基于依赖类型剪枝的双特征自适应融合网络用于方面级情感分析

现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法结构。以往的研究以同样的置信度利用句法信息和语义信息,没有充分考虑它们对于确定方面词极性的贡献的不同,导致模型在相应的数据集上性能较差。为了克服这些困难,文中提出了一种基于依赖类型剪枝的双特征自适应融合网络。具体来说,该模型使用一种新型的混合方法,命名为依赖关系类型剪枝和邻接矩阵平滑,来缓解句法解析产生的噪声。此外,该模型通过双特征自适应融合模块充分考虑句子的句法信息的可用程度,以一种更灵活的方式将句法特征和语义特征结合起来用于方面级情感分析。在5个公开可用的数据集上进行广泛的实验,结果证明了该方法明显优于基线模型。

基于双特征提取网络的车道线识别方法

为了提高复杂环境下网络的特征提取能力,提出一种双特征提取网络的车道线识别方法。首先搭建双特征提取网络,减少细节语义信息的丢失,强化模型面对复杂环境的识别能力。然后使用改进的空洞空间金字塔池化结构增大感受野,提取更为丰富的上下文信息,并结合深度可分离卷积,降低模型的计算量。最后构造通道注意力模块,重点关注有效信息较多的特征通道。经实验验证,所提方法在Tusimple数据集上准确率可达97.7%,mIoU为76.2%,单图识别时间为26.24 ms,在复杂环境下进行车道线识别时,鲁棒性较好。

双特征的短文本聚类研究

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利用Bert获取词向量表示;其次,利用CNN网络增强对文本局部特征的提取能力和语境感知自注意力网络增强对全局特征提取的能力.最后,为进一步提升聚类效果,将文本表示模块与聚类模块进行联合训练,同时优化文本表示和聚类.为了验证模型性能,在3个数据集上进行实验,实验结果表明,本文提出的模型在数据集SearchSnippets上准确率达到82.8%.

双特征流融合和边界感知的显著性目标检测

显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果。首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓。在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰。

基于注意力机制的人脸虹膜双特征融合识别

针对单一生物识别方法存在的固有局限性,利用人脸和虹膜双生物模态信息,提出一种基于注意力机制和低秩多模态融合的身份识别模型(attention mechanism and low-rank multimodal fusion,ALMF)。在模型的人脸和虹膜特征提取网络中均嵌入改进的混合注意力机制(I_CBAM),增强有用特征的提取。利用模态特定低秩因子完成低秩多模态特征级融合(low-rank multimodal fusion,LMF),解决传统特征拼接方式无法充分实现各模态特征的互补、容易造成冗余信息和维度灾难等问题。使用简单高效的余弦距离完成特征模板的比对实现身份识别。实验结果表明,ALMF模型相比单一生物特征识别和传统融合识别算法具有更强的鲁棒性和准确率。

PPP项目合同资产会计核算探讨——基于“双特征”“双控制”核心要求

CGAS 10与《企业会计准则解释第14号》分别就PPP项目合同政府方与社会资本方的核算进行了规范,尤其是“双特征”“双控制”核心要求的提出,成为实务处理的一个根本遵循。本文就PPP项目合同资产的“双特征”“双控制”核心要求进行梳理和明确,并以此为支撑开展实务方面的探讨,就政府方与社会资本方在PPP项目中的权利和义务关系予以准确、客观的反映,以期为其他类似项目会计核算工作的开展予以参考和借鉴。

基于粒子群算法的虚拟场景双特征点匹配仿真

针对于多数虚拟场景图像的特征较为密集,且相近特征差异性较小,在匹配特征点时易出现误提取、误匹配情况,提出基于粒子群算法的双特征点匹配方法。利用粒子群算法在虚拟场景内遍历,得到虚拟图像各个特征点的属性信息。通过Moravec特征点算子提取方法对图像完成灰度化处理,基于最小灰度方差,选取局部区域内的最高兴趣点为特征点。利用三元二次函数去除虚拟图像中的不稳定极值点和无用点。计算特征点间的像元灰度协方差,选取阵列的中心点完成双特征点匹配。由仿真对比分析可知,所提方法能够实现双特征点的均匀匹配,有效解决了特征点扎堆匹配问题,且具有极低的误匹配率。

