基于自然语言理解的自动应答系统

自动应答系统(QAS )是一种基于因特网的高性能软件系统。它的核心技术是基于自然语言理解的相关技术,包括知识库和语料库的建设、文本的切分和标注、句子的语法分析和语义分析等。重点论述了自动应答系统中知识信息的语义网络表示和LSF随机化句法分析模型,以及自动应答系统的结构与组成,并对LSF模型进行了参数训练,实践证明这些技术是可行的。通过开发银行的“受限领域自动应答系统”项目,这些技术被证明是高效的、可推广的。

受限领域中文文本内容主题概念识别研究

该文尝试利用领域知识库,实现受限领域中文文本内容主题概念识别,并尝试利用领域概念建立特征向量,实现受限领域文本与主题概念的相关度计算。其中,利用领域知识库进行主题特征识别,利用知识库中概念间的关系进行特征项权重的计算,并利用knn算法进行文本与主题概念的相关度计算。实现了基于词汇分析技术和基于领域知识计算相结合的方式下,受限领域中文文本内容主题概念的识别和文本与主题概念的相关度计算。实验结果显示,主题识别平均正确率为79%文本与主题概念的相关度计算的正确率达到62%。

一种新的灰度非均匀图像分割模型

基于局部区域的主动轮廓分割模型在针对灰度非均匀图像进行分割时,容易受到初始轮廓曲线位置的影响,且基于水平集模型的数值实现速度较慢。为此,提出一种新的图像分割模型。该模型采用局部符号差能量项作为曲线演化的驱动力,为减少模型对初始轮廓曲线位置的依赖,采用全局凸分割策略,得到一个离散化的凸分割模型,该模型包含Mumford-Shah分割模型中的二次光滑项,使分割后的区域更加平滑,使用split Bregman迭代算法进行数值实现。实验结果表明,与局部二值拟合模型、局部符号差能量模型相比,该模型能对灰度非均匀图像进行较准确的分割,具有较快的运算速度和较好的鲁棒性。

一种文本讨论线索的自动获取方法

介绍了一种基于知识库的方式获取文本中讨论线索的方法。该方法根据文本出现的控制词与概念网中各个概念的关联,找出文本以及文本中各个段落的主题概念,并通过对概念网中的概念进行关系计算,获取文本的讨论线索,较好地避免了因文本叙述方式的不同以及指代的存在而带来的影响.实验结果显示,该方法对文本主题识别的准确率达82％,对段落主题识别的准确率达70％.

L范式多测度群体多样性反馈的PSO算法

为弥补已有算法中单一群体多样性监测方法和早熟停滞的不足,提出L范式多测度群体多样性反馈的PSO算法。利用L范式概念给出位置、速度和自我认知3种群体多样性测度方法,将多测度群体多样性作为粒子群自组织系统的反馈信息,动态调整算法的惯性权值和加速系数,从而实现群体粒子的聚集和发散。基于基准测试函数,给出3种群体多样性的变化特征,比较不同范式不同控制策略下算法的性能。实验结果表明该算法具有更强的全局搜索能力和更高的优化精度。

基于RGB特征与深度特征融合的物体识别算法

RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自编码算法,在进行差异性特征提取的同时完成RGB特征和深度特征的有效融合。结合多模态稀疏自编码算法和空间金字塔最大池化算法,给出一个全新的深度学习模型。该模型能够提取有辨别力的特征并完成基于RGB-D图像的物体识别工作。在2个标准的RGB-D数据库上的实验结果表明,与基于RGB-D的物体识别算法相比,该算法能够有效融合RGB特征和深度特征,取得更高的识别准确率。

受限领域中文文本主题标引系统研究

文中介绍了受限领域中文文本主题标引系统的设计原理。该系统基于领域知识库进行主题特征识别 ,根据知识库中概念间的关系进行特征项权重的计算。实现了基于词汇分析技术和基于领域知识计算相结合的方式下 ,受限领域中文文本内容主题概念的识别。实验结果显示 ,主题识别平均正确率为 79%。

基于Rete算法的攻击图构建方法

针对现有攻击图构建方法适用的网络规模受限的问题,通过分析现有方法存在的缺陷及构建过程中的特点,使构建攻击图转化为威胁行动属性之间的模式匹配,将Rete引入到攻击图构建过程中,提出基于Rete的攻击图构建方法。实验结果表明,该方法具有较好的构建效率,能够适用于大规模网络的攻击图构建。

基于分层的二视图乳腺病灶区域匹配研究

乳腺图像的非刚体特性使其不能通过刚体的匹配方法进行匹配。为此,提出一种基于分层算法的肿块匹配方法。利用最大类间方差法进行阈值分割以截取胸肌区域,使用最小二乘法进行胸壁线的拟合,找出乳头以及中轴线的位置,建立局部坐标系确定匹配条形区域带。采用分层算法在条形区域带内进行疑似病灶区域的提取,通过加权互信息相似性度量实现肿块匹配。对分层算法肿块匹配方法进行可行性分析和实验验证。选取100对图像进行肿块匹配实验,结果表明,相对于非分层算法,分层算法的匹配结果更有效,匹配精度达到86%。

