剖析了 Active X Autom ation技术和 Auto CAD R14新提供的 Active X Autom ation编程接口 ,在此基础上介绍了基于 Active X Autom ation技术从 Auto CA D的 DWG文件中自动提取标题栏和明细栏管理信息的方法 ,并给出了关键技术的源程序 ...剖析了 Active X Autom ation技术和 Auto CAD R14新提供的 Active X Autom ation编程接口 ,在此基础上介绍了基于 Active X Autom ation技术从 Auto CA D的 DWG文件中自动提取标题栏和明细栏管理信息的方法 ,并给出了关键技术的源程序 .在此技术上开发出的软件包在实践中得到了较好的应用 .展开更多
针对建筑物信息提取存在低效率、高成本的问题,提出了一种利用分离阈值算法(seperability and thresholds,SEaTH)的高精度建筑物信息提取方法。采用高分二号遥感影像,通过半自动化信息提取构建分类规则的方法对天津市西青区的建筑物信...针对建筑物信息提取存在低效率、高成本的问题,提出了一种利用分离阈值算法(seperability and thresholds,SEaTH)的高精度建筑物信息提取方法。采用高分二号遥感影像,通过半自动化信息提取构建分类规则的方法对天津市西青区的建筑物信息进行提取。通过运用SEaTH算法构建知识规则,选取训练样本并输出训练样本的特征值,将输出的特征值运用SEaTH算法进行自动确定阈值和特征优选,进而采用像素对象调整优化建筑物轮廓。将基于面向对象的最邻近分类法与该方法进行了精度评价对比。结果表明,该方法在提取建筑物信息时出现的错分漏分现象较少,且总体精度和Kappa精度都要高于基于面向对象的最邻近分类法,验证了其在提取建筑物信息方面的可行性。展开更多
在建筑工程项目中,高效地对施工安全进行管理是十分重要的。工程安全事故通告记录了实际施工过程中发生事故的相关信息。但是从业人员对这种非结构化文本进行总结和分析是比较困难的。随着自然语言过程(natural language process,NLP)...在建筑工程项目中,高效地对施工安全进行管理是十分重要的。工程安全事故通告记录了实际施工过程中发生事故的相关信息。但是从业人员对这种非结构化文本进行总结和分析是比较困难的。随着自然语言过程(natural language process,NLP)技术的快速发展,为了有效地对这一类文本进行处理,学者们已经取得了一些不错的成果。但是现阶段的一个关键问题是深度神经网络的训练需要大规模的训练数据集。并且建筑工程行业中数据来源非常有限,所以数据集对建筑工程行业来说是一个巨大的挑战。现提出一个基于自然语言处理的小样本训练方法。首先通过一种基于交叉组合的文本数据增广算法扩大数据集,然后以“字符”为检测单元进行汉字语义编码,使用BiLSTM-CRF模型作为检测核心对文本进行处理。最后,以安全事故通告为对象进行分析处理,为施工的安全管理提供了理论指导。展开更多
文摘剖析了 Active X Autom ation技术和 Auto CAD R14新提供的 Active X Autom ation编程接口 ,在此基础上介绍了基于 Active X Autom ation技术从 Auto CA D的 DWG文件中自动提取标题栏和明细栏管理信息的方法 ,并给出了关键技术的源程序 .在此技术上开发出的软件包在实践中得到了较好的应用 .
文摘针对建筑物信息提取存在低效率、高成本的问题,提出了一种利用分离阈值算法(seperability and thresholds,SEaTH)的高精度建筑物信息提取方法。采用高分二号遥感影像,通过半自动化信息提取构建分类规则的方法对天津市西青区的建筑物信息进行提取。通过运用SEaTH算法构建知识规则,选取训练样本并输出训练样本的特征值,将输出的特征值运用SEaTH算法进行自动确定阈值和特征优选,进而采用像素对象调整优化建筑物轮廓。将基于面向对象的最邻近分类法与该方法进行了精度评价对比。结果表明,该方法在提取建筑物信息时出现的错分漏分现象较少,且总体精度和Kappa精度都要高于基于面向对象的最邻近分类法,验证了其在提取建筑物信息方面的可行性。
文摘在建筑工程项目中,高效地对施工安全进行管理是十分重要的。工程安全事故通告记录了实际施工过程中发生事故的相关信息。但是从业人员对这种非结构化文本进行总结和分析是比较困难的。随着自然语言过程(natural language process,NLP)技术的快速发展,为了有效地对这一类文本进行处理,学者们已经取得了一些不错的成果。但是现阶段的一个关键问题是深度神经网络的训练需要大规模的训练数据集。并且建筑工程行业中数据来源非常有限,所以数据集对建筑工程行业来说是一个巨大的挑战。现提出一个基于自然语言处理的小样本训练方法。首先通过一种基于交叉组合的文本数据增广算法扩大数据集,然后以“字符”为检测单元进行汉字语义编码,使用BiLSTM-CRF模型作为检测核心对文本进行处理。最后,以安全事故通告为对象进行分析处理,为施工的安全管理提供了理论指导。