谓词转换器的拓扑语义

本文利用半拓扑空间的连续映射建立Dijkstra谓词转换器的拓扑语义.引入D-半拓扑空间概念,用以建立相容谓词转换器的语义,引入SM-半拓扑空间概念,用以刻画连续谓词转换器的语义.针对不确定程序,本文引入了dI-domain上半稳定映射概念,给出了其等价刻画.

基于图编码的网络拓扑语义挖掘

对网络的拓扑语义理解,一直是网络结构信息挖掘的重要内容。当前的图分解和社区发现算法,对于网络中子图语义和子图间的重叠语义总是难以确定。基于最小描述长度的图编码方法,结合多样化的编码字典模板,能够统一地将网络中的拓扑结构语义进行挖掘和识别。实验分析表明,图编码方法能够优化网络结构理解,挖掘出网络的具体子图语义类型,有益于更深入地理解网络拓扑语义。

基于语义拓扑网的反馈学习技术

为了从海量数据中快捷有效地获取所需的信息,提出了语义拓扑网的概念以及基于语义拓扑网的反馈学习方法。通过将数据对象的内容特征与语义特征进行有机地结合并构成语义拓扑网。在反馈过程中利用语义拓扑网,不断学习记忆并指导搜索。实验表明,基于语义拓扑网的反馈系统具有良好的学习能力与记忆能力,能有效地提高检索系统的性能。

多义词语义拓扑及有监督的词义消歧研究

多义词语义是汉语国际教育和HSK考试的重点和难点。词义消歧研究致力于确定多义词在给定上下文中的具体含义,在人机交互、机器翻译、作文自动评分等领域被广泛应用。然而,现有的词义消歧方法存在准确率较低、语料库匮乏、特征简单等弊端。针对汉语国际教育的相关语料库和评价系统,基于深度神经网络设计汉语多义词词义消歧的分类模型是当前的研究热点,同时也是实现HSK作文自动评分的重要技术保障。已有研究假定多个义项相互独立,缺乏对多义词义项演变关系的重视,对此文中首先对典型的汉语多义词进行语义研究,以区分基础义项和固定搭配义项来构建语义拓扑图,用于指导分类模型的训练。在建立多义词语义拓扑图的基础上,通过对汉语语料库的爬虫,获取典型多义词的语料样本,进而构建有监督的深度神经网络模型,包括RNN,LSTM和GRU。通过对爬虫所获样本的分析,选取了30字长和60字长,分别设计单向和双向6种神经网络,通过多次训练对模型参数进行优化,最终获得词义消歧分类模型。实验选取“意思”多义词作为代表,开展多义词在给定上下文的词义消歧实验。结果表明,基于RNN,LSTM网络和GRU的深度学习模型的平均准确率均超过75%,其中各模型的最大准确率均超过94%;各模型的ROC曲线下面积(Area Under Curve,AUC)均超过0.966,表明其对样本类不均衡性具有较好的处理效果;单向和双向RNN模型在不同字长条件下均取得最佳学习效果。

模态逻辑S4的覆盖语义及其完备性

基于第六种覆盖粗糙集模型提出了模态逻辑S4的覆盖语义,利用覆盖模型与Kripke模型之间的关系,证明了覆盖语义的可靠性和完备性定理.进一步讨论了覆盖语义与Alexandrov拓扑语义之间的关系.证明了覆盖语义与Alexandrov拓扑语义是和谐一致的.

基于物体语义栅格地图的语义拓扑地图构建方法

为构建以房间为节点的语义拓扑地图,基于物体语义栅格地图,提出了一种利用虚拟门检测和房间物体包含关系的拓扑分割及房间概念生成方法。首先,依据机器人轨迹和房间主方向,检测满足真实门宽度的占据栅格;然后,采用几何和物体语义约束优化检测结果;最后,利用每个拓扑区域包含的物体语义生成房间概念。通过在多个场景测试,验证了算法的有效性。

基于机器人服务任务导向的室内未知环境地图构建

针对室内移动机器人的服务任务,提出一种包括全局语义层、区域规划层、局部空间层的3级室内环境地图,使机器人不仅掌握面向导航的环境平面结构,而且还了解局部复杂空间的3维栅格地图及描述房间和物品功能及关联、归属关系的语义信息.首先,机器人依据视觉获得的深度信息及QR码标签提供的物品操作功能信息进行3维栅格地图和物品功能图的构建,形成局域层空间描述.其次,基于贝叶斯估计算法构建区域层的2维栅格地图,同时形成无向加权图,构成区域规划层.最后,基于谱聚类算法构建具有房间分割功能的拓扑地图,结合物品功能图,获得房间功能及房间之间关联关系、物品与房间归属关系等的语义信息,形成全局语义拓扑地图.仿真试验表明,环境地图的3级结构适用于室内机器人的服务任务,可以理解人的语义命令,生成合理的服务路径,并确保机器人在复杂环境中安全运行.

基于局部语义拓扑图的视觉SLAM闭环检测

针对视觉SLAM(同步定位与地图创建)中现有的闭环检测方法容易产生假阳性检测的问题,利用YOLOv3目标检测算法获取场景中的语义信息,以DBSCAN(density-based spatial clustering of application with noise)算法修正错误检测和遗漏检测,构建语义节点,对关键帧形成局部语义拓扑图.利用图像特征和目标类别信息进行语义节点匹配,计算不同语义拓扑图中对应边的变换关系,得到关键帧之间的相似度,并根据连续关键帧的相似度变化情况进行闭环的判断.在公开数据集上的实验表明,目标聚类有效地提高了室内场景下的闭环检测准确性.与单纯利用传统视觉特征的算法相比,本文算法能够获得更加准确的闭环检测结果.

基于GIS的三维建筑物数据库设计

城市建筑物三维建模是虚拟城市建设的关键技术之一。目前广泛采用的建筑物建模是表面模型,不能满足相关联数据承载和空间查询分析功能需求。从真三维GIS相关概念出发,采用语义-几何-拓扑相结合方式定义建筑物模型,并根据三维建筑物数据库的特征,对建筑物数据库的建设原则、建设方案等问题进行了讨论。