BIM下的高层建筑平面凹凸不规则识别方法

在高层建筑平面审查过程中,主要通过基于ResNET(残差学习网络)的图片分类模型进行平面凹凸不规则识别,存在数据样本不均衡的问题,使得最终识别结果曲线下面积(AUC)值较低。针对此类问题,提出建筑信息模型(BIM)下的高层建筑平面凹凸不规则识别方法。利用布尔交运算方法,分析高层BIM模型中所有结合对象之间的关系,获取建筑平面信息。通过无人机搭载图像采集系统获取建筑实景图像,并应用多尺度局部直方图均衡化算法实现图像增强。建立以最大类间方差法为基础的图像分割方案,结合多策略融合未来搜索算法确定最优分割阈值,得到高层建筑图像目标前景区域。最后,运用深度学习网络构建基于潜在特征空间的图片异常检测模型,将分割后图像输入训练好的模型中自动学习,即可得到建筑平面凹凸不规则识别结果。实验结果表明:该方法识别结果的AUC值为0.9,更符合高层建筑平面审查工程的要求。

基于自动编码器隐空间分类的建模侧信道分析

侧信道分析是现实世界密码系统的主要威胁之一,建模侧信道分析是一类重要的侧信道分析方法,深度学习技术的引入可拓宽建模侧信道分析的应用场景、提升分析效率.自动编码器(auto-encoder,AE)与变分自动编码器(variational AE,VAE)是被广泛研究的深度学习模型,本文将它们引入建模侧信道分析,提出了基于AE与基于VAE隐空间分类的建模侧信道分析方法,并从生成模型的角度对这两种方法的可行性进行了分析.AE和VAE中间产生的隐空间特征可视为侧信道曲线的低维生成特征,提出的两种方法通过训练相应的AE和VAE来提取出能表征原始侧信道曲线的隐空间特征,并通过VAE探讨了隐空间分布为高斯分布时对建模分析效率的影响.随后提出了三种隐空间特征分类策略:基于欧氏距离的分类策略、基于KL散度的分类策略以及基于支持向量机的分类策略,这些策略可对提取出的隐空间特征进行分类,从而完成建模侧信道分析.在DPAv4.1与增加了高斯噪音的ASCAD数据集上的实验结果表明,基于AE和VAE的建模侧信道分析方法使用三种分类策略的攻击效果均大幅度优于池化模板.从猜测熵的角度看,基于VAE的方法仅需10条DPAv4.1的曲线与1660条加了噪音的ASCAD曲线即可使得两者猜测熵为0,而模板攻击则分别分别需要84条和3899条曲线,效率提升分别达到了88.1%与54.7%.这说明在建模侧信道分析的场景下,VAE有着很好的应用潜能.

面向协同过滤的真实偏好高斯混合模型

针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类,用户和项目依概率可以同时属于多个类.模型包括离线建模过程和在线预测过程,在线预测可以在常数时间内完成.实验表明新模型的预测结果明显优于其他几种协同过滤算法.

关于信息过滤模型的探讨

信息过滤技术已是当今信息技术研究的热点。该文主要是针对信息过滤模型的研究,介绍了布尔模型、向量空间模型和潜在语义索引三种信息过滤模型。并就其概念、方法和意义进行了分析和讨论。

基于潜在语义分析的汉语问答系统答案提取

为了解决在汉语问答系统答案提取时,由于词的同义或多义现象而导致的“漏提”或“错提”等问题,提出了一种基于潜在语义分析(LSA)的问题和答案句子相似度计算方法.它利用空间向量模型作为问题和句子的表示方法,借助于潜在语义分析理论,对大量问答作句子语料统计分析,构建了一个潜在的词-句子语义空间,从而消除了词之间的相关性,并在语义空间上实现了问题与答案句子相似度计算,有效地解决了词的同义和多义问题.最后结合问题类型和相似度计算结果,对汉语基于事实的简单陈述问题进行了答案句子提取实验.答案提取的MRR值达到了0.47,明显优于空间向量模型.结果说明该方法具有很好的效果.

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。

多特征融合文本聚类的新闻话题发现模型

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型。模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法。该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合。基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法。实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力。

基于示例的文本标题分类机制

文本分类有助于用户有选择地阅读和处理海量文本 ,给出了基于示例的文本标题分类机制 .它以具有确定分类标准的标题分类为应用背景 ,在计算标题与分类主题词表直接匹配的基础上 ,利用基于分类树的上位概念匹配机制和基于潜在语义空间的相似度判定 ,综合评价文本标题与类别的相关关系 .其特点是充分利用上下文环境来确定标题与类别相关程度 ,而不是单纯地依赖于其共现信息 .

基于潜在语义分析的文本连贯性分析

文本连贯性分析是计算机辅助评估中的重要内容,是对文本的表达质量进行评估的基础。提出一种将潜在语义分析方法与基于有序聚类的层次分析方法相结合的文本层次结构分析方法,该方法保证了层次划分的有序性,可操作性强,不依赖于具体领域。基本思想是:对于输入文本,首先识别文本物理结构,然后将文本依据主题划分为若干层次,最终获得文本的逻辑结构。实验结果表明,该方法是有效的,其准确率达到74.96%。

基于潜在语义索引的文本摘要方法

因特网上的在线文本自动编制摘要可以帮助用户有选择地阅读 .给出了基于潜在语义索引的文本摘要方法 .它采用向量空间模型作为文本表示方法 ,利用潜在语义索引来减少词汇间的“斜交”现象 ,在语义空间上进行项、句子、段落与文本之间的相似度计算 ,而不是单纯地依赖于特征项的频率信息 .依据对于文本主题的表现能力来确定摘要的各个组成部分及其组成方式 .此外 ,给出了文本摘要的评估方法 .

