视觉选择性注意计算模型

提出一种用于智能机器人的视觉注意计算模型．受生物学启发,该模型模仿人类自下而上和自上而下 两种视觉选择性注意过程．通过提取输入图像的多尺度下的多个底层特征,在频域分析各特征图的幅度谱,在空域 构造相应的特征显著图．根据显著图,计算出注意焦点的位置和注意区域的大小,结合给定的任务在各注意焦点之 间进行视觉转移．在多幅自然图像上进行实验,并给出相应的实验结果、定性和定量分析．实验结果与人类视觉注 意结果一致,表明该计算模型在注意效果、运算速度等方面有效．     

基于物联网的油气井积液面监测系统

影响油气井天然气高效产出的因素之一是井底积液面高度,油气井积液面连续准确监测和综合分析对油气井有效排水采气作业具有重要意义。当前通过压力梯度监测、临界流量监测和产气含水分析计算井底积液,对直井、斜井及含节流器井等监测误差较大,难以满足生产监测要求。因此,研发了基于物联网的油气井积液面实时连续监测系统,该系统采用次声波井口连续监测套管积液面,4G无线网络数据传输至监测计算平台,通过套管和油管温度、压力建立油气井积液面计算模型,实时精确计算油管积液面高度。该系统实现了油气井积液面实时连续监测与分析,对油气井天然气的高效生产开发具有较高应用价值。     

典型站流量软在线的实现

聚焦新形势下水资源监测预警、生态流量监测等"水利行业强监管"的要求,以及实时流量监测的迫切需要,在总结传统推流方法的基础上,基于影响流量的内在水力要素关联,通过对典型水文站共性的提取,建立流量转换模型,利用已有的实时要素监测信息,构建流量实时计算的通用算法,实现流量软在线,通过代表站分析验证,软在线成果效果较好,满足水文监测预报对流量的精度要求。依据在线成果与实测流量对比,证明参数自动识别是软在线思路的改进方向。     

融合深度信息的视觉注意计算模型

针对Itti模型在特征选择上的局限性,借鉴心理学中有关视觉注意的研究成果,提出一种融合深度信息的视觉注意计算模型。该模型在基于图像分割的自适应立体匹配基础上提取深度特征,与亮度、方向、颜色特征相结合,实现空间显著性度量,并采用侧抑机制和WTA机制得到注意焦点。实验结果表明,新模型能较好地反映空间立体视觉信息对注意的影响,使计算结果能更符合人类视觉。     

由底向上视觉注意中的层次性数据竞争

结合认知心理学的相关发现,研究了由底向上视觉注意中的数据竞争问题,提出了一个新的基于层次竞争的视觉注意模型,该模型采用依次进行的尺度、特征和方位竞争逐渐搜索注意焦点的基本属性,利用区域生长简单描述注意焦点的大致轮廓,并通过上述过程的循环往复逐一获得图像中的各个注意焦点．将此方法应用于多种类型的真实图像中获得了较为满意的实验结果．     

一种基于物体的视觉注意计算模型

为解决基于空间的视觉注意计算模型存在的注意目标不完整、容易转移到无意义区域等问题,提出一种结合空间显著性的基于物体的视觉注意计算模型。检测图像的边缘信息,根据空间视觉显著性度量结果,提取显著值高的封闭边缘,得到感知物体的轮廓。根据各感知物体的大小、位置和显著程度计算其注意度。注意焦点按照注意度递减的顺序在各感知物体之间进行转移。在多幅自然图像上进行实验验证,实验结果表明该模型具有和人类视觉特性相符合的注意效果。     

基于人体传感和Android技术的运动监测系统设计与实现

为了避免运动过程中和比赛中运动姿态不正确以及运动过量对身体造成的伤害,提出了基于人体传感和Android技术的运动监测系统的设计,在运动过程中对人体运动参数和运动姿态实时监测,通过Android平台实现卡路里消耗计算和运动姿态建模评估,以避免出现运动损伤和体能透支现象。监测系统以MSP430单片机为控制核心,采用MPU6050三轴加速度传感器实时测量人体三轴加速度,利用Android平台计算加速度、速度、里程等运动参数、运动中消耗的卡路里能量,以及人体运动轨迹跟踪、定位;并通过人体运动模型识别算法评估人体运动姿态,实现危险动作预判。实验证明系统能够实现实时运动监测、运动跟踪定位,保护运动者的身体健康。     