关于双特征Beltrami方程

该文研究空间 Beltrami方程的推广形式 ,即双特征 Beltrami方程 .利用外微分形式与矩阵的外代数等工具 ,将双特征 Beltrami方程转化为一个非齐次的 p-调和方程 ,转化过程中只用到加于特征矩阵的一致椭圆型条件 .然后验证了算子 A满足的条件 :Lipschitz型条件、单调不等式、齐次性条件以及算子 B满足的控制增长条件 .并利用得到的 p-调和方程 ,给出了双特征

一种结合双特征的运动捕获数据行为分割方法

运动捕获数据行为分割的目的是将长序列数据划分为单个运动类型短片段的序列集合,使集合中每个片段具有特定的运动语义。针对相邻运动片段的过渡区间存在部分运动帧序列的语义归属歧义,提出了一种结合双特征的运动捕获数据行为分割方法。该方法首先从原始数据中提取角度和距离两组不同类型的运动特征集,并分别基于PPCA方法构建规格化的综合特征函数;然后利用子区间标准差阈值限定方法分别对综合特征函数进行粗分割,从而将运动捕获数据划分为若干具有独立语义特性的可信区域与待定区域;最后采用高斯混合模型方法判别待定区域的具体归属,从而得到最终的分割结果。实验结果表明,该算法能对模糊歧义区域进行细分割,具有较好的分割效果。

基于双特征值极限分布的合作频谱感知算法

以最大最小特征值之差作为检测统计量,从提高算法判决门限估计精度出发,利用双特征值极限分布,用双特征值估计判决门限,提出了基于双特征值极限分布的频谱感知算法。相比于单特征值门限方法,理论上证明了用双特征值极限分布估计的门限小于或等于用单特征值极限分布估计的门限,提高了算法检测性能。仿真结果表明,该算法不受噪声不确定性影响,不需要主用户信息,并且在低虚警概率、采样次数相对少的情况下,检测性能优于最大最小特征值之差频谱感知算法。

基于双特征的多模块目标跟踪算法

针对运动目标在受到严重遮挡时难以被精确跟踪的问题,提出一种融合颜色和LBP(local binary pattern)纹理特征的多模块跟踪算法。综合考虑目标与背景的特征显著性和相似性两个因素建立比值关系进行量化分析,选取了能够最大程度区分前景目标和背景的颜色空间特征,并结合LBP纹理特征建立概率分布直方图。利用卡尔曼滤波器预测均值漂移算法的初始迭代位置。引入相似度因子来定义新的遮挡判决准则,自适应采用多模块模型进行跟踪。仿真实验结果表明了该算法的有效性。

直杆塑性动力屈曲的双特征参数解

在关于轴向弹塑性压缩波下直杆塑性动力屈曲的研究中 ,将临界应力和屈曲惯性项指数参数作为一对特征参数求解 .由动力屈曲发生瞬间的能量转换和守恒准则 ,导出波阵面上的屈曲变形补充约束条件 .失稳控制方程、边界条件、塑性波阵面上的连续条件和补充约束条件构成定量求解两个特征参数和动力屈曲模态的完备条件 .

