翻译本质的绝对与相对属性

“转换”、“对等”是关涉翻译本质的两个基本方面,如何合理阐释是翻译学的根本问题。本文立足于翻译本质的辩证论,对翻译的性质进行分析和探讨,指出翻译是一项具有“绝对”和“相对”双重属性的活动,其绝对性体现在“转换”和“对等”作为构成翻译范畴的必备条件,而它的相对性则体现在实际“转换”和翻译“对等”的多方面、多层级特征上。文章进而强调,百分之百的转换和对等不是翻译的本质要求,但“相对”意义上的转换和对等却又是翻译的“绝对”属性。

基于原型理论的相对属性学习

对于表示学习的研究,合理的特征表示对系统性能的影响在许多分类问题中已经超越了分类器的作用,成为系统设计中最重要的组成部分.为此以心理学中认知科学的原型理论为基础,提出了一种新的特征表示方法.根据额外数据集中部分具有代表性的数据作为各类数据的代表,组成各类数据的原型数据集.通过学习数据与各原型之间的相对关系,得到衡量任意数据与原型数据集之间关系的函数,即等级函数(rank function).由此,任意数据都可以利用等级函数组来评价它们与原型之间的相对关系,以此作为数据的新特征表示用于分类任务.通过在MINST和Pubfig数据库上的实验验证可以看到,相比于灰度特征和属性特征,原型相对属性不但符合人类对于图像的认知,而且在识别性能上具有更高的精度.

基于共享特征相对属性的零样本图像分类

在利用相对属性学习实现零样本图像分类中,现有的方法并没有考虑属性与类别之间的关系,为此该文提出一种基于共享特征相对属性的零样本图像分类方法。该方法采用多任务学习的思想来共同学习类别分类器和属性分类器,获得一个低维的共享特征子空间,挖掘属性与类别之间的关系。同时,利用共享特征来学习属性排序函数,得到基于共享特征的相对属性模型,解决了相对属性学习过程中丢失属性与类别关系的问题。另外,将基于共享特征的相对属性模型用于零样本图像分类中,有效提高了零样本图像分类的识别率。实验数据集上的结果表明,该方法具有较高的相对属性学习性能和零样本图像分类精度。

一种改进的启发式最优相对属性约简算法

针对在传统的粗糙集理论相对属性约简算法中因需计算可区别矩阵和正区域而导致的约简效率低下这一问题,提出一种改进的启发式最优相对属性约简算法加以解决.通过引入属性集的相对分类能力的定义给出相对属性约简的判定条件,在此基础上导出的改进相对属性约简算法既能保证约简过后的条件属性是最优的,又能提高约简效率.实际算例结果以及对比实验体现了该算法的高效性.

基于约束分析的Skyline属性相对重要性发现算法

skyline查询广泛应用于多目标决策等应用领域.优先skyline关系通过引入属性相对重要性扩展了传统的skyline关系;并且应用优先skyline关系能够减小skyline查询的结果集.提出了基于约束分析的skyline属性相对重要性发现算法CABDA.CABDA算法直接分析构造优先skyline关系所必需满足的约束集合的特征,从而确定每个属性与其他属性之间的相对重要性,最终得到满足约束的优先skyline关系.实验表明,与已有方法相比,CABDA算法能够以更少的时间开销计算出能够有效减小skyline查询结果集的优先skyline关系.

属性层次模型AHM——一种新的无结构决策方法

提出了属性层次模型ＡＨＭ，一种无结构决策方法。在属性测度基础上，提出了相对属性测度和属性判断矩阵的概念。相对权重和合成权重很容易从属性判断矩阵获得。通过例子说明，属性层次模型是简单有效的。

基于改进的有效区域基因选择与跨模态语义挖掘的图像属性标注

图像属性标注是一种更细化的图像标注,它能缩小认知与特征间“语义鸿沟”.现有研究多基于单特征且未挖掘属性蕴含的深层语义,故无法准确刻画图像内容.改进有效区域基因选择算法融合图像特征,并设计迁移学习策略,实现材质属性标注;基于判别相关分析挖掘特征间跨模态语义,以改进相对属性模型,标注材质属性蕴含的深层语义-实用属性.实验表明:材质属性标注精准度达63.11%,较最强基线提升1.97%;实用属性标注精准度达59.15%,较最强基线提升2.85%;层次化的标注结果能全面刻画图像内容.

选择性传输与铰链对抗的多图像域人脸属性迁移

在基于生成对抗网络的人脸属性迁移过程中,存在图像域表达形式单一、图像域迁移细节失真的问题。提出一种结合选择性传输单元与铰链对抗损失的多图像域人脸属性迁移方法。在生成器中,利用自适应实例归一化融合图像的内容信息与图像域控制器生成的样式信息,增加图像域表达方式的多样性,同时通过选择性传输单元将下采样提取的内容特征根据相对属性标签选择性地传输到上采样,形成融合特征以增强图像的细节信息。在判别器中,通过增加双尺度判别,协同鉴定人脸图像的真伪及类别,从而提高判定的准确度。在此基础上,设计融合相对鉴别和铰链损失的对抗损失函数,增强真伪图像域之间的联系。在CelebA数据集上的实验结果表明,与StarGAN、STGAN等主流的多图像域人脸属性迁移方法相比,该方法能够建立更准确的多图像域映射关系,提高迁移图像的质量同时增加迁移图像表达的多样性。