网格环境中资源发现与监测机制研究

网格资源发现与监测是网格计算的一个重要组成部件,为了对网格资源进行调度和分配,网格系统必须对动态的网格资源进行实时、准确地监测,以充分了解资源的当前状态。通过对网格资源发现与监测标准的分析,结合Agents的跨平台通讯和智能化的特性,该文给出了一种基于Agents的分层次的网格资源发现与监测模型,该模型以较小的系统代价,可以获取较好的系统性能。     

多协议标签交换流量工程隧道实时监测方法——MTRM

针对现有工作无法实时动态监测多协议标签交换(MPLS)流量工程(TE)隧道状态变化的问题,提出了一种MPLS TE隧道实时监测方法--MTRM。在网络中植入被动采集探针以采集OSPF-TE信令,以此为基础构建网络模型,使用隧道路径实时监测算法进行实时的隧道路径计算,最终实现动态监测。仿真实验在15个节点的MPLS网络中进行。结果表明,MTRM能够在5s之内监测到隧道变化,准确率超过90%。这种MPLS TE隧道实时监测方法,大大降低了MPLS网络管理和流量工程实施的难度,具有广阔的应用前景。     

导航卫星信号模拟器伪距生成实时仿真研究

高精度伪距数据的实时生成是导航卫星信号模拟器开发需要解决的一项关键技术.在监测接收机测试中,信号模拟器生成伪距数据时必须采用高精度而复杂的卫星轨道和伪距误差项计算模型,但是复杂的计算模型严重影响了伪距数据生成的实时性.针对问题,提出了迭代计算与插值计算相结合的伪距生成方法,并采用方法对监测接收机和普通定位接收机用户进行了伪距数据的实时生成仿真和精度分析.结果表明方法能满足伪距数据生成的实时性和精度要求.     

一种基于语义关系图的词语语义相关度计算模型

词语的语义计算是自然语言处理领域的重要问题之一,目前的研究主要集中在词语语义的相似度计算方面,对词语语义的相关度计算方法研究不够.为此,本文提出了一种基于语义词典和语料库相结合的词语语义相关度计算模型.首先,以HowNet和大规模语料库为基础,制定了相关的语义关系提取规则,抽取了大量的语义依存关系;然后,以语义关系三元组为存储形式,构建了语义关系图;最后,采用图论的相关理论,对语义关系图中的语义关系进行处理,设计了一个基于语义关系图的词语语义相关度计算模型.实验结果表明,本文提出的模型在词语语义相关度计算方面具有较好的效果,在WordSimilarity-353数据集上的斯皮尔曼等级相关系数达到了0.5358,显著地提升了中文词语语义相关度的计算效果.     

领域本体的概念相似度计算

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为了本体研究的一大热点。当前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。论文提出的算法将概念相似度计算分为两层,一层是概念语义初始相似度层,其主要利用概念之间的距离来计算概念的初始相似度。另一层是概念非上下位关系相似度层,其在概念初始相似度的基础上,计算概念通过非上下位关系体现出的相似度。最后通过综合计算,得到领域本体中概念的实际相似度。实验证明,该方法充分利用了本体中概念的语义信息,得到的结果也比较合理。     

视频的检索反馈

基于内容的视频检索是一个重要的研究领导领域,吸引了众多研究者的举,常用的查询方式是通过例子视频进行检索,但是如何定义是否两个视频相似,仍然是尚未解决的问题,限制了检索系统的应用范围,而且由于视频内容的复杂性,不同在检索过程中,即使对同一部视频,其注重的角度也有可能不同,因此接受用户的反馈意见,当用户对查询结果不满意时可以优化查询结果,突出用户的需求,在综合了人类礼堂心理特征的基础上,介绍了一种视频相似衡量的模型,从镜头、视频等多个层次,多种视觉判断角度,对视频间相似度进行衡量,并在此基础上提出了多个粒度－－镜头层次和视频层次进行检索反馈的方法,整个过程是自动进行的,根据用户的意见灵活地优化检索结果。     

改进的概念相似度算法

本体映射是目前的热点问题,而概念相似度计算则是它的关键部分。目前的方法基本上都是基于多策略的综合方法,而综合方法存在计算量大、权值难以确定等问题。提出了一种改进的综合算法－PCASim。该方法通过概念名称相似度计算减少计算量,利用主成分分析改进权值。实验表明该方法是切实可行的。     

