一种句词五特征融合模型的复述研究

为解决中文同义词词林无法用做上下文相关的复述语料问题,提出了一种词汇级复述方法。在中文大语料库环境下,根据给定的上下文,提取复述目标词和复述候选词;建立词、句融合的分层概率统计模型,给出了计算句、词复述相似度的5项特征值,用以训练二元分类器,并对候选复述词进行筛选。实验结果证明：1）基于大语料库数据挖掘,获取候选复述词提取方法具有实用价值,每个目标词给定的上下文句子中获取3.1个正确复述词;2）利用二元分类器对复述确认是有效的,精确率达到0.65;3）提取的复述中,有32%在《中文同义词扩展词林》无法查出,有效扩展了传统同义词复述方法。     

基于多特征的搭配翻译模型研究

提出一种新的搭配(Collocation)翻译方法,该方法在最大熵模型框架下,充分利用各种从单语和双语语料库中获取的信息.与过去的过分依赖双语语料库的方法不同,新的搭配翻译方法可以使用单语语料库训练翻译模型,在搭配内在信息的基础上,进一步引入了上下文信息.采用EM(Expectation Maximization)算法估计基于上下文的词汇翻译概率.本模型同时具备集成来自双语语料库信息的能力.实验表明,本文方法优于现有的基于单语语料库的搭配翻译方法,在双语语料库的支持下还可以得到更好的结果.     

基于内外概率算法的音乐节奏自动生成

针对计算机音乐领域中音乐自动生成问题,提出了一种将音乐关系的基本元素分开进行建模、分析、生成、融合的研究方法.基于音乐节奏本身具有可被形式化的特性,定义了一个概率上下文无关文法（PCFG）系统来描述相对独立的音乐节奏元素.该系统对实际音乐作品进行分析学习,将音乐节奏转化为形式化的文法语句.采用内外概率算法得到文法系统每条文法语句被使用的概率值,利用PCFG指导计算机生成新的音乐节奏,并构建了音乐节奏自动生成的原型系统.结果表明,该方法生成的音乐节奏与被分析的音乐节奏类似.     

基于视觉关系推理与上下文门控机制的图像描述

为了探索图像场景理解所需要的视觉区域间关系的建模与推理,提出视觉关系推理模块. 该模块基于图像中不同的语义和空间上下文信息,对相关视觉对象间的关系模式进行动态编码,并推断出与当前生成的关系词最相关的语义特征输出. 通过引入上下文门控机制,以根据不同类型的单词动态地权衡视觉注意力模块和视觉关系推理模块的贡献. 实验结果表明,对比以往基于注意力机制的图像描述方法,基于视觉关系推理与上下文门控机制的图像描述方法更好;所提模块可以动态建模和推理不同类型生成单词的最相关特征,对输入图像中物体关系的描述更加准确.     

一种基于轻量级口令攻击模型的honeywords生成方法

在身份认证系统中使用honeywords是及时检测口令数据库是否被盗的有效方法。针对现有方法生成的honeywords与真实口令差距大、能够被攻击者轻易识别的问题,提出一种基于轻量级口令攻击模型的honeywords生成方法(Generating Honeywords Using Lightweight Pass-word Attack Models,GHLA),该方法将基于规则的攻击模型和基于概率上下文无关(Probabilis-tic Context-Free Grammars,PCFG)的攻击模型这两种轻量级攻击模型结合起来,用于生成hon-eywords。通过理论分析证明其具有较好的平滑度以及抵抗Dos攻击的能力,并进一步利用人人网泄露的口令数据进行测试。相比其他方法,使用所提出的方法生成honeywords,真实口令被攻击者一次识别成功的概率下降了约7.83%,在触发系统报警前攻击成功的账户数量最多减少48.54%,实验结果表明所提方法具有更高的安全性。     

基于分析和生成的复述与SMT语料扩展

为了解决统计机器翻译语料对调序现象覆盖不足的问题,采用复述方法对语料进行扩展.提出了一种基于依存分析和句子生成的复述方法．对句子进行依存分析得到依存树,然后从依存树生成多个自然语言句子．生成的句子与原句相比没有词汇上的改变,但可以在词序方面进行变换．实验表明方法在不引入额外资源的前提下,有效缓解了语料覆盖不足的问题,提高了机器翻译质量．     

