一种基于WordNet的短文本语义相似性算法

 短文本语义相似性计算在文献检索、信息抽取、文本挖掘等方面应用日益广泛.本文提出了一种短文本语义相似性计算算法ST-CW.此算法使用WordNet和Brown文集来计算文本中的概念相似性,在此基础上提出了一个新的方法综合考虑概念、句法等信息来计算短文本的语义相似性.在R&;B及Miller数据集上进行实验,实验结果验证了算法的有效性.     

基于随机映射降维方法的人脸识别特征抽取算法

针对人脸识别过程中高维所带来的计算效率低下、识别率降低的问题,本文采用了简单高效的随机映射保持人脸特征基本不变的降维方法,并验证了其有效性.实验首先将转换为灰度矩阵的图片采用特征抽取算法获取特征向量,其次,对特征矩阵分别采用服从标准正态分布的随机矩阵以及主成分分析法进行映射降维,最后,分别计算降维后特征矩阵的海明距离,并统计识别率.实验结果表明,低维时主成分分析等方法识别率的收敛速度较快,识别率较高,但在高维情况下,其识别率则由87％降到了32％,而随机映射的识别率达到了85％,且稳定性较好.结论为随机映射在处理高维数据时,在准确性以及稳定性方面独具优势,且因其计算复杂度低,具有数据独立性以及距离保持不变的特性,可在人脸识别过程中广泛应用.     

基于语义特征的模糊聚类算法研究

对海量数据进行聚类,从中获取有价值的隐含知识,已经成为一项迫切的需求。传统的基于词频或距离的文本聚类技术在准确度方面存在较大差距。引入文本语义信息的聚类方法,提高了聚类的准确度。实验结果表明,基于语义特征的模糊聚类算法具有较好的聚类效果。     

独立成份分析的梯度算法及应用

独立成份分析是信号处理的一项新技术;用来从观测的多维混合信号中提取具有统计独立性的成份.本文基于互信息极小提出了ICA的梯度算法.文中通过信号分离测试和与固定点算法的对比以及癫痫脑电特征波提取实验证实了此算法的有效性.     

基于KDD的文本特征抽取模型

针对目前数据库知识发现模型系统中传统文本信息抽取算法无法满足用户业务需求的问题,提出了一种基于用户需求描述的文本信息特征抽取模型。通过用户的业务需求模型进行特征化描述,将数据库中存储的原始本文信息进行预处理加工,计算的词频、权重,初步选取文本特征,根据用户需求描述计算特征相似度,过滤不相关的"噪声"信息,进而保留能够精确描述文本信息的特征。     

基于类特征注意力机制融合的语义分割算法

针对DeepLabv3+模型对图像目标边缘分割不准确、不同类目标分割不一致等问题，提出一种基于类特征注意力机制融合的语义分割算法。该算法在DeepLabv3+模型编码端先设计一个类特征注意力模块增强类别间的相关性，更好地提取和处理不同类别的语义信息。然后采用多级并行的空间金字塔池化结构增强空间之间的相关性，更好地提取图像不同尺度的上下文信息。最后在解码端利用通道注意力模块的特性对多层融合特征重新校准，抑制冗余信息，加强显著特征来提高网络的表征能力。在Pascal Voc2012和Cityscapes数据集上对改进模型进行了有效性和泛化性实验，平均交并比分别达到了81.34%和76.27%，使图像边缘分割更细致，类别更清晰，显著优于本文对比算法。     

基于语义融合的文本相似度算法研究

针对在传统语义融合的文本相似度算法设计与实现中由于汉语语义复杂存在容易形成局部极小值而得不到全局最优、训练次数较多、学习效率降低、隐节点的选取缺乏理论依据等问题,提出一种改进算法。首先在把握文本相似度算法内涵和分类情况的基础上,通过调整数字识别方向、选取合适的数据来源,依据图像识别技术和算法深度学习的共性需求,从语义融合角度提出以核心词为节点进行文本相似度计算;然后通过多特征融合向量空间模型对特征项的类间分布问题进行分析,最终通过加权计算得到文本相似度。从算法实现效果来看,相较于传统算法能够获得更高文本分类准确度,改进基于文本相似度算法的语言处理技术更加高效、准确。     

