使用此方法在IEMOCAP数据集中分类准确度可达76.2%.     

面向机器自动识别的方位词“中”的用法规则研究

构建面向机器的现代汉语方位词知识库(方位词用法机器词典、方位词用法规则库),对于现代汉语方位词用法的自动识别研究具有重要的意义。致力于面向机器的方位词"中"的用法自动识别研究,以《人民日报》2000年1月-6月的语料作为实验数据,通过对其原始规则的自动识别结果的分析,调整和改进了面向机器识别的方位词"中"的规则描述,把方位词"中"的用法识别准确率由12.88%提高到86.35%,使现代汉语方位词用法规则库得到了进一步完善。     

黄河沙坡头水利枢纽观测设计

针对沙坡头水利枢纽工程地质条件和建筑物结构特点，按照规范要求确定安全监测项目及布置方案，并采用智能分布式数据采集系统对各监测项目进行自动化监测。     

基于搭配表的多极性形容词的褒贬性研究

在基于词典和规则的文本褒贬分析过程中,常常会出现一些多极性的形容词,例如"大"、"小"、"轻"、"重"、"长"、"短"等等。由于此类形容词的褒贬性具有极强的上下文相关性,因此,只能通过上下文搭配关系来确定其褒贬性。通过多种途径从语料中收集与多极性形容词的搭配词,构建搭配词表,解决多极性形容词的褒贬倾向性问题。实验表明,所使用的方法能够提高多极性形容词褒贬性判别的准确率,并进一步提高文本褒贬分类的准确率。     

雪龙滩电站土工膜防渗堆石坝的设计

雪龙滩水电站工程土石方开挖量远远大于坝体填筑量,在堆石坝的设计中,为了充分利用开挖渣料,根据渣料的分类妥善地安排在坝体的不同部位。由于河床覆盖层最深处达17m,采用了土工膜防渗水平铺盖处理坝渗漏,解决了施工干扰和工期紧张问题,节约了工程的投资。     

基于信任和K臂赌博机问题选择多问题协商对象

Agent之间的多问题协商(multi-issue negotiation)是一个复杂的动态交互过程.解决协商之前的对象选择问题在电子商务中有着重要的应用价值.为了提高多问题协商的准确性和购物Agent的效用,主要解决协商前的销售Agent的选择问题.为了充分利用协商历史,实现探索(exploration)和利用(exploitation)的折衷,把销售Agent的选择问题转变成K臂赌博机问题(K-armed bandit problem)来求解.提出了信任和声誉的度量模型,结合K臂赌博机问题的求解技术,采用学习机制,提出了几个确定奖励分布的改进算法.最后,以模拟协商过程为基础,将改进算法、信任和声誉有机地结合起来,提高了选择销售Agent的准确性和实用性.几个实验都说明了该工作在应用中的有效性.     

基于免参数据挖掘的相异度度量研究

由于参数设置导致数据挖掘结果异常的例子很多,为了解决这一问题,出现了免参数据挖掘思想。对Kolmogorov复杂度理论进行了研究,将其和免参数据挖掘思想相结合,提出了一种基于压缩的相异度度量SCDM。由于压缩算法是空间和时间高效性算法,使得应用该算法的相异度度量也具有较好的性能。实验表明将这种相异度度量应用到层次聚类算法中,其聚类的准确率也较高。