脑电情感识别中多上下文向量优化的卷积递归神经网络

目前的脑电(EEG)情感识别模型忽略了不同时段情感状态的差异性,未能强化关键的情感信息。针对上述问题,提出一种多上下文向量优化的卷积递归神经网络(CR-MCV)。首先构造脑电信号的特征矩阵序列,通过卷积神经网络(CNN)学习多通道脑电的空间特征;然后利用基于多头注意力的递归神经网络生成多上下文向量进行高层抽象特征提取;最后利用全连接层进行情感分类。在DEAP(Database for Emotion Analysis using Physiological signals)数据集上进行实验,CR-MCV在唤醒和效价维度上分类准确率分别为88.09%和89.30%。实验结果表明,CR-MCV在利用电极空间位置信息和不同时段情感状态显著性特征基础上,能够自适应地分配特征的注意力并强化情感状态显著性信息。

面向未知域场景的车辆轨迹预测模型

自动驾驶技术随着科技革新迎来蓬勃发展,轨迹预测已成为智能汽车软件系统不可或缺的关键组成部分。为了解决传统车辆轨迹预测模型中存在的泛化能力不足的问题,提出一种基于泛化终点预测和地图场景的车辆轨迹预测方法。该方法采用基于不变风险最小化的条件变分自编码器生成轨迹终点,并结合时序网络编码的地图场景特征,提升了模型预测未知域数据的准确率。在交互式道路场景数据集INTERACTION上的实验结果证明该模型具有良好的泛化性能。本方法与效果最好的方法REx相比1、2、3 s处的mADE值(越小越好)分别下降0%、36.59%、50.68%,在未知测试域的预测轨迹准确度得到显著提升。

中英可比语料库中翻译等价对抽取方法研究

回顾了语料库分类及可比语料库中翻译等价对抽取方法研究的历史。根据从可比语料库中提取翻译等价对所依据的基本假设:一个语言中一个词在对应到另外一种语言时其与周围词之间的共现搭配关系仍然被保持,采用双向等价对获取计算然后求交集、词加权因数TF(iw)*IDF(i)值计算、上下文词的词性信息利用的方法来提高翻译等价对提取正确率。描述了翻译等价对抽取实验步骤,并对实验结果进行了简要分析。实验结果表明上述方法可以有效提高翻译等价对计算结果的正确率。最后提出了需要进一研究的问题。

潜在语义分析理论及其应用

潜在语义分析(LatentSemanticAnalysis,LSA)是一种用于自动地实现知识提取和表示的理论和方法,它通过对大量的文本集进行统计分析,从中提取出词语的上下文使用含义。在技术上,它同向量空间模型类型类似,都是采用空间向量表示文本,但通过SVD分解等处理,消除了同义词、多义词的影响,提高了后续处理的精度。将着重介绍LSA方法的基本思想、特点、实现方法,以及基于LSA思想的具体应用。

基于潜在语义分析的信息检索

潜在语义分析是一种用于自动实现知识提取和表示的理论和方法,它通过对大量的文本集进行统计分析,从中提取出词语的上下文使用含义。文章介绍了基于潜在语义分析的文本信息检索的基本思想、特点以及实现方法 。

基于向量空间模型中义项词语的无导词义消歧

有导词义消歧机器学习方法的引入虽然使词义消歧取得了长足的进步,但由于需要大量人力进行词义标注,使其难以适用于大规模词义消歧任务.针对这一问题,提出了一种避免人工词义标注巨大工作量的无导学习方法.在仅需义项词语知识库的支持下,将待消歧多义词与义项词语映射到向量空间中,基于k-NN(k=1)方法,计算二者相似度来实现词义消歧任务.在对10个典型多义词进行词义消歧的测试实验中,采用该方法取得了平均正确率为83.13%的消歧结果.

中文文本分类相关算法的研究与实现

通过对分词歧义处理情况的分析,提出一种基于上下文的双向扫描分词算法,对分词词典进行改进,将词组短语的固定搭配引入词典中.讨论了特征项的选择及权重的设定,并引进2χ统计量参与项的权值计算,解决了目前通用TF-IDF加权法的不足,同时提出了项打分分类算法,提高了特征项对于文本分类的有效性.实验结果表明,改进后的权重计算方法性能更优越.

