基于主成分分析和植被指数的潮滩植被信息提取研究

针对潮滩湿地植被的特点,利用2004年7月30日的SPOT5数据,在主成分分析的基础上,结合归一化植被指数NDVI和归一化水体指数NDWI,进行了Brovey变换和小波变换融合处理。融合后得到的图像较融合前的图像和原始SPOT5图像在空间相关性、信息熵以及植被间的可分离度等指标上都有显著的提高。对融合效果较佳的基于NDWI和主成分的小波变换的图像进行最大似然法分类,与原始图像最大似然法分类结果相比,分类精度提高了4.41%。     

空间数据多尺度研究综述

概要分析了空间数据多尺度的发展,介绍了空间数据多尺度在基础理论和视觉上的研究,综述了空间数据的多尺度表达在国内外的研究现状,举例说明了空间数据的多尺度表达在GIS中计算机表达的具体应用。     

空间数据多尺度研究综述

概要分析了空间数据多尺度的发展,介绍了空间数据多尺度在基础理论和视觉上的研究,综述了空间数据的多尺度表达在国内外的研究现状,举例说明了空间数据的多尺度表达在GIS中计算机表达的具体应用.     

基于粒计算的多尺度聚类尺度上推算法*

多尺度科学在数据挖掘领域的研究多见于图像和空间数据挖掘,对一般数据的多尺度特性研究较少。传统聚类算法只在单一尺度上进行,无法充分挖掘蕴藏在数据中的知识。引入粒计算思想,进行普适的多尺度聚类方法研究,对数据进行多层次、多角度分析,实现一次挖掘,多次应用。首先,介绍粒计算相关知识;然后,提出多尺度聚类尺度上推算法UAMC（Upscaling Algorithm of Multi-scale Clustering）,以簇为粒子,簇心为粒子特征进行尺度转换,利用斑块模型得到大尺度知识,避免二次挖掘带来的资源浪费;最后,利用UCI公用数据集和H省全员人口真实数据集对算法性能进行实验验证,结果表明算法在准确性上优于K-Means等基准算法,是有效可行的。     

网格多资源平行谈判模型研究*

针对网格环境中多资源交易复杂状况,提出了经济学框架下基于迭代算法的网格多资源平行谈判模型及形式化描述和谈判流程,并且给出了一种买方信用在多个资源上优化分配的数学方法,以进行网格环境下高效的资源管理。     

图像多尺度统计模型综述

基于小波变换的图像处理方法是目前的主流方法,而对图像特征的多尺度统计建模则是图像压缩、去噪、分割、纹理分析与合成等统计应用的关键问题。本文综述了图像的多尺度统计模型,包括边缘分布模型以及层内、层间和混合相关模型,分析了各模型的优缺点,给出了对各种相关模型捕捉系数间相关性能力的归一化量测。最后,简单介绍了基于多尺度几何分析的统计图像模型,并对多尺度统计建模的前景进行了展望。     

专题信息提取中降低植被影响的处理方法研究

探讨了运用TM影像提取专题信息时降低植被影响的两类技术:分离技术和掩膜技术以及分类原因,同时具体介绍了它们所包括的几种方法的基本原理和应用效果。提出不同地形环境需应用不同的技术和方法。     

基于多尺度分析的三维人脸识别*

为提高人脸识别的精度,加快人脸识别的速度,提出了基于多尺度分析的三维人脸识别方法。过多的特征点容易使判别混乱,出现自相矛盾的过饱和现象,因此采用必要数和最大数的策略来限制特征点的规模。为充分利用各尺度下的人脸特征进行识别,设计了基于ICP与PCA、LDA结合的综合特征匹配方法。实验结果表明,多尺度三维人脸识别方法识别率高于各种标准识别方法,抗噪声性能突出。     

一种矢量数据的双层次多尺度表达模型与检索技术

空间数据的多尺度表达是当代GIS研究的热点问题之一。该文针对矢量数据快速可视化的需求,结合制图综合领域的相关理论,提出了一种矢量数据双层次多尺度表达模型,用来将矢量数据抽象为空间要素和要素内的点坐标两个层次进行表达。其中空间要素层次的表达以空间要素为最小研究单元,通过建立多尺度索引来描述空间要素因尺度改变而引起的数量或性质变化;要素点坐标层次的表达则是以要素内坐标点为最小研究单元,通过尺度层次标记的方式来表达空间要素内的点坐标随尺度变化的渐变过程。该模型在开源数据库管理系统PostgreSQL支持下,扩展了相应的索引与函数,实现了矢量数据的双层次多尺度表达模型,同时设计了相应的检索算法,并以某城市1:10 000土地利用数据为例,对上述模型与检索算法进行了验证。实验结果表明,在基本不影响可视化效果的前提下,该矢量数据多尺度模型能极大地提高海量矢量数据的可视化与传输的效率。     

面向对象的土地覆盖信息提取方法研究

利用遥感方法提取土地覆盖信息时,常用的自动分类方法只能利用遥感数据的光谱信息,而面向对象的分类方法在综合利用遥感数据光谱信息、纹理特征、拓扑关系和加入专题信息进行多尺度分割获取对象后的基础上,通过对对象的目视识别建立模糊判别函数来进行分类。利用面向对象的方法成功提取了三峡库区奉节县中部的土地覆盖信息,得到了较为满意的结果,利用野外采样数据进行验证其精度达89.2%。     

