电子采购中具有语言评价信息的交易匹配问题研究

针对电子采购中具有语言评价信息的买方与卖方交易匹配问题,提出了一种决策分析方法.首先,给出了电子采购中基于电子中介的买方与卖方交易匹配的问题描述;然后在此基础上,将买方与卖方给出的具有语言评价信息的效率矩阵转化为二元语义形式,考虑以买方与卖方双方满意度最大为目标构建了多目标优化模型,根据二元语义的自身特点将模型进行转化,并最终转化为单目标线性规划模型进行求解来得到交易匹配结果;最后,通过电子采购中交易匹配的实例分析说明了本文给出方法的可行性和实用性.     

维吾尔语框架语义例句辅助标注系统的设计与实现

构建维吾尔语框架语义知识库是自然语言处理的基础性工程,目前大部分工作基于人工。从真实语料库中抽取包含将要描述词元的例句,为例句标注以及这些例句的配价模式进行深入研究,从标注好的维吾尔语例句中提取维吾尔语词元和例句填充到维吾尔语框架库,构建维吾尔语词元库和例句库,实现维吾尔语语义框架网络的自动构造之目的。本文对维吾尔语真实语料库中抽取的例句中标注对象进行初步分析,论述了人机交互式基于阿拉伯字符的UFN例句辅助标注系统的功能模块设计和工作流程。介绍了UFN例句辅助标注系统的例句标注界面和词元标注报告、词条报告的自动生成演示界面。     

基于二维二元语义和模糊AHP-TODIM的低碳供应商选择方法

针对专家给出二维语言评价信息的低碳供应商评选问题,提出一种基于二维二元语义和模糊AHP-TODIM的方法。该方法首先提出改进的二元语义模型,基于此定义二维二元语义及其加权平均算子。接着构建低碳供应商评价的指标体系。最后,将专家给出的二维语言评价信息转化为二维二元语义,使用模糊AHP法计算指标权重,并利用二维二元语义加权平均算子集结信息,在此基础上将TODIM方法扩展到二维二元语义环境以获取低碳供应商排序。案例分析说明了所提出的方法的有效性。     

基于知识的多媒体创作模型

通过对传统方法进行分析,引入语义网络的知识表示方法,将面向对象技术与超媒体方法相结合,提出了一个基于知识的多媒体创作模型（ＫＡＭ）,给出了ＫＡＭ模型的形式化定义,并对该模型的结构进行了讨论．ＫＡＭ模型具有以下特点：（１）支持结构与内容的分离;（２）支持复合机制;（３）基于语义的导航,有效地避免了在交互性系统中的迷路问题;（４）独立的链服务功能和管理功能,保持系统的开放性、可扩充性     

听觉感知中的噪声特性语义描述及其分析

基于听觉感知的噪声语义描述是噪声声品质研究的基础性问题,已有研究未将语义描述与噪声来源、频谱特性以及产品运行状态等物理信息联系起来。该文分别针对飞机舱内噪声、车辆噪声和空气净化器噪声这3组典型噪声开展了主观评价实验,并通过多维尺度分析和主成分分析描述了3组噪声的语义空间,系统分析了不同类型噪声的描述词,同时解释了描述词与噪声物理属性之间的联系。研究发现：飞机舱内噪声、车辆噪声以及空气净化器噪声可以由4维、4维和3维语义空间进行描述;不同类型噪声在语义描述中具有共性与个性,3组噪声语义的主要维度均与嘈杂感相关,而噪声的个性描述词与其声源的物理属性密切相关;进行声品质建模及应用时,应同时考虑噪声共性和个性描述词对听觉感知的影响,采取有针对性的措施以提升产品声品质。该文从听觉感知的角度进行了噪声特性的语义描述和分析,研究结果可为产品声品质以及噪声控制研究提供帮助。     

融合语义增强与多注意力机制的视频描述方法

随着视频数据爆发式增长,视频描述任务越来越被研究者们关注。如何让计算机像人类一样理解视频的内容并能够准确无误地用语言表达出来,是视频描述任务领域尚未得到完美解决的难题之一。针对现有代表性视频描述模型中存在的未充分利用语义信息、生成描述不准确等问题,本文基于编码器-解码器框架的视频描述模型,提出了一种融合语义增强与多注意力机制的视频描述方法。该方法首先通过视觉文本特征聚合方法,为模型编码提供高层语义指导。然后,使用Faster-RCNN网络提取视频对象特征,通过图卷积网络获取视频对象的潜在语义信息,得到增强特征。最后,引入多重注意力机制,使模型更好地利用输入信息,增强模型的学习能力。MSVD和MSR-VTT数据集上的实验结果表明,相比于基准模型,本文提出的方法能合理优化视频描述模型的输入信息,有效提取视频潜在语义,从而解决视频文本跨模态问题和生成语句的语法结构问题,并能有效提升视频描述模型的准确度和对复杂场景的描述能力,更具先进性。     

基于角色与目标注册元模型的语义互操作能力研究

为了促进需求模型间的语义互操作并有效评估角色与目标注册元模型为两种需求模型提供的语义互操作能力,提出了一种互操作能力评估方法.实验中以需求模型i＊和KAOS对会议安排进行建模得到需求模型实例,同时基于现有的角色与目标注册元模型以及对应的需求模型规格,通过连续两次映射,将需求模型的元素映射到角色与目标注册元模型的元类及其关联,并针对映射结果定量分析i＊模型与KAOS模型间部分语义互操作的程度.实验结果表明,该方法能有效评估需求模型间通过角色与目标注册元模型进行语义互操作的能力,并为需求模型间实现深度语义互操作提供度量支持.     

基于语义分割的城区激光点云与光学影像配准

基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法.首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建...     

基于UNet深度学习算法的东海大型漂浮藻类遥感监测

基于语义分割神经网络UNet,利用GOCI(Geostationary Ocean Color Imager)卫星传感器数据,构建出能够有效提取大型漂浮藻类的深度学习模型,实现了对大型漂浮藻类信息端到端、像素到像素的分割识别.验证结果表明:所提出的深度学习模型对验证集中大型漂浮藻类的平均识别精度达到88.54％;通过与...     

一种基于视觉的道路宽度测量方法

自动驾驶技术的研究中,为了快速检测到道路并测量出道路的宽度,提出了一种基于视觉的道路宽度测量方法。首先提出了一种改进的Deeplabv3+语义分割算法,在原算法流程中引入了基于空间域的注意机制,提高了道路边缘分割的精度。其次,提出了一种结合直方图均衡化和加权最小二乘滤波的半全局立体匹配算法,显著提高了图像中物体边缘细节的匹配精度。基于所提出的方法搭建了道路宽度测量系统,该系统搭载在自动驾驶车辆上完成了对全域图像中道路的分割和宽度测量。实验结果表明,所提出算法的道路宽度测量误差不超过真实值的5.0%。