基于多头注意力机制Tree-LSTM的句子语义相似度计算

针对现有句子语义相似度计算由于缺乏语义结构信息导致精度低的问题,该文在依存关系树的基础上,提出了一种基于多头注意力机制Tree-LSTM(multi-head attention Tree-LSTM,MA-Tree-LSTM)的句子语义相似度计算方法。首先,MA-Tree-LSTM将外部具有指导意义的特征作为输入,再将输入结合多头注意力机制作用在Tree-LSTM树节点的所有孩子节点上,为每个孩子节点赋予不同的权重值,从而实现多头注意力机制和Tree-LSTM的融合;其次,将三层的MA-Tree-LSTM应用于句子语义相似度计算并实现句子对的相互指导,从而得到句子对语义特征的多层表示;最后联合多层的语义特征建立句子对语义相似度计算模型,从而实现句子对间相关的语义结构特征的充分利用。该文提出的方法鲁棒性强,可解释性强,对句子单词的顺序不敏感,不需要特征工程。在SICK和STS数据集上的实验结果表明,基于MA-Tree-LSTM的句子语义相似度计算的精度优于非注意力机制的Tree-LSTM方法以及融合了多头注意力机制的BiLSTM方法。     

AICF: Attention-based item collaborative filtering

Item-to-item collaborative filtering (short for ICF) has been widely used in ecommerce websites due to his interpretability and simplicity in real-time personalized recommendation. The focus of ICF is to calculate the similarity between items. With the rapid development of machine learning in recent years, it takes similarity model instead of cosine similarity and Pearson coefficient to calculate the similarity between items in recommendation. However, the existing similarity models can not sufficient to express the preferences of users for different items. In this work, we propose a novel attention-based item collaborative filtering model(AICF) which adopts three different attention mechanisms to estimate the weights of historical items that users have interacted with. Compared with the state-of-the-art recommendation models, the AICF model with simple attention mechanism Self-Attention can better estimate the weight of historical items on non-sparse data sets. Due to depth models can model complex connection between items, our model with the more complex Transformer achieves superior recommendation performance on sparse data. Extensive experiments on ML-1M and Pinterest-20 show that the proposed model greatly outperforms other novel models in recommendation accuracy and provides users with personalized recommendation list more in line with their interests.     

基于LISA理论的概念模型相似度计算

在信息系统概念建模过程中,常常需要合并或重用已有模型形成复杂的模型,以更加精确地刻画物理世界模型,而概念模型间的相似度计算是实现这一目标的重要基础。通过引入LISA认知模型的系统相似性计算方法,将概念模型间相似度计算转化为关系,绑定,实体类和角色间相似度的综合计算。实验结果表明,这种计算方法综合考虑了各种相关因素,所得出的结果具有较高的可信度。     

基于领域本体的概念语义相似度计算研究

通过对领域本体参照下传统概念的3种语义相似度的计算模型研究,针对这3种计算模型的优缺点和领域本体所特有的性质,提出了一种改进的基于领域本体的概念语义相似度计算模型.实验结果表明,该计算模型通过定量的分析利用本体构词所描述的概念、特性之间的相似度,可以指导基于领域知识本体的语义查询中概念集扩充和查询结果排序,为概念之间的语义关系提供一种有效的量化.     

基于问句相似度的中文FAQ问答系统

常见问题(FAQ)问答系统是一种在已有的“问题—答案”对集合中找到与用户提问相匹配的问句,并将其对应的答案返回给用户的问答式检索系统。其关键问题是用户提出问句与FAQ库中问句进行相似度计算,找出FAQ库中最相近的问句,并返回事先存储好的问题答案。通过对常见问句特点的研究,给出一种基于分解的向量空间模型和语义概念的问句相似度计算方法,其主要思想是对一个问句向量进行分解,提取其三个关键部分:问点、主题词和疑问词,表示成三个分向量,然后对每个分向量计算基于《HIT-IRLab同义词词林(扩展版)》的语义相似度,通过线性加权就可以得出两个问句的语义相似度。试验表明,与传统的基于向量空间模型的TF-DF问句相似度计算方法相比,可以提高问句匹配的精度。     

改进的概念语义相似度计算

在相似度计算中,本体能够将各种概念及相互关系明确地,形式化地表达,因而发挥着重要的作用.为了使相似度计算结果更为精确,考虑更全面的利用本体中的关系,和相似度计算在特定领域中应用的特点,提出一个改进的相似度计算模型.利用上下位关系计算相似度,非上下位关系计算相关度,将二者合成,并同时考虑语义检索领域中,相似度计算的不对称性.经过实验验证了该方法有效且精确.