基于主成分分析的网络时延特征数据提取仿真

为了能够快速提供网络时延特征数据,需要对其进行特征数据提取。但当前特征数据提取过程中,普遍存在着特征数据提取所需完成时间过长、提取误差率较大、成本消耗较高等问题。提出基于主成分分析法的网络时延特征数据提取方法。通过对网络时延特征数据进行分析,采用最小-最大标准化方法对特征数据进行模糊化处理,获取特征数据的模糊规则匹配度,将模糊规则匹配度在各个分类规则上进行归一化处理得到特征数据分类匹配度,求出特征数据规则权重值,利用特征数据样本分类健全度对网络时延特征数据规则权重值进行分类。利用主成分分析法获取特征数据特征向量,采用Relief算法对特征数据向量进行提取,实验结果表明,所提出方法特征数据提取所需完成时间短、提取误差率较小、成本消耗较低。

一种具有单连续变量的背包问题的新V型转换函数二进制粒子群算法求解方法

具有单连续变量的背包问题(KPC)既是一个组合优化问题,又是一个NP-hard问题,求解难度较大。为了更加高效地求解具有单连续变量的背包问题(KPC),本文首先提出了一个新颖V型转换函数,给出了利用该转换函数将一个实向量转换为0-1向量的新方法。然后基于新V型转换函数提出了一个新的二进制粒子群优化算法(NVBPSO);在KPC的离散数学模型基础上,基于NVBPSO与处理KPC不可行解的有效算法相结合,提出了求解KPC的一个新的高效方法。为了检验基于NVBPSO求解KPC的算法性能,利用它求解四类大规模KPC实例,通过与具有混合编码的单种群二进制差分演化算法(S-HBDE)、具有混合编码的双种群二进制差分演化算法(B-HBDE)和离散二进制粒子群优化算法(BPSO)等的计算结果比较表明:NVBPSO不仅比S-HBDE、B-HBDE和BPSO的平均计算结果更优,而且算法稳定性更佳,说明NVBPSO的性能比其他算法有显著提升。

一种求解软硬件划分问题的混合编码二进制差分演化算法

软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题。当问题规模较大时,不仅求解困难而且非常耗时。为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路。首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA。然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题。最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例。从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法。

基于混合编码的二进制差分演化算法求解软硬件划分问题

软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题。当问题规模较大时,不仅求解困难而且非常耗时。为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路。首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA。然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题。最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例。从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法。

基于新V型转换函数的二进制粒子群算法求解具有单连续变量的背包问题

具有单连续变量的背包问题(KPC)既是一个组合优化问题,又是一个NP-hard问题,求解难度较大。为了更加高效地求解具有单连续变量的背包问题(KPC),本文首先提出了一个新颖V型转换函数,给出了利用该转换函数将一个实向量转换为0-1向量的新方法。然后基于新V型转换函数提出了一个新的二进制粒子群优化算法(NVBPSO);在KPC的离散数学模型基础上,基于NVBPSO与处理KPC不可行解的有效算法相结合,提出了求解KPC的一个新的高效方法。为了检验基于NVBPSO求解KPC的算法性能,利用它求解四类大规模KPC实例,通过与具有混合编码的单种群二进制差分演化算法(S-HBDE)、具有混合编码的双种群二进制差分演化算法(B-HBDE)和离散二进制粒子群优化算法(BPSO)等的计算结果比较表明:NVBPSO不仅比S-HBDE、B-HBDE和BPSO的平均计算结果更优,而且算法稳定性更佳,说明NVBPSO的性能比其他算法有显著提升。

一种无容量设施选址问题的新颖离散差分演化算法

无容量设施选址问题(UFLP)是定位理论中最重要的NP-hard问题之一,在公共设施选址和物流资源分配方面有重要的应用价值和理论意义。为了利用差分演化(DE)高效求解UFLP问题,本文首先提出了一个新型转换函数(Ntf),通过Ntf将DE中个体的实向量映射为一个二进制向量。然后,基于新型转换函数给出了一种新的离散差分演化算法(记为N-DisDE),并利用N-DisDE提出了求解UFLP的一个新的高效方法。本文利用N-DisDE求解来自OR-Library中的15个不同规模的UFLP实例,并将计算结果与具有混合编码的二进制差分演化算法(HBDE)和二进制粒子群优化(BPSO)的计算结果进行比较,计算结果表明:N-DisDE在求解质量和鲁棒性等方面均优于其它方法。

新颖的离散差分演化算法求解无容量设施选址问题

无容量设施选址问题(UFLP)是定位理论中最重要的NP-hard问题之一,在公共设施选址和物流资源分配方面有重要的应用价值和理论意义。为了利用差分演化(DE)高效求解UFLP问题,本文首先提出了一个新型转换函数(Ntf),通过Ntf将DE中个体的实向量映射为一个二进制向量。然后,基于新型转换函数给出了一种新的离散差分演化算法(记为N-DisDE),并利用N-DisDE提出了求解UFLP的一个新的高效方法。本文利用N-DisDE求解来自OR-Library中的15个不同规模的UFLP实例,并将计算结果与具有混合编码的二进制差分演化算法(HBDE)和二进制粒子群优化(BPSO)的计算结果进行比较,计算结果表明:N-DisDE在求解质量和鲁棒性等方面均优于其它方法。