顾及兴趣点潜在上下文关系的城市功能区识别

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。

基于部件上下文关系的三维形状功能识别

充分利用形状蕴涵的语义信息进行三维形状的高层分析和理解是当前的热门话题。提出采用形状部件的上下文语义关系进行功能识别的方法,解决了当三维形状的几何特征和拓扑结构发生较大变化时形状部件的自动识别问题。首先,采用近似凸性分解技术将三维形状分割成具有独立语义的形状部件;然后,提出基于形状部件的上下文语义计算方法,并采用支持向量机实现形状部件自动识别。实验结果表明,相比于已有方法,可取得更高的部件匹配准确率和更低的分类错误率。

基于上下文关系和TextRank算法的关键词提取方法

为了从海量文本中高效提取知识,提出了一种基于上下文关系和TextRank算法的中文文本关键词提取方法.首先使用传统方法提取出初始关键词,然后利用互信息筛选出在上下文中对关键词依赖程度大的词,将其作为候选关键词,最后利用TextRank算法计算出最能表达文本主题思想的特征关键词.实验结果表明,与传统方法相比,所提算法在查准率、查全率等相关指标上均有提高.

一种基于词语上下文关系的文本检索算法

在文本检索过程中充分利用词语之间的上下文关系有助于提高检索性能。首先对已有的相关工作进行综述;然后针对已有研究对词语上下文关系应用不足的现状,提出一种基于词语上下文关系的文本检索算法;最后通过实验对该算法进行验证。

基于小波域尺度间上下文关系模型的动态纹理分割

针对目前对动态纹理图像序列分割过程中没有充分利用图像序列间关系的问题,在此将尺度间上下文关系模型引入到动态纹理分割中。尺度间上下文关系模型可以充分利用小波域中同尺度各子带间以及相邻尺度子带间存在较强的依赖关系,用于提高动态纹理的刻画能力,达到较好的分割结果。文中利用MATLAB对动态纹理进行仿真分析。根据实验仿真结果并对其进行定量分析,结果证明该模型的动态纹理分割的误分割率更低,说明本模型提高了动态纹理分割的效果。

JPEG2000编码算法中上下文关系的改进

通过研究SPIHT和EBCOT(JPEG2000核心算法)编码算法,分析它们所用的小波系数的不同性质,本文提出了把SPIHT算法用到的小波系数父子关系特性也用在EBCOT编码中的思想,并提出一种上下文关系的改进方法。在JPEG2000框架下对改进算法进行了仿真实验。理论分析和实验结果显示,改进的上下文关系优于JPEG2000中采用的上下文关系。

布景——艺术中的上下文关系

布景,源于拉丁语"装饰"之意。原指戏剧演出中,背景的实体部分。它们暗含着整个场景的时代、社会、文化和情节信息,是视觉形象的主体和依托。在布景的过程中,我们要考虑事件的发生背景,以及故事情节的上下文关系。

融入上下文相互关系的概率矩阵分解推荐

上下文感知推荐系统在传统的推荐算法中加入了上下文信息,从而有效地提高了推荐效果.上下文感知推荐算法将上下文融入推荐生成过程的不同阶段分成三类.大部分算法虽整合了上下文信息,但忽略了上下文之间的相互关系.针对这种情况,提出一种推荐算法.首先在众多的上下文信息中,通过统计方法,提取具有显著不同的上下文特征,从而降低了数据的维度和稀疏度;然后计算上下文信息之间的修正余弦相似度,并与概率矩阵分解模型结合,从而有效地将上下文相互关系融入到了概率矩阵分解中.实验结果表明,该方法可以有效利用上下文的相互关系,提高推荐的准确度.

基于语义分割和空间上下文信息的防震锤识别

针对目前输电线路中防震锤部件识别精确率低,缺陷无法诊断,未充分利用其空间上下文信息的问题,提出结合DeepLabV3+语义分割网络与防震锤的空间上下文关系对其进行识别与缺陷诊断;利用图像分块和数据集预处理提高DeepLabV3+网络分割精度,将防震锤与其周围部件分割出来后,建立其空间上下文关系缩小防震锤的识别范围,提高其识别精确率;实验结果表明,图像分块与预处理能够将DeepLabV3+网络的分割精度提升到93.4%以上,DeepLabV3+网络可以有效的识别正常防震锤与缺陷防震锤,识别召回率可以达到87%以上,建立防震锤与周围部件的空间上下文关系能够提高其识别精确率到90%以上。

新图像的上下文——关于“混搭的图像——中国当代油画邀请展”的对话

鲁：根据特定的学术定位．深圳美术馆自2002年以来．接连策划了一系列当代油画展．并出版了相关画册。它们分别是“观念的图像”展、“图像的图像”展、“嬉戏的图像”展与“历史的图像”展等等.其实．策划这一系列有看上下文关系的展览．一方面是为了理清中国当代油画的发展线索：另一方面也是为了对出现于中国当代油画乃至中国当代艺术中的“图像转向”现象进行比较系统地学术研究。举例说吧．

怎样生成保留上下文索引

本文译自奥斯汀所著《保留上下文索引:概念分析与主题标引手册》的第2章,简明扼要地闸述了保留上下文索引的生成技术——分析文献;编写词串;计算机生成款目;拳照引入并与款目合并等等,实为了解、研究PRECIS之入门。

