语音邻域密度、词性类别、语言水平对二语词汇联想反应的影响

本文研究语音邻域密度、词性类别及语言水平对中国英语学习者二语词汇联想反应的影响。使用Lex_30测量词汇水平,采用“听—写”词联想任务考察所选词的语音邻域稀疏与密集程度以及名、动、形不同词性的刺激词联想反应差异。结果表明:(1)高低水平学生产出的语音和语义反应均存在显著差异,语音反应比例与语言水平成负向相关;(2)不同词性的语义联想反应有显著差异,但在语音反应上无差异;(3)不同语音邻域密度的刺激词只在高语言水平者的语义反应上有显著差异,低水平者只有名词的语音及语义反应存在显著差异,部分支持邻域激活模型。

信任建构对老旧社区改造中居民满意度的影响——以北京史家社区为例

提升居民满意度是老旧社区改造的核心和重点。面对改造过程中多元主体的利益难以协调的困境,社区信任可有效帮助消减抵触、增强社区凝聚力与执行力,对提升居民满意度发挥重要作用。基于信任和社区信任的已有研究,本文搭建了关于社区信任建构和居民满意度关系的理论分析框架。选取北京史家社区开展实证研究,通过问卷调查和深度访谈,利用因子分析和多元线性回归分析验证了社区信任建构对老旧社区改造中居民满意度的积极影响,揭示了社区信任建构各要素在改造过程中的作用和影响机理。并解析了“社区治理共同体形成—平台、机制营建—改造模式成熟”3阶段提升路径和相应策略,以期为其他老旧社区改造工作提供参考和依据。

多关系下图自注意机制增强的知识表示学习

知识图谱为表示多关系型数据的异构图。已有知识表示学习方法通过增加实体和关系嵌入之间的交互提高知识三元组表达能力,但无法使其蕴含多层次语义,即特定关系下实体具有的多重关联属性。图神经网络利用结构信息为实体的邻居节点分配权重,但无法对实体和邻居之间的复杂交互进行更精准的消息传递。为此,提出了基于自注意机制的知识表示学习模型(CompESAT),为聚合了邻居信息的复合实体引入自注意机制,依据不同邻居贡献度的变化动态更新实体表示。该模型编码器定义了多个图注意机制层来处理复合实体的多重局部特征,自适应地学习复合实体嵌入。解码器补充解码三元组的全局特征。链接预测任务中该模型在FB15k-237数据集上各项评价指标均有提升,MRR和Hit@10分别提升了0.042和0.045;在WN18RR数据集上,Hit@10提升了0.069。

金属表面缺陷自适应分割算法

金属表面缺陷的种类多、环境复杂度高,现有的金属表面缺陷分割算法有效性低、适用范围窄,为此提出一种金属表面缺陷自适应分割算法。该算法首先从8个方向对金属表面的灰度图像进行转换,根据多幅图像灰度波动状况,自适应地改变邻域灰度差分割算法中的阈值与步长对相应的图像进行分割,最后利用PCA算法将多幅图像压缩至单幅图像。实验结果表明,与现有的分割算法相比,该算法不仅适用于多种类型的金属表面缺陷部分的分割,而且分割准确度高。

基于邻域灰阶共生矩阵的海底沉积物分类

提出了一种邻域灰阶共生矩阵,用于对侧扫声纳海底图像进行纹理分析及沉积物分类.与用于图像纹理分析的常规灰阶共生矩阵相比,邻域灰阶共生矩阵描述了图像中某一像素与其邻域中所有像素的灰阶联合分布,从而能够更全面地描述图像区域的纹理特性.分别从常规灰阶共生矩阵和邻域灰阶共生矩阵计算相同的6种纹理特征,借此对泥、沙、石3种类型海底的侧扫声呐图像进行分类,分别获得了83.3%和86.4%的正确识别率.

图像多级灰度非线性模糊增强算法研究

针对传统图像增强技术的缺陷，提出了多级灰度增强的概念，利用模糊算子，并通过定义隶属函数、饱和增强点和渡越点参数，给出了一种多级灰度增强的算法，该算法可根据要求对图像不同区域层次设计不同增强效果，使图像层次更加清晰。最后通过仿真实验，进一步证实了该算法的有效性。

基于Tabu法的变压器铁心柱截面积优化

针对变压器铁心柱截面积优化设计 ,给出一种实用的Tabu算法。该方法具有迭代次数少、计算量小、稳定性好等优点 ,对于大直径、多级数的铁心柱截面积优化其优点更明显。数值算例表明 ,该方法与原有优化方法比较 ,优化效果更好 ,铁心利用系数可提高 2 %左右 ,具有一定的实用价值。

山地与平原数学定义的研究

在提出基于邻域概念的平地定义后,通过引入地貌区域的绝对高程和高差两个变量,推导山地与平原的数学定义。该定义可对平原和极高山、高山、中山、低山、丘陵在内的山地地貌进行定量描述和表达。

