中文指代消解模型的对比研究
摘要：指代消解的基本任务是把指向现实世界中相同实体的所有实体表达关联起来。与英文指代消解的研究相比,中文指代消解的研究相对较少,至今没有对现存的中文指代消解模型进行公平的测评和比较,主要原因是现存的中文指代消解模型在训练和测评时采用了不同的语料,且所选用的特征属性也不相同。基于上述原因,实现了5类基本的中文指代消解模型,并在ACE2005中文语料上进行同平台、同语料、同特征的测评。通过测评比较了各类模型的性能,同时分析和探讨了影响中文指代消解模型精度的各种因素。一种基于交点权重图的指纹焦点检测方法
摘要：指纹参考点在指纹注册和识别过程中非常重要,能够有效减少拥有大规模指纹库的自动指纹识别系统的识别时间。指纹焦点是一种很稳定的参考点,而现有检测指纹焦点的方法的精度还有很大提升空间。基于从方向场生成的交点的权重信息,提出了一种精确的指纹焦点检测方法。首先,提出了交点权重图的概念以及从指纹方向场计算该图的方法。在分块方向场上,各个块中经过块中心垂直于块方向的直线两两相交得到一些交点,为每个交点根据对其期望焦点位置的贡献赋予一个权重,得到交点权重图。该图基本能保证理想的焦点位于其最大密度区域,从而提高焦点检测算法的精度和稳定性。然后将交点权重图用于迭代算法中,实现对焦点的精确检测。最后,在FVC2000Db2a指纹库上进行了实验,结果表明提出的方法在精度上比其他方法有明显优势,时间开销也在可接受的范围内。组合粗尺度异质性和细尺度匀质性的像元交换算法用于超分辨率制图
摘要：空间依赖性的刻画对超分辨率制图方法起着关键作用。根据观察及实验,粗尺度空间能更好地刻画空间地物异质性,同时细尺度空间能更好地刻画空间地物的匀质性。因此提出了一种结合粗尺度空间异质性和细尺度空间匀质性的像元交换算法用于超分辨率制图。提出的基于组合粗尺度异质性和细尺度匀质性的空间依赖性度量能更好地刻画复杂地物环境。在合成影像上的实验结果验证了提出的算法能在保持分数信息不变的前提下获得更高的制图精度。基于信息系统属性同态的数据压缩
摘要：数据压缩是数据处理的一个重要主题,同态是实现数据压缩的一种有效工具。根据信息系统属性集及其上的依赖关系,定义了信息系统属性同构和信息系统属性同态的概念。研究了信息系统属性同态的性质,利用属性等价关系诱导出了信息系统属性理想同态,应用信息系统属性理想同态实现了信息系统属性集的无损压缩。最后通过比较原信息系统与同态像信息系统的距离,给出了度量任意属性同态理想程度的方法。基于CPU/GPU异构模式的高光谱遥感影像数据处理研究与实现
摘要：近年来,基于GPU的新型异构高性能计算模式的蓬勃发展为众多领域应用提供了良好的发展机遇,国内外遥感专家开始引入高性能异构计算来解决高光谱遥感影像高维空间特点所带来的数据计算量大、实时处理难等问题。在此简要介绍了高光谱遥感和CPU/GPU异构计算模式,总结了近几年国内外基于CPU/GPU异构模式的高光谱遥感数据处理研究现状和问题;并面向共享存储型小型桌面超级计算机,基于CPU/GPU异构模式实现了高光谱遥感影像MNF降维的并行化,通过与串行程序和共享存储的OpenMP同构模式对比,验证了异构模式在高光谱遥感处理领域的发展潜力。采用无标注语料和词“粘连”剔除策略的韵律短语识别
摘要：针对人工标注韵律结构获取大规模语料的困难和问题,利用标点符号能够表示停顿的性质,提出一种采用无标注语料和词＂粘连＂剔除策略的韵律短语识别方法。对标点符号划分等级,并在利用其模拟韵律边界时对其赋予不同的权重。基于无标注语料构建最大熵模型,并采取Top-K方法实现句子韵律短语边界的自动预测。通过计算相邻语法词词性间的互信息对句子进行＂粘连＂处理,生成＂粘连＂单元,并对出现在其内部的韵律边界进行剔除,实现韵律短语的自动识别。实验结果表明,获取无标注语料时对标点进行分级利用及采用＂粘连＂剔除策略能够明显提升模型性能,该方法能够获得较好的识别效果。结合全局与双重局部信息的社交推荐
摘要：随着Web2.0的飞速发展,社交推荐逐渐成为推荐领域近几年的研究热点。如何更有效地利用用户的社交关系是社交推荐的关键,目前的社交推荐算法主要引入的是用户之间的直接联系（明确关系）。将社交关系进一步细分为明确关系和隐含关系,并结合历史评分得到的用户声誉信息刻画了由用户全局信息（声誉）与局部信息（明确关系和隐含关系）所构成的推荐系统框架。与现有的社交推荐算法相比,所提出的算法更全面地分析了用户的社交关系,且具有良好的可解释性。在Douban数据集和Epinions数据集上进行了实验,并将本算法与主流的推荐算法进行了比较,结果表明本算法具有更好的推荐精度。基于小波滤波背景预测的红外弱小目标检测方法
摘要：红外弱小目标检测是红外图像研究领域的热点与难点。有效地从背景中检测出弱小目标对于后续的跟踪、识别工作具有十分重要的意义。针对现有检测方法的不足,提出了一种基于小波滤波背景预测的红外弱小目标检测方法。该方法利用小波滤波去噪的优良特性将目标作为噪声滤除,然后构建近似的前景分布图与背景分布图,最后基于连通体筛选与对比度门限完成弱小目标的提取。采用实测光电图像对该方法进行了验证,结果表明,提出的方法能够有效抑制噪声,完成背景预测以及红外弱小目标的检测。基于堆叠降噪自动编码器的胶囊缺陷检测方法
