融合主题和视觉特征的图片拼贴画合成方法

为辅助设计师进行图片拼贴画艺术创作,提出一种融合主题和视觉特征的图片拼贴画合成方法.给定容器图片和素材图片集,将容器图片划分为若干子区域;并使用圆填充算法及Delaunay三角剖分算法生成子区域的Voronoi图,得到补丁集;之后,计算主题-颜色相似性矩阵,进行素材图片与补丁之间的映射;最后,使用颜色线性融合方法进一步优化拼贴画视觉效果.在保留图片视觉特征的同时,该方法亦能保证容器和素材之间具有相似的主题信息.与市面流行拼贴画制作软件的对比实验表明,该方法合成的图片拼贴画能取得更好的视觉效果,在数字媒体和装饰领域中均有着潜在的应用价值.     

引入韵律结构信息的层次短语模型改进研究

随着自然语言处理研究的不断深入,人们不但迫切需要挖掘文本更多的潜在语言学信息,而且还力图通过机器学习预测这些潜在的语言学知识,以便更加有效地提高机器翻译的性能,同时为计算语言学服务。韵律作为语音学方面的知识,已经广泛用于到语音合成、文音转换、语音翻译各个语音方面,对基于语音的自然语言处理起到不可替代的作用。该文对韵律信息如何,并以何种方式改进机器翻译进行了介绍,并通过实验验证韵律信息对层次短语模型有改进。     

基于知识情感等级BDI主体的决策行为模型研究

为了将知识、信念、愿望和意图以及害怕、焦虑和自信对决策行为的影响的强烈程度进行形式化,把无穷值的卢卡斯维茨逻辑的真值取值范围从[0,1]扩展到[-1,1]。知识情感等级BDI主体的决策行为通过添加了具体条件的不同背景的不同测度来决定;知识情感等级BDI主体模型清晰地表示了主体的知识状态、心智状态和情感状态的不确定性;此模型可以轻易地向其他类型的主体进行推广。在给出了知识情感等级BDI模型的语言、语义以及此模型的不同背景之间的相互关系之后,对知识情感等级BDI主体的军事决策行为进行了实例分析。此研究旨在为分布式人工智能和军事仿真提供形式支持。     

基于优化GDH协商的高效安全群组密钥管理方案

针对GDH(group diffie-hellman)方案中节点可能成为系统的瓶颈以及计算复杂度、通信代价和存储复杂度远高于某些集中式方案等缺陷,提出并实现了一种基于优化GDH协商的高效安全的动态群组密钥管理方案,并对其安全性进行了证明。通过对计算量和通信量进行分析比较表明,优化GDH协商协议具有很大的优势,并且能够快速产生或更新组密钥,具有很强的实用性。     

微博观点句识别的话题影响研究

为了从海量的网络信息中迅速准确地获取评价信息,观点句识别已经成了自然语言处理的一个研究热点。现在观点句识别系统大都是基于机器学习的方法,一般使用机器学习的方法来进行分类会受到领域差异性影响。针对这个问题,该文对微博观点句识别系统是否会受到微博话题影响做了经验性研究,同时为了弥补训练数据的不足,该文通过规则方法自动标注网络数据进行了训练集的扩充。实验结果表明,微博话题间存在差异,进行分话题模型训练可以提升微博观点句识别系统的性能。     

基于正交小波变换和伪彩色的遥感图像增强

针对基于正交小波分析的图像增强技术一般只适用于黑白图像;而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷.提出了基于正交小波分析和伪彩色的遥感图像增强处理方法;实验结果表明,增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善;该方法简便易行且计算量小,在应用中有较大的灵活性;该方法还具有运算速度快和可操作性强等特点,在遥感图像增强研究方面具有广泛的应用前景.     

基于图的半监督关系抽取

提出利用基于图的半监督学习算法,即标注传递算法,指导计算机从非结构化的文本中自动识别出实体之间的关系.该方法首先利用图策略来建立关系抽取的模型.在这个图模型中,各个有标签和未标签的样本被表示成图上的各个节点,而样本间的距离则作为图上各边的权重.然后,关系抽取的任务就转化成在这个图上估计出一个满足全局一致性假设的标注函数通过对ACE(automatic content extraction)语料库的评测,结果显示,当只有少量的标签样本时,采用该标注传递的方法可以获得比基于SVM(support vector machine)的有监督关系抽取更好的性能,同时也明显优于基于Bootstrapping的半监督关系抽取的方法.     

一种宋词自动生成的遗传算法及其机器实现

主要针对宋词这种特殊的汉语诗歌体裁,开展了有关自动生成算法及其实现方法的探索性研究.研究工作主要根据宋词特点,设计了基于平仄的编码方式、基于句法和语义加权值的适应度函数、基于精英主义和轮盘赌算法的选择策略,采用部分映射和启发式交叉算子和启发式变异算子,从而构建了一种基于遗传算法的宋词生成计算模型并进行了系统实现.实验结果表明,所建立的计算模型及其软件系统,初步实现了机器自动生成宋词的目标,对于给定的主题词和词牌,基本上能够自动生成有一定欣赏价值的宋词.论文的工作也填补了我国在汉语诗歌自动生成研究方面的不足     

基于判别模型与生成模型的层叠图像自动标注

图像自动标注是模式识别与计算机视觉等领域中重要而又具有挑战性的问题.针对现有模型存在数据利用率低与易受正负样本不平衡影响等问题,提出了基于判别模型与生成模型的新型层叠图像自动标注模型.该模型第一层利用判别模型对未标注图像进行主题标注,获得相应的相关图像集;第二层利用提出的面向关键词的方法建立图像与关键词之间的联系,并使用提出的迭代算法分别对语义关键词与相关图像进行扩展;最后利用生成模型与扩展的相关图像集对未标注图像进行详细标注.该模型综合了判别模型与生成模型的优点,通过利用较少的相关训练图像来获得更好的标注结果.在Corel 5K图像库上进行的实验验证了该模型的有效性.     

博客语料的新词发现方法

新词发现一直是自然语言处理的热点问题和难点问题之一,为了提取博客语料的新词,首先对语料进行文中分词,然后根据新词的定义及新词的"时空"性质,在词串统计的基础上,通过词出现的频率,词分布的密度,上下文分析以及词在时间域上的变化分析对词进行过滤;最后通过词的统计信息和词性规则对候选词进行排序以提高准确率;在此基础上建立新词发现系统。