基于推理的上下文感知RBAC模型设计和实现

为了解决现有基于角色的访问控制（RBAC）模型缺乏对上下文约束条件的动态调整和生成,无法根据调整后的感知条件对用户权限实时进行调节的问题,在融合上下文感知RBAC模型和基于推理的RBAC模型基础上,提出了基于推理的上下文感知RBAC扩展模型.该扩展模型采用逻辑推理方法实现了上下文约束条件的动态调整,启用相应的公共感知器和自定义感知器感知约束条件的属性值;利用感知获得的动态上下文值进行角色和权限规则的推理,实现了访问主体对客体控制权限的实时更新.应用实例表明,该模型能提高分布式环境中用户动态访问控制的灵活性,并降低实时访问控制管理的复杂度．     

适用于目标检测的上下文感知知识蒸馏网络

针对现有应用于目标检测的知识蒸馏方法难以利用目标周围上下文区域的特征信息,提出适用于目标检测的上下文感知知识蒸馏网络（CAKD Net）方法.该方法能充分利用被检测目标的上下文信息,同时沿空间域和通道域进行信息感知,消除教师网络和学生网络的差异. 该方法包括基于上下文感知的区域提纯模块（CARM）和自适应通道注意力模块（ACAM）. CARM利用上下文信息,自适应生成显著性区域的细粒度掩膜,准确消除教师网络和学生网络各自特征响应在该区域的差异;ACAM引入空间?通道注意力机制,进一步优化目标函数,提高学生网络的性能. 实验结果表明,所提方法对模型检测精确率提升超过2.9%.     

基于上下文感知的内容适应算法及其在UPnP AV中的应用

针对UPnP AV如何根据AV播放环境进行内容适应的问题,提出一种基于上下文感知的内容适应算法CBCAA。首先获取AV播放环境上下文信息并进行分类;然后根据不同类型的上下文信息构建约束模型,利用约束满足求解方法得到相应的媒体内容描述决策集MDDS;最后将媒体源码按MDDS的描述转码,得到适应上下文要求的媒体内容目标码。CBCAA算法能够实现UPnP AV对AV播放环境的内容适应,从而提供智能多媒体服务。仿真实验表明了该算法的有效性。     

基于上下文感知的智能手机隐式身份认证机制

针对现有智能手机隐式认证方法难以被实际应用的情况,提出了一种基于上下文感知的隐式身份认证机制.首先,由智能手机内置传感器（加速计、陀螺仪、磁力计）获取点击行为数据;然后从这些数据中提取上下文特征以识别上下文信息（用户的身体姿势状态）,同时提取点击特征为每个上下文训练相应的认证子模型用于认证;最后利用所收集的7000+数据进行实验评估.结果表明,该方案对不同用户进行认证所得的平均错误接受率和错误拒绝率分别为1.29%和1.03%,与无上下文感知的认证方法相比,平均错误接受率和错误拒绝率分别降低了1.72%和2.59%.所提的机制可有效提高身份认证的准确性.     

基于句子语义距离的释义识别研究

针对释义识别任务如何学习上下文语义的问题,提出了利用词向量来表示句子语义距离的模型。首先,利用word2vec训练大规模的词向量模型,把词的语义信息利用向量分布式表示;然后通过欧氏距离来计算句子间词的移动开销;最后基于EMD模型实现了从词语义距离到句子语义距离的建模,通过采用句子变换矩阵来实现句子间语义距离的度量,进而从语义相似性方面进行句子释义识别。实验基于SemEval-2015 PIT任务,与作为实验基线的逻辑回归和加权矩阵因数分解方法进行比较,提出的模型采用有监督实验时, 值非常接近实验基线,而采用无监督方法实验时, 值提高了5.8%。     

基于水文特性的暴雨选样方法的频率转换

为了获得暴雨选样年最大值法与年多个样法之间的频率转换关系,基于降雨资料系列的水文特性,根据雨强相等的原则,推导出采用指数分布适线时的暴雨选样方法之间的频率转换关系,并探讨降雨历时与年均选样个数对转换关系的影响;基于年最大值法与超定量法的Ghahraman Khalili转换关系,提出年最大值法与年多个样法之间的非线性多参数转换关系,并结合雨量站统计参数特性,推导出参数经验公式,以充分体现水文特性的地区性.利用位于不同水文区域的温州西山站和兰溪水文站的降雨资料系列,与Chow式和Ghahraman Khalili式进行对比,验证了提出的转换关系的可行性.     

