融合句法信息的双语词对齐方法研究

词对齐研究是多文种信息处理工作的一项不容忽略的基础性研究内容。通过针对中文和蒙古文词对齐研究中存在的形态和词序不对称以及支撑词对齐研究的对齐语料缺乏问题,开展融合语言信息的中蒙混合词对齐模型构建方法研究。利用产生式词对齐结果以及中蒙两种语言的语言信息作为潜特征,建立高质量的融合语言信息的中蒙混合词对齐模型。实验结果证明,该文提出方法对于利用可比语料抽取对齐语料是可行的。     

基于树搜索算法的多用户MIMO系统的自由度分配

针对最大化多用户MIMO系统的和速率的问题,提出了将迭代式干扰对齐技术（Iterative Interference Alignment：ⅡA）和系统自由度（DoF）分配策略相结合的一种算法.系统的DoF分配是通过树搜索算法（Tree search）来实现的.理论分析及实验仿真结果表明,该算法获得的系统容量,接近遍历法（exhausting search：EX）的结果,但是在算法复杂性及收敛时间上明显优于遍历法.     

基于Petri网的并发事件流程模型修复分析

目前,流程模型可以从大量的事件日志中挖掘出来,以重放大多数的日志.但是,少数偏离流程模型的日志亦是有效的,为了使事件日志与流程模型更加拟合,模型修复是一个很好的方法.提出了基于Petri网的并发事件流程模型修复分析方法.首先,找到事件日志与流程模型的最优对齐,筛选出用于修复的并发事件;其次,利用提出的重构子流程的修复方法,对筛选得到的并发事件进行重构;最后,根据算法嵌入到原始模型中以实现模型修复,并通过一个具体实例说明了该方法的合理有效性.修复后的模型可以完全重放给定的事件日志,并且能够避免因循环造成的多余行为的发生,同时也在最大程度上保留了原始模型的使用价值.     

基于跨语言神经主题模型的汉越新闻话题发现方法

针对汉越跨语言新闻话题发现任务中汉越平行语料稀缺,训练高质量的双语词嵌入较为困难,而且新闻文本一般较长导致双语词嵌入的方法难以很好地表征文本的问题,提出一种基于跨语言神经主题模型（CL-NTM）的汉越新闻话题发现方法,利用新闻的主题信息对新闻文本进行表征,将双语语义对齐转化为双语主题对齐任务。首先,针对汉语和越南语分别训练基于变分自编码器的神经主题模型,从而得到单语的主题抽象表征;然后,利用小规模的平行语料将双语主题映射到同一语义空间;最后,使用K-means方法对双语主题表征进行聚类,从而发现新闻事件簇的话题。实验结果表明,所提方法相较于面向中英文的隐狄利克雷分配主题改进模型（ICE-LDA）在Macro-F1值与主题一致性上分别提升了4个百分点与7个百分点,可见所提方法可有效提升新闻话题的聚类效果与话题可解释性。     

保障个体性能的半盲干扰对齐功率分配方法

针对盲干扰对齐机制平均功率分配导致功率利用率低的问题,提出了一种半盲干扰对齐功率分配算法.在功率受限场景下,该算法能够提高整体性能,同时保障个体性能.首先,分析了功率分配对盲干扰对齐性能的影响;其次,建立了功率受限的盲干扰对齐模型,提出了最大化传输速率同时保护用户个体性能的功率分配目标;最后,为满足目标函数的约束,提出基于回溯梯度下降的功率分配算法.仿真结果表明,相比于平均功率分配,所提算法可以将系统性提高约53％.     

半捷联惯性测量系统多路采集数据对齐方法

半捷联惯性测量系统能实时精确测量弹体的各种飞行参数,为常规弹药精确制导提供可能,半捷联惯性测量系统包含两块采集数据的采存模块,当系统运行时,由于两个采存模块采集不同步以及取点不统一导致采集的数据不是实时同步,从而无法对系统测得的数据进行解算,本文提出一个实时对齐方法,利用数据相关性,求出差的平方和的最小值即为最接近的值,实现数据对齐,为后续精确解算奠定基础.     

噪声对基于不同梯度算子的ICG算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。     

基于英汉平行语料库术语词典的自动抽取

该文提出了一种从英汉平行语料库中自动抽取术语词典的算法。采用的是已对齐好的双语语料,中文经过了分词处理。利用英文和中文词性标注工具对英文语料和中文语料分辨进行词性标注。统计双语语料库中的名词和名词短语生成候选术集。然后对每个英文候选术语计算与其相关的中文翻译间的翻译概率。再通过设定阈值过滤掉一些与该英文候选词无关的中文翻译,最后通过贪心算法选取概率最大的词作为该英文候选词的中文翻译。     

基于主动形状模型的双目识别系统的设计与实现

给出了一种基于统计形状模型的双目识别系统实现方法.该系统根据识别目标在场景中的姿态有一定规律性的特点,用先验的样本信息指导识别的过程,并采用径向对齐约束的方法对摄像头内外参数进行标定,利用图像识别结果中特征点的顺序性完成特征匹配,进而获得目标的三维信息.     

二维矩形条带装箱问题的底部左齐择优匹配算法

针对二维矩形条带装箱问题提出了一种启发式布局算法,即底部左齐择优匹配算法(lowest-level left align best fit,简称LLABF). LLABF算法遵循最佳匹配优先原则,该原则综合考虑完全匹配优先、宽度匹配优先、高度匹配优先、组合宽度匹配优先及可装入优先等启发式规则.与BL(bottom-left),IBL(improved-bottom-left)与BLF(bottom-left-fill)等启发算法不同的是,LLABF能够在矩形装入过程中自动选择与可装区域匹配的下一个待装矩形