摘要：目前医用胶囊生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响。提出一种基于堆叠降噪自动编码器的胶囊表面缺陷检测方法,该方法首先建立深度自动编码器网络,并根据缺陷样本进行降噪训练,获取网络的初始权值;然后通过BP算法进行微调,得到训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系,实现测试样本的缺陷检测。实验表明,堆叠降噪自动编码器较好地建立了上述映射关系,能快速、准确地进行缺陷检测,对噪声具有很强的鲁棒性和稳定性。多粒化的粗糙集代数
摘要：众所周知,一个粗糙集代数是由一个集合代数加上一对近似算子构成的。一方面,在公理化的方法下对经典的多粒化粗糙集代数系统进行了讨论,可知经典的粗糙集代数没有很好的性质;另一方面,给出了单调等价关系的定义,并给出了基于单调等价关系的多粒化近似算子的概念,在此基础上讨论了粗糙集代数的性质,并得到了诸多结果。一种提高推荐多样性的概率选择模型
摘要：传统的推荐算法多以优化推荐列表的精确度为目标,而忽略了推荐算法的另一个重要指标——多样性。提出了一种新的提高推荐列表多样性的方法。该方法将列表生成步骤转换为N次概率选择过程,每次概率选择通过两个步骤完成：类型选择与项目选择。在类型选择中,引入项目的类型信息,根据用户对不同项目类型的喜好计算概率矩阵,并依照该概率矩阵选择一个类型;在项目选择中,根据项目的预测评分、项目的历史流行度、项目的推荐流行度3个因素重新计算项目的最终得分,选择得分最高的项目推荐给用户。通过阈值TR来调节多样性与精确度之间的折中。最后,通过对比实验证明了该方法的有效性。基于转发关系的微博话题演化算法
摘要：现有的话题演化研究主要针对长文本。因此研究了微博短文本的话题演化问题,综合考虑微博的文本特征和非文本特征,利用微博的传播特性,提出了基于转发关系的微博话题演化算法MTERR。该算法首先以话题模型为基础,结合微博转发特性和话题的时间特征提取微博话题;然后采用话题的内容相关性指标和转发关联度指标构建话题关联函数,生成话题演化拓扑图;最后,基于真实微博数据集的实验结果表明,MTERR算法生成的话题演化图可以有效地反映热点事件发展演化的过程。基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简
摘要：将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。一种基于最近搜索周期被引用频率的改进WPR算法
摘要：针对WPR（Weighted PageRank）算法存在的在网页搜索方面的主题漂移和偏重旧网页的现象,综合网页的主题特征和最近搜索周期网页的被引用频率两个因素,提出了一种改进的算法WTFPR（Weighted Topic Frequency PageRank）。该算法通过内容分析,采用改进的TD-IDF算法来解决网页相关性,改善主题漂移现象;通过网页的最近搜索周期的被引用频率来提高那些较新而且价值较高的网页的PR值,从而改善偏重旧网页的现象。仿真结果表明,改进后的算法与WPR算法相比获得了更好的效果。基于分水岭分割和稀疏表示的高光谱图像分类方法
摘要：近年来,高光谱图像的分类受到了广泛的关注。许多机器学习的方法都在高光谱图像上得到了应用,如SVM、神经网络、决策树等。但光谱图像可能存在＂同物异谱＂和＂同谱异物＂的情况,这给高光谱图像的精确分类带来了一定挑战。针对该问题,提出了利用分水岭分割得到的空间信息与稀疏表示来得到更精确的分类结果。首先利用分水岭得到图像区域信息,然后以区域为单位,对每个区域的样本进行分类。在两幅图像上对该方法的有效性进行了验证,结果表明该方法优于其它一些同类方法。基于属性区分能力和AP聚类的属性粒化方法
摘要：提出了一种基于属性区分能力和AP聚类的属性粒化方法（Attribute Granulation based on attribute discernibility and AP algorithm,AGAP）。该方法首先依据属性依赖度计算属性的区分能力;然后将所有属性作为潜在的聚类中心,使用AP算法聚类,得到若干个属性簇类;最后采取选用代表属性的方法得到较粗的属性粒子,从而达到属性粗粒化的要求。对高维数据的特征降维,这种算法比传统的属性约简算法大大提高了运算效率,在属性粒化精度要求不是很严格的情况下,所提算法优势明显。同伦支持向量机
摘要：支持向量机（SVM）作为一种新颖的人工智能技术,已越来越广泛地运用于各个学科领域。同伦正则化方法也是近几年新兴的一种正则化方法,在数理方程反问题中得到了广泛的应用。将同伦正则化的思想应用到支持向量机中,建立了一种新的支持向量机模型,并对最常用的核函数——高斯核进行了修改。与传统的正则化方法相比,新模型最大的优点就是正则化参数的取值范围由无限区间变成了有限区间（0,1）,从而大大缩短了正则化参数的优化时间。一种基于先验信息的混合数据聚类个数确定算法
摘要：聚类个数的确定是聚类分析中一个富有挑战性的难题。现有的聚类个数确定方法主要采用随机选取初始聚类中心的策略,导致聚类过程中迭代次数的稳定性不强。基于此,在利用含有类标签的先验信息优化初始类中心的基础上,提出了一种基于先验信息的混合数据聚类个数确定算法。实验证明,该算法是有效的。