肝细胞癌MR图像的纹理分类研究

结合小波多分辨率分析方法与统计分析方法提出了一种复合纹理分类模型,评估其基于核磁共振（MR）图像辅助诊断肝细胞癌（HCC）与正常肝脏组织的价值。首先,训练样本按类别分成两组,在每组中执行小波系数统计;其次,对新样本的小波系数基于两组统计结果执行两次离散化,以直方图、共生矩阵、游程长度矩阵等方法提取到两组特征;最后,基于两组特征执行两次分类以计算新样本的类别属性概率并决策。实验结果显示,该模型获得了比传统方法更好的分类性能,表明采用该模型对基于MR图像进行HCC与正常肝脏组织的计算机辅助诊断是有益的。     

基于Att-iBi-LSTM的新闻主题词提取方法研究

针对LSTM网络进行主题词提取时因没有考虑中心词的下文对主题词的影响而导致提取准确率低的问题,提出了一种双向LSTM引入Attention机制模型（Att-iBi-LSTM）的主题词提取方法。首先利用LSTM模型将中心词的上文和下文信息在两个方向上建模;然后在双向LSTM模型中引入注意力机制,为影响力更高的特征分配更高的权重;最后利用softmax层将文档中的词分为主题词或非主题词。并且还提出了一种两阶段模型训练方法,即在自动标注的训练集上进行预训练之后,再利用人工标注数据集训练模型。实验在体育、娱乐和科技3种新闻文本上进行主题词提取任务,实验结果表明本文提出的Att-iBi-LSTM模型与SVM、TextRank和LSTM相比F1值分别提高了13.78%、24.31%和3.32%,使用两阶段训练方法的Att-iBi-LSTM比一阶段训练的F1值提高了1.56%。     

微波动态雨衰减时间序列模型的修正

In ordor to investigate the dynamic rain attenuation forecast in countermeasure rain fade techniques on the microwave link, in typical temperate and subtropical rain areas in China, the power spectra for the rain attenuation time series simulated by the EMB (Enhanced Maseng and Bakken) model are in agreement with the measured results at 12.5GHz, but there are differences between the fade slopes statistics based on simulated series and measured data. The rain attenuation time series by the EMB model are improved by using a circular inserting data method. By the improved method, the statistical probabilities of the fade slopes are very close approximation to the measured results. The probabilities of the fade duration based on the simulated time series by the improved processes are compared with the results by unimproved processes, the results based on the measured data and by the ITU-R predicted results. It is shown that the statistical results for the fade slopes are improved, and that the differences between the fade duration probabilities by the improved series and measured data are smaller than that between the results by unimproved and measured. The results show that the improved process to the EMB model is feasible in typical rain areas in China.     

基于HSI空间的彩色绣花图样的轮廓提取算法研究

电脑绣花需要彩色图像的轮廓提取与针法填充,而绣花机的针法填充可按区域色块进行.结合绣花机编针的特点,根据彩色图像形态学理论,提出一种基于HSI空间的彩色绣花图像轮廓提取算法.实验结果表明该算法能有效抑制噪声对图像的影响,图像提取的效果满足绣花图案的要求.     

支持向量机理论与算法研究综述

统计学习理论(statistical learning theory,SLT)是一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.支持向量机(support vector maehinse,SVM)是一种基于SLT的新型的机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点.该文系统介...     

基于支持向量机回归的去噪方法及其应用

提出了一种基于支持向量机回归的去噪方法.传统的统计学理论的去噪方法由于训练样本数的限制,在实际应用中普遍存在推广能力不足的问题.本文借助支持向量机在小样本情况下良好的推广能力,利用支持向量机回归逼近数据去除噪声.使用该方法对大地电磁测深视电阻率进行了处理.实际资料处理结果表明,基于支持向量机回归的去噪方法,较好地消除了噪声的影响,同时对消除部分测点的地形与局部异常体的影响也有一定的作用.     

不均衡大数据集下的文本特征基因提取方法

在不均衡大数据集情况下,传统特征处理方法偏重大类而忽略小类,影响分类性能。该文提出了一种文本特征基因提取方法。首先,基于样本类别分布不均衡对特征选择的影响,给出了一种结合信息熵的CHI统计矩阵特征选择方法,以强化小类的特征;然后,在探究多维统计数据高阶相关性的基础上,采取独立成分分析手段,设计了文本特征基因提取方法,用以增强特征项的泛化能力;最后,将这两种方法相融合,实现了在不均衡大数据集下的文本特征基因提取新方法。实验结果表明,所提方法具有较好的早熟性及特征降维能力,在小类的分类效果上优于常见特征选择算法。     

基于改进支持向量机的抽汽管道阻力特性混合建模

结合机理分析与统计智能算法,建立的热力系统子系统混合模型,可以充分发挥两种方法各自的优势。经现场实际数据分析,基于遗传算法改进ε-SVM的抽汽管道压损模型,符合理论分析规律,并且具有较高的精度。