课程评价的属性测度模型及其实现

文章利用属性测度理论建立了课程评价的属性层次模型，把复杂的课程评价问题定量化，把教学中的经验知识与理论分析相结合，在相互比较中对课程建设得出科学合理的评价和决策，使课程建设评价走向科学化和规范化。

属性层次模型AHM在评价教师综合素质中的应用

教师的综合素质高低,直接影响着高职院校的发展。如何评价教师的综合素质,是各高职院校正在考虑的问题。本文通过属性层次模型(Attribute Hierachical Model:AHM)原理,根据专家对高职院校教师的综合素质的评判结果,建立了AHM矩阵,并计算出了相应的权重,给出了教师综合素质的评判等级标准。

区间值决策信息系统的启发式属性约简

区间值决策信息系统是单值信息系统的一种推广,借助于属性区间值的相似程度在区间值决策系统上引入α极大相容类的概念,定义了一种新的条件信息熵,提出了相对属性内(外)重要度的度量方法,进一步,给出基于α条件信息熵的启发式相对约简算法,通过实验验证了该算法的有效性。

论课程评价的属性测度模型及其实现

利用属性层次模型可以对课程教学进行有效的评判。在课程评价过程中,我们依据属性测度理论建立用于课程评价的属性层次模型并求解,从而使复杂的课程评价问题定量化,把教学中的经验知识与理论分析相结合,并在对二者的相互比较中得出科学合理的评价结果和决策,从而使课程评价更加科学和规范。

基于多属性联合的朴素贝叶斯分类算法

朴素贝叶斯分类算法由于条件独立性假设对属性施加了一定的限制,这可能会降低分类性能。针对此问题,为了削弱条件独立性假设对分类结果带来的负面影响,从结构扩展的角度提出了一种基于多属性联合的朴素贝叶斯分类算法。该算法通过计算条件属性组合相对于决策属性依赖度的大小,选择最大相对属性依赖度的属性组合进行联合作为新的条件属性。通过实验仿真,结果表明该方法可行而且有效,特别是对一些属性之间关联性比较强的数据集,分类效果提高尤为明显。

随机信息系统属性重要性的等价刻画及其约简

在基于等价关系的随机信息系统中,文章以证据理论中的信任测度和似然测度为基本工具,给出了核心属性、不必要属性及相对必要属性的一些等价刻画,研究了随机目标信息系统的属性约简问题,并利用实例说明了约简方法的有效性。

基于粒子群算法寻最优属性关联下的零样本语义自编码器

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法。通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类。为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相关性信息的补偿。实验结果表明采取相同映射方法的情况下,基于属性相关性嵌入的零样本图像分类在Pubfig数据集和OSR数据集上的分类效果较之其他方法得到了显著提升。

基于条件粗糙熵的知识相对约简算法

本文提出了信息系统中两个互不相交属性集之间的条件粗糙熵的概念,得到了在知识约简中条件粗糙熵的变化规律是单调递减的,以此得到了知识约简过程中启发式搜索的条件,同时用知识的条件粗糙熵定义了属性的相对重要性.在此基础上提出了一种新的基于条件粗糙熵的知识相对约简算法CREBARK。该算法的时间复杂度为O(|C|3|U|2)。通过实例分析,表明该算法是有效的。

属性约简的一种简单算法

针对粗糙集中属性约简的算法进行了研究,通过寻找相对不可约属性BiU A Bi-core(A)的几种方法,借助相对不可约属性和属性频率得到属性约简的算法,该算法简单易实现,速度快.

合成信息系统与有限个子系统的属性特征研究

信息系统的合成和分解在实际应用中是一个很重要的问题。给出任意有限个对象合成信息系统和有限个属性合成信息系统的概念,分别讨论它们的核心属性、不必要属性、相对必要属性等属性特征与有限个原子信息系统的属性特征之间的关系。

二进制辨识矩阵的属性约简及不必要属性的求解

针对现有二进制辨识矩阵的属性约简算法得不到最小约简且效率较低的问题,提出从行和列的角度对属性的重要度进行计算,求取属性约简,并在约简的过程中对辨识矩阵进行删减,提高了算法效率.在计算属性约简的过程中可以求得核属性、绝对和相对不必要属性.最后通过实例和实验证明,该方法的有效性和可行性.

排序决策的直觉模糊数方法

为了更细腻地描述作为比较评价的语言信息,用一个直觉模糊数表示两两对象的比较评价,将直觉模糊数表示为由上理想模糊数和下理想模糊数的二元模糊数组,定义了关于直觉模糊数的一种运算并且给出了基于结构元表示的排序比较方法;在排序决策过程中,通过对相对属性判断值的规范化处理完成对一组对象的排序,实现了优选的目的.结果表明:通过下、上理想模糊数将结构元理论应用到直觉模糊数上,简化了计算,同时直觉模糊数在表达信息上考虑人的犹豫度,使得在表达语言信息上较模糊数更贴近现实,排序结果自然更精确.