基于引文上下文的学术文本自动摘要技术研究

学术文本自动摘要是指对于给定学术文献,自动地抽取其核心内容,以提高用户撰写和阅读文献的效率。目前基于文本词频对句子重要性排序的自动摘要技术,无法从语义层面揭示学术文本的核心内容。本文在已有研究的基础上,引入引文上下文内容特征,并通过构建支持向量回归模型,综合考虑自动摘要系统中的各个特征对句子权重的影响,重新对句子重要性进行排序。基于WE-ROUGE的评测表明,相比于传统基于词频统计和图模型的方法,本文提出的算法能够有效提升自动摘要的准确度。

粤语语音合成系统语料库设计研究

介绍了语料库设计的原理和过程,并结合粤语语音合成系统语料库实现,提出了“语境矢量”的独特设计和“语境总量”的概念,给出了语境总量的计算方法。最后介绍了Greedy算法,并给出了文本语料搜索的具体流程。

基于改进RI方法的文本聚类

旨在通过考虑特征词汇的潜在语义和自身的重要性来提高文本聚类效果,研究基于RI方法的文本向量表示方法。首先,对基于RI方法构建的特征词汇随机索引向量中+1和-1向量元素出现位置进行约束,以避免在构建特征词汇上下文向量时可能造成该特征词汇潜在语义丢失现象;其次,在生成文本向量时考虑特征词汇自身重要性来改进权值的计算;最后,在测试数据上对基于RI方法的文本向量表示进行聚类效果测试与对比分析,结果表明采用基于RI方法能提高文本聚类效果。

基于距离分布直方图的数字识别算法

由于自由字体与手写体数字形态的多变性,以往研究中具有较高准确率的算法往往牺牲了快速性,而具有实时性优势的算法却容易引起错误率的上升。针对这个问题,提出一种适用于快速数字识别的特征描述子——距离分布直方图(DDH),并在形状上下文的基础上提出一种既易于实现又具一定鲁棒性的描述子——形状累积直方图(SAH);然后将上述两个特征与其他改进后的拓扑特征相结合,组成最终的多特征矢量,由于其子矢量是由不同方法提取出的独特的特征,因此具有互补性;与此同时,算法中用三种组合特征训练了三个支持向量机来作分类器,综合它们给出的结果和自信度来给出最后的分类结果。在自建数据集、MNIST和USPS数据集上的实验结果显示,平均正确率最高达到了99.21%,证明了算法的高效性和鲁棒性。

融合时空上下文的手绘笔画图文分类

在笔式用户界面中,对手绘图形和手写文字的识别通常采用不同的识别算法,因此通过笔画分类将混杂的笔画集自动分离是手绘草图识别中的一个重要研究课题。该文提出一种融合时空上下文的手绘笔画联合分类方法,采用支持向量随机场对时空关联的笔画集进行联合建模,不仅利用笔画自身的特征进行判别分类,还以时空邻域和笔画对特征同时融合了笔画间的时间上下文和空间上下文信息,通过模型环状置信传播(LBP)推断,最终求得最大后验边缘概率准则下的联合分类结果。实验结果表明,该文方法的分类准确率优于基于SVM的单笔画分类方法和基于马尔科夫随机场(MRF)的空间上下文联合分类方法,分类速度能基本满足交互实时性的要求,验证了利用随机场模型融合时空上下文进行笔画分类的可行性和有效性。

一种基于词上下文向量的文本自动分类方法

分析了传统文本自动分类方法的不足、词上下文向量的含义及其在自动分类中的作用,提出了一种基于词上下文向量的文本自动分类方法,该方法利用词上下文向量来生成分类器的类别中心向量和待分类文本的文本向量,使分类质量有所提高。