中文文本的可视化表示

由于辅助阅读的需求 ,给出了中文文本的可视化表示 ,以直观的方式逐级显示文本内容·其基本思想是 :利用潜在语义索引的方法 ,改进文本分类的效果·利用文本层次分析方法 ,进行文本结构分解 ,给出了文本结构中各单元的标记信息 ,由此形成了文本的可视化表示·利用文本类别、文本主题、层次、段落的超文本连接和特征项的导航功能 ,帮助用户有目的、有选择地浏览文本 。

基于潜在语义索引的中文文本聚类的研究

讨论了中文文本聚类的现状以及存在的问题,介绍了向量空间模型,详细阐述了潜在语义索引理论以及采用该模型进行中文文本聚类的主要步骤,最后采用两种模型进行了实验对比,实验表明采用潜在语义索引模型可以取得更好的聚类效果。

述谓结构的语义表达特征和潜在语义模式分析

述谓结构的研究和分析旨在展示一个更为具体的语义结构,并通过语义网络的探讨和描述使我们更清楚地看待世界认知现象的本质和特征。述谓结构中词义的模式分析涉及矢量的测度、词义的余弦值、词义的邻近词域等,这些以语料库为基础的定量词义的描写和分析使我们更加明确地理解了语义结构描述的意义,并且通过模拟可体验到对事物进行认知的过程。

潜在语义标引在中文信息检索中的研究与实现

随着网络信息的迅猛发展,信息检索已经成为人们获取信息不可缺少的工具。基于向量空间模型的检索方法是语义检索的重要研究方向,潜在语义标引模型是向量检索方法的一个有力扩展。对LSI中所涉及的关键技术,包括传统的向量空间模型的原理,以及潜在语义索引模型的原理、设计、实现,进行了研究和探讨,同时开发了一个适合中文信息检索的系统原型。对系统进行了测试,取得了较好的实验效果。

基于代数理论的信息检索模型及其推广

在信息检索中,代数理论是构建检索模型的重要手段之一,以代数理论为基础的检索模型克服了布尔模型不能进行部分匹配的缺点而广为采用。本文分析了代数理论的向量空间模型,并对该模型进行了扩展:用最小项标引词以反映词与词之间的关系,用奇异值分解来捕捉文献的语义结构;最后对这三种模型进行了比较。

中英文双语交叉过滤的逻辑模型

文章简要地描述了文本过滤的背景，提出了基于潜在语义索引的中英文双语交叉过滤的逻辑模型。其基本思想是改进双语交叉过滤中基于词汇对译的方法，而是利用双语文本中潜在的语义结构，作为用户模板与文本匹配的基础。将出现的双语词汇和文本映射为语义空间的向量，不必翻译对译词，甚至不需要出现相应的对译词，也能匹配成功，极大地改善了交叉过滤的精度，效果良好。

TCBLSA:一种中文文本聚类新方法

根据隐含语义分析（LSA）理论，提出了一种文本聚类的新方法。该方法应用LSA理论来构建文本集的向量空间模型，在词条的权重中引入了语义关系，消减了原词条矩阵中包含的“噪声”因素，从而更加突出了词和文本之间的语义关系。通过奇异值分解（SVD），有效地降低了向量空间的维数，从而提高了文本聚类的精度和速度。

基于潜在语义分析的电子文献检索方法及实验分析

利用潜在语义分析方法,设计出了检索算法,通过奇异值分解得到缩减后的词汇向量,再计算各个文件段落的向量,最后将这些向量与查询条件所得向量加以比较。该方法能够使得不同类之下的词汇完全不相关,从而有助于概念检索。另外,还构建了实验系统对该方法的有效性进行了验证,并分析、比较了其适用范围。

中文农业网页去重及相似度判断研究

随着信息技术的飞速发展,互联网中的网页急剧增长,在这海量、繁杂的网页中却呈现出一定比例的重复网页及近似网页。为了减少农业领域中近似及重复网页对农业垂直搜索引擎性能的影响,文中首先使用MD5算法去除网页集合中完全相同的网页,再利用向量空间模型(VSM)、基于知网的语义相似度模型及潜在语义分析(LSA)三种相似度判断方法对其余网页的相似度进行计算。实验结果显示,当相似度阈值r=60%、维数K=250时,潜在语义分析(LSA)的综合评价F1测度最高,且准确率达到了90.5%。

基于向量空间模型的专题文献过滤算法研究

本文从理论上探讨了向量空间模型及其改进模型在专题文献过滤中的相关算法.概念扩充模型解决了词的同义现象,提高了召回率;潜在语义分析模型通过统计方法,提取并量化这些潜在的语义结构,进而消除同义词、多义词的影响,提高文本表示的准确性,从而使专题研究中文献过滤的召回率和准确率都有显著提高.