基于跨模态多维关系增强的多模态模型研究

针对当前多模态模型不能充分挖掘图像中非显著区域的空间关系和上下文间的语义关系,导致多模态关系推理效果不佳的问题,提出了一个基于跨模态多维关系增强的多模态模型(multi-dimensional relationship enhancement model,MRE),用于提取潜层结构下图像各要素之间的空间关系信息,并推理出视觉—语言间的语义相关性。设计了特征多样性模块用于挖掘图像中与显著区域相关的次显著区域特征,从而增强图像空间关系特征表示。同时设计了上下文引导注意模块来引导模型学习语言上下文在图像中的关系,实现跨模态关系对齐。在MSCOCO数据集上的实验表明所提模型获得了更好的性能,其中BLEU-4和CIDEr分数分别提升了0.5%和1.3%。将这种方法应用到视觉问答任务中,在VQA 2.0数据集上性能得到了0.62%的提升,证明了该方法在多模态任务方面的广泛适用性。

基于Bert-GNNs异质图注意力网络的早期谣言检测

网络谣言的广泛传播已经造成了很大的社会危害,因此早期谣言检测任务已成为重要的研究热点.现有谣言检测方法主要从文本内容、用户配置和传播结构中挖掘相关特征,但没有同时利用到文本全局语义关系和局部上下文语义关系.为了克服以上局限性,充分利用到谣言数据中的文本全局-局部上下文语义关系、文本语义内容特征和推文传播的结构特征,本文提出了一种基于Bert-GNNs异质图注意力网络的早期谣言检测算法(Bert-GNNs Heterogeneous Graph Attention Network,BGHGAN).该方法根据历史谣言集和用户特征构建一个推文-词-用户异质图,通过采用预训练语言模型Bert和图卷积神经网络(Graph Convolutional Network,GCN)结合的方法进行特征学习,以挖掘谣言的文本语义特征和文本之间的关系,并将异质图分解为推文-词子图和推文-用户子图,采用图注意力网络(Graph Attention network,GAT)的方式分别进行特征学习,从而更充分利用文本全局-局部上下文语义关系和传播图的全局结构关系以加强特征表达;最后,通过子图级注意力机制将不同模块的学习集成进行最终的谣言检测.所提算法在真实的Twitter15和Twitter16数据上进行实验,验证了该算法在检测准确率上分别为91.4%和91.9%,较现有最佳模型分别提高了1%和1.4%,也具备在早期阶段对谣言的检测能力;同时,本文通过实验探讨了不同特征对谣言检测的重要性、对异质图构建质量的重要性.

一个新的强化学习多序列对比工具CDRL

多序列比对(multiple sequence alignment, MSA)在生物信息学中是一项重要的研究领域,常被用于描述物种之间的进化关系、药物设计和药物开发.MSA是一个NP完全问题,因计算过于复杂,无法获得最优解.强化学习方法在MSA中表现出了优异的性能,但其计算复杂度与空间复杂度都很高,因此无法应用于大规模数据集.提出一种新的强化学习模型CDRL(contextual deep reinforcement learning)来解决多序列比对问题,该模型采用上下文关系,将网络输入维度从O(n2)降为O(n),其中n是输入的序列数量.该模型建立的网络收敛速度快于当前其他模型.实验结果表明,CDRL的性能优于业内其他强化学习MSA.相较于其他方法目前只能运行在12条序列数据上,CDRL成功地在100条序列上取得较快速度和较好性能.这提高了强化学习MSA应用在较大规模数据集上的可能性.

基于特征识别技术的模架报价系统

在模架报价中,孔加工是影响模架成本的重要因素,加工孔的识别是报价系统实现的关键。在UG平台下,利用UG/Open二次开发技术对模架模型中的加工项进行特征重构和识别,将加工孔分为基础孔和关联孔,采用基于规则的特征方法实现了基础孔的识别,在基于规则的方法上提出了基于上下文的特征识别方法,解决了关联孔识别的问题,实现了配件的识别和加工腔体的定义,在此基础上开发了一款模架报价系统。

基于协议分析的入侵检测系统设计与实现

设计了一个入侵检测系统的基本框架,并深入探讨了其中的包捕获机制、包过滤机制和协议分析机制。在讨论Winpcap函数库和其中的BPF过滤机制的基础上,实现了对Ethernet,IP,TCP,UDP,HTTP等主要协议的分析。

基于1DCNN-BiLSTM的配网单相接地故障选线方法

针对单相接地故障特征信息难以充分挖掘导致故障选线精度不高、鲁棒性差的问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)-双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)的配网单相接地故障选线方法。首先,利用序列特征融合方法对同一工况下各线路的暂态零序电流,获取序列融合特征向量。其次,采用1DCNN提取序列融合特征向量的局部特征,BiLSTM进一步从局部特征中学习上下文依赖关系,最后通过SoftMax层实现故障选线。仿真表明,所提方法的选线精度为100%。与现有方法相比,所提方法同时兼顾选线精度高和鲁棒性强的优点。

华语文学：想象的共同体——王德威访谈录

季进：我们还是从你倡导的“华语文学”的概念说起吧。大陆学界习惯上把大陆文学、港台文学、海外华文文学等截然划分．很少把它们视为一个整体加以观照。而你的研究则涵括了两岸四地的华语文学和海外华文文学．把大陆、台湾、香港、大马的华语文学和海外华文文学创作视为一个汉语写作的有机整体。对你而言，“华语文学”不仅越过了空间与国界．更整合了所有以中文叙事构成的意义空间．既有历时性的上下文关系，又构成了平行的互文关系。