面向基础教育阶段的教学资源推荐系统

针对传统推荐方法应用于教学场景存在数据稀疏、缺乏对课程内容和教师上下文环境分析的问题,设计了一种面向基础教育阶段的网络教学资源推荐系统。该系统由数据层、离线层和在线层组成:1)数据层基于马尔可夫链和向量空间模型构建课程模型和资源模型,综合教师个人注册信息和课程模型的节点构建教师模型;2)离线层使用词频-逆向文件频率(TF-IDF)算法提取课程和资源的内容特征,初始化并优化数据层的课程模型和资源模型,进一步应用关联规则挖掘和相似度量方法,计算任意两资源或课程与资源之间的关系,并结合课程模型推理教师模型,产生用于推荐的中间结果;3)在线层采用加权混合的方式产生推荐资源列表。该系统现已应用于某教育资源共享平台中,可实现对其中60万条资源的个性化推荐。

基于支持向量机的多传感器数据融合算法

提出一种基于支持向量机(SVM)的多传感器数据融合算法提高融合性能,分别用3种核函数作为特征空间的内积。结合扩展卡尔曼滤波器(EKF)和软计算原理,在雷达/红外多传感器跟踪系统中构建一个有效的信息融合框架。引入环境信息使传感器信任度预测适应环境的变化,降低多传感器系统不确定因素的影响;联合测量方差归一化变量(NVMSE)作为支持向量机的输入,训练得到高确定性和高精确度的传感器信任度预测。仿真结果表明,与传统的多传感器数据融合算法相比,该算法性能更佳。

形式概念的布尔计算方法

形式概念分析是用于知识表示和知识发现的一个重要方法.将布尔矩阵方法引入形式概念分析之中,提出布尔形式背景的概念,利用布尔向量和布尔矩阵的蕴含运算,给出了布尔形式概念的定义,研究了布尔形式概念的计算和性质.同时,针对布尔形式背景的与、或和乘积运算,研究对应的布尔形式概念的计算问题.

一种快速的加权矢量图像匹配方法

为了解决工业生产中产品的快速定位,提出了一种快速的图像匹配方法。首先运用Surf算法提取出图像的特征点,然后运用形状上下文特征进行匹配,得到图像的大致位置,最后依据特征点描述子及其位置特征,通过加权矢量匹配的方式得到图像的精确位置,实现产品的快速定位。该算法稳定性高,计算速度快。实验结果表明,该算法能满足实时的工业生产要求。

基于CCQPSO算法的医学图像分割研究

文中提出了一种动态上下文协同量子行为的粒子群优化(CCQPSO)算法,该算法在上下文向量与多个测量样本中的每个样本之间依次进行协同,每次协同后上下文向量完成自身更新,进而提高了粒子搜索能力和优化性能。将CCQPSO算法应用于人体胃腔CT的医学图像分割实验中,将医学图像像素划分为多个类别的大津算法(OTSU)分割参数。通过在基准数据集上的综合实验测试结果,验证了CCQPSO算法显著优于其他三种方法,并加快了收敛速度,降低了最终误差。在医学图像分割实例中演示了该方法,数值结果表明,CCQPSO在医学图像分割方面优于其他方法。

融合多结构信息的中文句法分析方法

句法分析是自然语言理解的一项基础技术,是迈向深层语言理解的基石。目前常用的句法分析方法的语法模型建立在上下文无关文法的假设上。事实上,短语结构树的节点之间具有很强的上下文相关性,充分利用结构信息,可进一步提高句法分析的准确性。融合了句法结构树中的多结构信息(在非终节点中增加父亲节点及左、右姐妹节点等标记)以加强语法规则的上下文约束,并采用结构化支持向量机的方法对句法进行了分析。实验表明,该融合多结构信息的句法分析方法可以消解结构歧义,提升句法分析精确率和F1值。

基于隐含上下文支持向量机的服务推荐方法

结合上下文信息和支持向量机(SVM),提出了一种基于隐含上下文支持向量机的服务推荐方法。首先,根据用户所处的不同上下文信息对用户评分矩阵进行修正,使其带有隐含的上下文信息;其次,将带有隐含上下文信息的服务评分向量作为服务的特征向量,构建训练集,上下文信息的引入并没有增加服务特征向量的维数;然后,根据训练集使用SVM获得目标用户的分类超平面,构建SVM预测模型;最后,计算目标用户未使用服务的特征向量点与超平面的距离,综合考虑该距离以及相似用户的推荐,做出服务推荐。实验结果表明,所提推荐方法在不同的评分矩阵密度下均具有较好的推荐精度,并且能够缩短推荐时间。