基于页面分块与信息熵的评论发现及抽取*

提出了一种新颖的REA(Review Extract Algorithm)算法进行评论信息的发现与抽取.算法采用了页面分块与信息熵的迭代计算技术实现了评论块的自动发现与抽取.其中,页面分块技术的运用有效地去除了噪声信息;基于块的熵值计算精确定位了每一个用户评论.实验结果证明该算法具有较高的查全率与查准率.     

分布式PACS通信服务中间层构造方法研究

基于目前分布式PACS中存在的问题,提出一个通信服务中间层的构造方法,分别进行了基于设计模式通信框架的构造、DICOM图像互操作和分布式PACS可复用构件的研究.通信服务中间层的构造不仅提高了分布式PACS在网络异构环境中的可移植性、可扩展性以及相关QoS性能,还满足了PACS今后发展中提出的较高的互连互操作性的要求.     

基于图的语义网络构造算法研究

在自然语言处理的基础上,将中医领域本体与图的基本性质相结合,提出了构造中医诊疗知识语义网络算法。给出了图的基本性质、语义网络的图定义,并为知识的网络表示建立了相应的数据结构。将算法用于中医领域语义网络和语义场构建。试验结果表明,该算法具有较好的实用性。提出的基于图的语义网络构造算法,对于文本挖掘、知识获取技术研究有重要意义,也是中医专家知识获取的有效方法。     

数字资源共享平台框架的设计和实现*

从数字资源共享平台的需求入手,分析了目前建设数字资源共享平台面临的一些问题,提出了一种数字资源共享平台的框架设计,并基于CNRI Handle System和OAI-PMH给出了该框架的技术实现方案.最后介绍了一个实现实例--中国大学数字博物馆共享平台.     

基于知识的P2P网格资源发现研究*

针对当前网格资源管理系统扩展性差的问题,提出了具有分布式本体知识库的网格资源管理模型.新模型由分布的多个自治管理域组成;自治域之间通过DHT覆盖网连接.网格资源信息以本体知识库的形式管理:本地知识库管理域内网格知识;全局知识库则提供分布本体的语义映射以及知识的索引和定位.资源发现转换为本体知识库的实例检索推理,并且支持跨管理域的资源集发现.新模型极大地提高了网格资源管理系统的可扩展性.     

基于Web services的WebGISVisA体系结构研究与实现*

针对目前网络地理信息系统体系结构难以实现Internet环境下的异构空间信息的互操作问题,深入分析其主要原因,在对现有网络地理信息系统的三层体系结构进行深入分析的基础上,提出一种基于Web services的网络地理信息系统体系结构(Web-based geographical information services visualization architecture,WebGISVisA).WebGISVisA体系结构通过Web services对各个地理信息系统组件进行包装,实现各个组件的跨平台操作,从技术上使得客户端和服务端达到了负载平衡,完成了WebGIS三维的虚拟现实,实现了在Internet下空间数据互操作和跨平台的功能,最大限度地达到数据共享.     

多信息源下本体自动抽取的实现*

以关系型数据库、XML文件、HTML文件、一般文档为信息源,运用不同的方法分别将多信息源映射为概念图,并按照拟定的概念逻辑结构进行统一存储,最后运用抽取算法实现本体的自动抽取.     

一种面向重构的工作流活动状态语义描述方法

工作流活动行为的精确描述是实现工作流过程控制的基础。基于状态的工作流活动行为描述方法在当前的工作流管理系统中被普遍采用。然而,非形式化的活动状态描述缺乏精确的语义并且不易扩充,导致系统适应性较差。针对业务过程管理需求的多样性和动态性,提出了一种支持快速重构的工作流活动状态语义的形式化描述方法。在分析工作流活动与工作项的状态关联基础上,定义了活动状态配置、活动状态配置全集等用于活动状态语义描述的基本概念。通过把活动状态映射为具有相同特征的活动状态配置的集合,建立了形式化的活动状态语义,研究了在此语义下活动状态的重构机制和基本实现步骤,并通过实例验证了该机制的有效性。应用本方法能够提高工作流管理系统适应企业业务过程管理需求快速变化的能力。     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点。为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组成的多层次语义特征描述子,在此基础上提出一种建筑立面点云提取方法,针对建筑立面点云在不同层次语义上的特点设置合理阈值,通过逐层筛选实现建筑立面点云的精确提取。试验结果表明：该算法能在低层、高层以及超高层建筑区等不同场景海量点云中快速准确地实现建筑立面点云提取,算法精度、效率、适应性良好。     

基于改进BiSeNetV2的裂缝检测与识别

裂缝作为固体材料中较为常见的某种不连续现象, 是固体结构破坏的开始,及时对裂缝进行识别和检测,并对检测结果进行分析,采取相对应的措施,能够较好地防止事故发生,保障工程作业中的安全。目前裂缝识别主要依靠人工检测,存在劳动强度大、耗时长、精确度不高、危险、耗费高等问题,为此基于数字图像处理技术的裂缝智能识别被广泛研究,然而裂缝表面纹理不规则、噪声的复杂信息,影响了识别精度。为了解决常见固体材料的裂缝智能识别问题,提出了以轻量级语义分割网络模型BiSeNetV2来进行裂缝自动检测,同时自主构建裂缝数据集。实验表明,改进后的裂缝识别模型识别精度提升了7.6%。基于BiSeNetV2的裂缝识别模型,能对裂缝进行精准检测和识别,解决人工识别存在的各类问题。