基于响应面法对桁架结构形状的优化设计

针对数学非线性回归问题,需不断改进设计模型和设计参数,从而使得设计效果达到最佳。求解约束条件下体积最小问题时经常用响应面法进行优化,即利用函数关系拟合仿真模型,采用筛选试验来确定优化方向。为了优化经典10杆桁架结构的形状,基于响应面法,编写并运行APDL(ANSYS parametric design language,参数化设计语言)程序,得到各桁架的初始应力和体积。以节点纵坐标值的改变来反映形状的变化,各因子设置三水平并编码为-1,0,1,通过响应面法(response surface method,RSM)进行寻优并调整中心点和水平。基于调整后的水平,先找到最佳邻域,再用优化软件在最佳邻域内求解桁架在许应力下体积的最优解,最后将确定好的节点纵坐标值回代到APDL程序中验证是否满足约束条件,若满足,则此时的体积为最优解。结果表明:利用响应面法优化桁架杆的迭代次数仅为3次,它能快速定位最优解,降低了前期设计成本。通过对比文献[9]可知响应面法对结构的形状优化更为有效,能快速定位出设计试验方案,在工程应用中对于寻找在约束条件下的最佳配比设计有着高效性。

改进的基于二阶互信息的配准技术

着重分析讨论了灰度级别、邻域信息对基于二阶互信息的配准技术的影响,通过实验分析得到在PV插值基础上最佳的灰度级别、邻域信息,从而改进了基于二阶互信息的配准技术,并借助分析噪声对配准的影响来解释相关结论。

结合邻域信息的Chan-Vese模型图像分割

灰度异质图像广泛存在于日常生活及医学图像中,而现有方法不能很好地解决灰度异质图像的分割问题,为此提出一种结合邻域信息的改进Chan-Vese模型.首先通过计算找出邻域内与中心点属于同一类的点,其次将这些点与中心点的距离作为它们与中心点相似程度的权值进行累加,最后通过统计整幅图像中每个局部区域内各点与中心点的相似程度,加强了该模型对区域细节的捕获能力,实现对灰度异质区域的分割.实验结果表明,与Chan-Vese模型相比,文中模型可以准确地分割包含灰度异质区域的图像;与Piecewise Smooth模型相比,2个模型分割效果几乎相同,但文中模型的速度更快.

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 。

基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要,至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法,在判断某一像素点是否在边缘上时,以该像素点为中心,选取3×3的区域为研究对象,求出该区域的最大、最小、均值像素值及标准差,在选用标准差为其阈值的同时,还考虑人的视觉对于灰度分辨能力的限制.最后,对多幅灰色图像进行了边缘提取,结果证实了该文方法的有效性.

基于高分辨率扇面扫描声纳影像的水下测量

本文以宁波甬江常洪越江沉管隧道某管段基槽的水下测量为实例,介绍了利用Seaprice高分辨率扇面扫描声纳影像进行水下测量的方法。以一周期扫描扇面的声纳影像为原始观测数据,首先采用改进的Hough变换方法检测距离标签圆环并用曲线拟合法提高参数的估计精度,然后利用加权邻域共生矩阵方法逐扇面判断最优回声区域,得到扫描断面图,最后根据断面数据和传感器的坐标得到水下地形点的三维坐标,并采用基于Delaunay三角形的三次样条插值方法组成水下地形的规则格网模型并用着色表面可视化。

基于相对密度的孤立点和边界点识别算法

根据孤立点是数据集合中与大多数数据的属性不一致的数据,边界点是位于不同密度数据区域边缘的数据对象,提出了基于相对密度的孤立点和边界点识别算法(OBRD)。该算法判断一个数据点是否为边界点或孤立点的方法是:将以该数据点为中心、r为半径的邻域按维平分为2个半邻域,由这些半邻域与原邻域的相对密度确定该数据点的孤立度和边界度,再结合阈值作出判断。实验结果表明,该算法能精准有效地对多密度数据集的孤立点和聚类边界点进行识别。

模糊局部信息C-均值聚类算法的修正

针对模糊局部信息C-均值(fuzzy local information C-means,FLICM)聚类算法因其局部空间信息的局限性而导致图像分割结果存在误差的问题,改进FLICM算法的相似度测量因子,并考虑邻域空间距离、灰度信息以及灰度方差对分割效果的影响,提出一种用于图像分割的模糊局部信息C均值的修正算法(WFLICM).实验结果表明,WFLICM能够估算邻域像素的衰减程度,提高图像的分割性能,在抑制噪声的同时更好地保留图像细节,且具有更好的抗噪鲁棒性.

基于自然近邻的自适应关联融合聚类算法

为解决传统聚类算法多数需要预先设定聚类参数且无法有效识别异常点和噪声点的问题,提出一种自适应的关联融合聚类算法。采用自然近邻搜索算法计算数据集的密度分布,筛选出具有数据结构信息的代表核点,并排除边界点和噪声点对聚类结果的影响。引入关联度矩阵,通过计算类簇间的关联程度和融合度量,选取最优关联簇进行融合得到最终聚类结果。实验结果表明,该算法无需人工设置聚类参数,并且与基于密度的空间聚类算法和K均值聚类算法相比,其具有更高的聚类准确率和可靠性。

关于营造和谐的邻里空间框架体系的研究

针对当前我国城市居住区邻里空间中存在的相关问题的现状,以及建立和谐的邻里空间的重要意义,依据相关理论将邻里空间分为三个层次并将之与和谐所包含的内容结合起来,从而得出构建和谐邻里空间的框架体系。

邻里作为一种规划思想:其内涵及现实意义

本文阐明了邻里及邻里思想的内涵与意义,并进一步探讨邻里思想对我国现阶段旧城更新的现实意义,明确了新背景下我国旧城更新的主要目标与内容,提出了以多层次合作框架作为合理有效的更新改造方式。

融合自适应最优邻域和卷积神经网络的三维点云分类

针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。