基于解调技术的双特征分析法在轴承故障诊断中的研究

机械故障信号双特征分析法是提高诊断准确率的有效方法,双特征分析法的关键是应用共振解调技术提取微冲击信号。为了提取微脉冲冲击,文中提出共振解调技术数学模型,并求解该模型的脉冲响应,为该技术的应用提供理论依据。工程实例表明,使用共振解调技术可以有效提取轴承故障微小脉冲冲击,通过在共振解调傅里叶谱图上分析冲击功率故障振动信号特征,可以较容易地进行故障诊断。

基于双特征参数解的直杆弹性动力后屈曲研究

利用差分方法求解动力后屈曲非线性方程解,研究了弹性直杆的2类轴向碰撞屈曲问题.将双特征参数解得出的含有小幅值参数的初始动力屈曲模态作为非线性后屈曲解的初始条件.理论计算的结果与文献中的实验数据达到了很好的一致,由此验证了双特征参数方法的正确性.研究结果还揭示了碰撞过程中屈曲变形扩展和发展的机理,以及轴向应力波和屈曲变形的相互作用规律.

轴向瞬间阶梯载荷下圆柱壳动力屈曲的双特征参数分析

对于轴向瞬间阶梯载荷下圆柱壳的弹性非轴对称动力屈曲问题 ,将临界应力和屈曲惯性项指数参数作为双特征参数求解。由能量转换和守恒准则 ,导出压缩波阵面上的屈曲变形附加约束条件。失稳控制方程、边界条件和波阵面上的连续条件 ,连同此附加约束条件构成求解两个特征参数和动力失稳模态的完备定解条件。

超声信号双特征实时提取系统

为了提高超声缺陷识别的效率,满足超声高精度在线检测需求,设计了一套超声双特征实时提取系统。该系统可以提供4个通道触发信号及超声收发电路控制信号,具有2 kHz的采样频率。在实时提取缺陷回波信号时间与幅度双特征量的同时,将时间与幅度值分别自动存储在2片8K存储深度的FIFO。通过试验表明该在线检测系统具有较好的实用性、准确性和可靠性,应用前景广阔。

双特征Beltrami方程组与有限伸张映射

在Rn中的有界区域Ω中,考虑双特征Beltrami方程组.证明了双特征Beltrami方程组的广义解是有限伸张映射,并使能量泛函达到极小.

双特征脸空间在面像检测识别系统中的应用

运算量是适时人脸检测和识别的关键,本文为此提出了一种基于双特征脸空间的识别系统。这两个特征脸空间具有不同的图像分辨率和区域范围,分别应用在人脸检测和人脸识别中。此外,我们还讨论了与此相关的人脸旋转和相同背景构造技术。

基于概念与词根双特征互助文本分类模型

传统半监督文本分类方法,大多数建立在词根特征的基础上,忽略了语义特征的重要性,导致分类精度不高。考虑到语义对分类的影响,本文提出融合概念与词根双特征的文本分类模型。该方法以Word Net为本体库,在Co-training框架下,构造基于概念和词根的双分类器进行协同训练的分类模型。实验分析了新模型分类准确率和召回率,结果显示新模型相对于旧模型在这2方面都有提升,表明基于概念与词根双特征互助的新算法具有更高的有效性。

基于边缘像素约束规则与双特征模型的图像修复算法

为了解决当前基于样本块的图像修复算法主要是常采用固定尺寸的样本块进行重构,在面对丰富的边缘细节信息时,导致重构图像中出现振铃效应以及不连贯效应等不足,提出了一种基于边缘像素约束与双特征模型的图像修复算法。首先,将图像信息熵引入Criminisi算法中,改进了优先级计算函数,确定图像修复的顺序。然后,利用Sobel算子对图像进行边缘检测,利用边缘像素所对应的灰度信息来建立边缘像素约束规则,通过边缘像素点的灰度值之差动态选择合适尺寸的样本块。最后,通过联合SSD和SSIM模型,设计双特征模型,对待修复块以及匹配块进行相似性度量,确定最佳匹配块对损坏区域块进行填充,完成图像修复。实验结果显示,与当前图像修复算法相比,所提算法具有更高复原质量与效率。所提算法具备较好的图像修复能力,在图像处理领域具有良好的参考价值。