Nested relation extraction with iterative neural network

Most existing researches on relation extraction focus on binary flat relations like BornIn relation between a Person and a Location. But a large portion of objective facts described in natural language are complex, especially in professional documents in fields such as finance and biomedicine that require precise expressions. For example, “the GDP of the United States in 2018 grew 2.9% compared with 2017” describes a growth rate relation between two other relations about the economic index, which is beyond the expressive power of binary flat relations. Thus, we propose the nested relation extraction problem and formulate it as a directed acyclic graph (DAG) structure extraction problem. Then, we propose a solution using the Iterative Neural Network which extracts relations layer by layer. The proposed solution achieves 78.98 and 97.89 F1 scores on two nested relation extraction tasks, namely semantic cause-and-effect relation extraction and formula extraction. Furthermore, we observe that nested relations are usually expressed in long sentences where entities are mentioned repetitively, which makes the annotation difficult and errorprone. Hence, we extend our model to incorporate a mentioninsensitive mode that only requires annotations of relations on entity concepts (instead of exact mentions) while preserving most of its performance. Our mention-insensitive model performs better than the mention sensitive model when the random level in mention selection is higher than 0.3.     

基于DOM的评论发现及抽取模型研究

Internet发展至今,除了静态的网页文本,目前出现较多的是基于动态文本的BBS评论、电子商务评论等.如何自动挖掘这些评论信息,变得日益重要.提出了一种新颖的评论算法进行评论信息的发现与抽取.采用了DOM技术对页面进行分块,同时结合信息熵的迭代计算技术实现了评论块的自动发现与抽取.     

基于条件随机域CRF模型的文本信息抽取

为了抽取文本中的信息,在分析对比了4种统计建模原型后,选用条件随机域CRF建立抽取模型,提出了一种文本信息抽取的方法.该方法对文本分析后加标注,确定文本特征集,采用有限内存拟牛顿迭代方法L-BFGS算法估计CRF模型参数,根据训练学习得出的模型,实现科研论文数据集头部文本信息的抽取.实验结果表明,使用CRF模型的抽取准确率达到90%以上,远远高于使用HMM模型的抽取准确率.     

图像的多尺度几何分析概述*

以函数的稀疏表示为主线,详细介绍了各种多尺度几何分析产生的背景、发展历程和逼近性能,并分析了它们各自存在的优缺点,最后指出了其发展方向.     

迭代开发模式中功能测试自动化的研究与实现

当前在迭代式开发模式中,由于模块或功能的频繁变化,使功能测试用例迅速老化,尤其是功能测试的自动化更是难以实现和维护,结果测试效率低下,延长开发周期并且不能有效保证软件质量.因此在深入分析迭代开发与功能测试特点的基础上,将超前测试的思想引入测试流程,实现了自动化的测试框架,并在该框架的管理下分阶段逐步地实现测试用例地自动化,使得开发、手动测试、自动化测试流水作业,并通过实际工作验证了框架的可用性和有效性.     

基于上下文语义的恶意域名语料提取模型研究

针对目前基于白名单过滤技术在海量文本中恶意域名提取的漏报、误报等问题,提出了一种基于上下文语义的恶意域名语料提取模型。该模型分别从恶意域名所在语句的上下文单词、短语进行语义分析,并利用自然语言处理技术自动生成描述恶意域名的语料。通过该模型对公开的APT（Advanced Persistent Threat）分析文档数据提取了大量恶意域名语料数据。利用安全博客文章数据并结合基于随机森林算法的机器分类模型对论文提取的恶意语料的有效性进行了验证。     

基于UML状态图的模型信息自动提取技术研究

UML是OMG用于软件系统的可视化、详述、构造和文档化的统一建模语言,状态图是UML模型的重要组成部分,用于描述系统的动态行为.在研究Rational Rose及其状态图文档的基础上,提出了通过UML状态图自动提取模型信息的两种方法-基于LALR(1)文法和基于Rose的扩展接口的提取方法,并对两种方法进行了比较分析.自动提取模型信息技术提高了协议测试序列的自动生成效率.     

基于激活-熵的分层迭代剪枝策略的CNN模型压缩

针对卷积神经网络(CNN)模型现有剪枝策略各尽不同和效果一般的情况,提出了基于激活-熵的分层迭代剪枝(AE-LIP)策略,保证模型精度在可控范围内的同时缩减模型的参数量。首先,结合神经元激活值和信息熵,构建基于激活-熵的权重评判准则,计算权值重要性得分;然后,逐层剪枝,根据重要性得分对权值排序,并结合各层剪枝数量筛选出待剪枝权重并将其设置为0;最后,微调模型,重复上述过程,直至迭代结束。实验结果表明,采用基于激活-熵的分层迭代剪枝策略:AlexNet模型压缩了87.5%;相应的准确率下降了2.12个百分点,比采用基于幅度的权重剪枝策略提高了1.54个百分点,比采用基于相关性的权重剪枝策略提高0.91个百分点。VGG-16模型压缩了84.1%;相应的准确率下降了2.62个百分点,比采用上述两个对比策略分别提高了0.62个百分点和0.27个百分点。说明所提策略在保证模型精确度下有效缩减了CNN模型的大小,有助于CNN模型在存储受限的移动设备上的部署。     

基于包装器模型的文本信息抽取

在分析基于标志和基于文本模式两类算法的基础上,提出了一种新的包装器归纳学习算法。新算法综合上述两类算法的优点,不但能利用页面的标志信息进行信息定位,而且能利用文本的模式信息来进行信息抽取和对抽取结果进行必要的过滤。实验结果表明,新算法具有较高的信息抽取精度与信息表达能力。