基于特征融合与自注意力机制的图像语义分割算法

提出了一种基于特征融合与自注意力机制的图像语义分割方法,设计了特征融合模块、自注意力模块、增强模块、全局空间信息融合模块和损失函数。特征融合模块融合多个图像的所有组件,通过自注意力机制来执行。自注意力模块从而有效地捕获远程上下文信息。增强模块旨在增强输入图像以获得更多样化的特征。全局空间信息注意模块相对于图像尺寸只有线性的复杂度,能够带来显著的提升效果。利用损失函数,对模型进行优化,将每个像素的分类结果优化到最接近真实值。实验结果表明,所提出的方法可以显著提高PASCAL VOC 2012数据集、COCO-Stuff 10K数据集和ISIC 2018数据集这3个数据集的性能,并在3个数据集上进行了验证,实验还通过对自注意力、推理速度和消融实验进行比较,验证了本文方法的优越性。     

基于领域特征本体的构件语义描述和组装

构件的功能语义是复用者了解并判断构件可复用性的重要依据，因此必须在构件开发者和复用者共同的知识基础上进行构件描述．目前已有一些方法引入本体作为构件语义描述的基础，但仍然存在语义描述不够精确以及无法支持语义的组装推导等不足．引入了领域分析中提出的基于本体的领域特征模型作为构件语义描述基础，在此基础上给出了构件端口语义、静态语义、语义协议的定义以及语义组装算法．基于构件静态语义和组装算法可以在构件组装时进行语义合成，从而辅助开发者进行基于语义的构件适配和组装分析．     

Calculating the feature method of short text based on analytic hierarchy process

In order to model the accurate interest preference of microblog users and discover user groups with similar in-terest, a new method was proposed which considered the total amount of retweets, comments and attitudes of each mi-croblog for text feature calculation with utilizing classic analytical hierarchy process method. The proposed method used three indicators to evaluate the importance of the text feature representation and made an improvement on traditional tf-idf feature calculation method to fit for short text. Furthermore, this method was also implemented in the traditional clustering algorithm. Experimental results show that, compared with the traditional tf-idf method, the improved approach has a better clustering effect on the average scattering for clusters and the total separation between clusters.     

基于语义分析的倾向性文本过滤

采用基于统计的文本过滤技术对具有倾向性的文本进行过滤的效果并不理想,原因在于基于统计的方法忽略了文本中的语义约束,无法有效识别倾向性信息。本文提出一种基于语义分析的文本过滤技术,将文本中的语义关系加以考虑,能高效地识别和过滤倾向性文本信息。     

基于多级特征选择的自然场景文本识别算法

针对现有场景文本识别方法只关注局部序列字符 分类,而忽略了整个单词全局信息的问题,提出 了一种多级特征选择的场景文本识别(multilevel feature selection scene text recogn ition,MFSSTR)算 法。该算法使用堆叠块体系结构,利用多级特征选择模块在视觉特征中分别捕获上下文特征 和语义特 征。在字符预测过程中提出一种新颖的多级注意力选择解码器(multilevel attention sele ction decoder, MASD),将视觉特征、上下文特征和语义特征拼接成一个新的特征空间,通过自注意力机制 将新的特征 空间重新加权,在关注特征序列的内部联系的同时,选择更有价值的特征并参与解码预测, 同时在训练 过程中引入中间监督,逐渐细化文本预测。实验结果表明,本文算法在多个公共场景文本 数据集上识 别准确率能达到较高水平,特别是在不规则文本数据集SVTP上准确率能达到87.1%,相比于当前热门算法提升了约2%。     

基于小波纹理、语义特征和相关反馈的医学图像检索

本文针对胸片和胸部CT扫描两种医学图像库，提出一种融合小波纹理、语义特征和相关反馈的医学图像检索技术。首先分析比较了纹理的三大描述方法：灰度层共现矩阵，纹理谱，小波变换，采用了频谱法中的一种基于小波变换的纹理描述方法进行纹理分析。为了进一步提高检索精度，将语义特征融合到该算法中，然后利用相关反馈技术有效地提高检索准确率。通过在原型系统上的实验，从查准率、查全率、平均序号验证了此方法的有效性。     

一种基于区域分割的SIFT图像特征提取算法

提出一种基于区域分割的SIFT图像特征提取算法.首先采用改进后的SIFT算法对图像进行计算,同时采用快速分割算法对原始图像进行分割,对照分割后的区域分别取每个区域最显著的几个SIFT特征,最后采用局部降维算法,将高维特征降低到可以接受的低维度特征.实验表明,该方法的运行时间短,对特征提取的位置界定准.     

基于医学本体的语义相似度算法研究

基于本体的信息检索技术能够提高在复杂环境中的信息检索效率,而语义相似度计算是基于本体的信息检索技术的关键技术。在医疗领域本体的基础上,通过分析讨论了概念间的语义相似度与相关度,并对概念间的语义相似度与相关度的影响因素进行研究,提出了一种计算医疗概念间的语义相似度及相关度的数值,并得到两者综合值的计算模型。实验结果表明,该模型能够提高相似度数值的有效性,并通过对相似度数值的计算体现出医疗领域概念间的复杂关系。     

Weakly supervised semantic segmentation and optimization algorithm based on multi-scale feature model

In order to improve the accuracy of weakly-supervised semantic segmentation method,a segmentation and optimization algorithm that combines multi-scale feature was proposed.The new algorithm firstly constructs a multi-scale feature model based on transfer learning algorithm.In addition,a new classifier was introduced for category prediction to reduce the failure of segmentation due to the prediction of target class information errors.Then the designed multi-scale model was fused with the original transfer learning model by different weights to enhance the generalization performance of the model.Finally,the predictions class credibility was added to adjust the credibility of the corresponding class of pixels in the segmentation map,avoiding false positive segmentation regions.The proposed algorithm was tested on the challenging VOC 2012 dataset,the mean intersection-over-union is 58.8% on validation dataset and 57.5% on test dataset.It outperforms the original transfer-learning algorithm by 12.9% and 12.3%.And it performs favorably against other segmentation methods using weakly-supervised information based on category labels as well.     

基于语义的领域构件接口名称匹配方法

提出了一种基于语义的领域构件接口名称的匹配方法。首先要对已有的构件库中的构件接13名称进行基于命名规则库、维度记录模型、词根表、环境和操作分类表的解析，得到解析构件库。基于解析构件库的匹配根据使用者对环境、对象（含义和组成信息）、操作的输入查询解析构件库，根据环境和操作信息过滤掉不符合要求的接口，基于设定的阈值对领域对象进行名称相似度和组成相似度的计算，得到匹配程度。基于该方法的构件匹配工具在实际工作中进行了应用，并取得了较好的效果。     

基于代数特征的多光谱图像特征提取方法

多光谱图像特征提取的好坏直接关系着目标识别算法的复杂程度,也影响着最终目标识别的性能。研究了一维主成分分析（1DPCA）、二维主成分分析（2DPCA）、一维奇异值分解(1DSVD)和二维奇异值分解(2DSVD)等代数特征提取方法,并用这些方法构成图像识别框架的特征提取部分,通过识别率的大小来验证是否适合于多光谱图像特征提取。实验结果表明：①与可见光图像目标识别相比,PCA和SVD特征更适合于红外图像目标识别;②训练样本分类时,PCA和SVD特征的识别性能改善不明显;③训练样本少时,SVD重构图像、2DSVD和1DPCA特征的识别性能较好。