检索结果-南通市图书馆

作者：夏腾大连交通大学

学位级别：硕士

随着信息技术的飞速发展,人们在享受网络便捷的同时,也带来了信息过载的困扰,推荐系统应运而生,而序列推荐算法作为推荐系统领域一种高效的信息过滤方法,受到广泛的应用。但其仍然存在以下不足:大部分序列推荐算法直接将行为表现为短期... 详细信息

随着信息技术的飞速发展,人们在享受网络便捷的同时,也带来了信息过载的困扰,推荐系统应运而生,而序列推荐算法作为推荐系统领域一种高效的信息过滤方法,受到广泛的应用。但其仍然存在以下不足:大部分序列推荐算法直接将行为表现为短期兴趣,缺乏针对行为变化规律的研究;同时,目前大多数序列推荐算法难以捕捉用户的长期兴趣,针对以上问题,本文的研究内容如下:(1)针对目前序列推荐算法仅把用户行为视为短期兴趣,缺乏行为变化背后原因的探究,本文提出一种基于循环神经网络的模型SFBA(Short-term Squence Forecasting Based On Attentional mechanisms,SFBA)。该模型通过挖掘用户的短期兴趣变化规律,并结合注意力机制计算待推荐项目与用户历史行为之间的注意力得分,挖掘用户的短期兴趣点,实现高效的个性化推荐。(2)针对目前大多数序列推荐算法难以刻画用户长期兴趣的问题,提出基于局部敏感哈希的长期兴趣推荐网络RLSH(Network structure for long-term sequential recommendation algorithms based on locally sensitive hashing,RLSH)模型。最后,综合短期兴趣模型SFBA和长期兴趣模型RLSH,提出混合模型LSTR(Long and short term recommendation network,LSTR),同时挖掘用户的长期和短期兴趣,提高推荐的效果与性能。(3)针对本文提出的模型,在Movie Lens数据集和Amazon数据集上进行大量的对比实验,综合多种实验结果表明,本文提出的模型相对基准模型在推荐性能上有较为明显的提升。

关键词：序列推荐注意力机制 GRU循环神经网络局部敏感哈希

扫描型米-拉曼激光雷达近场校正及精细反演技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

扫描型米-拉曼激光雷达近场校正及精细反演技术

作者：任腾西安理工大学

学位级别：硕士

大气气溶胶对气候变化、空气污染等方面都产生了深远的影响,扫描型米-拉曼气溶胶激光雷达凭借其灵活性、高精度和实时性等优势,已成为气溶胶的有效监测工具,然而,近场信号校正问题制约着其实用化进程,因此,有必要进行激光雷达近场信号... 详细信息

大气气溶胶对气候变化、空气污染等方面都产生了深远的影响,扫描型米-拉曼气溶胶激光雷达凭借其灵活性、高精度和实时性等优势,已成为气溶胶的有效监测工具,然而,近场信号校正问题制约着其实用化进程,因此,有必要进行激光雷达近场信号校正方法的相关研究。基于大气水平均匀分层的假设,提出了基于信噪比阈值的垂直扫描型近场信号校正策略和多角度数据融合方案,依据扫描采集过程系统各模块状态编制了数据采集处理及控制软件,以实现近场信号的无盲区精细反演。基于扫描型米拉曼激光雷达系统基本参数,建立了系统重叠因子模型,分析了激光束发散角、望远镜接收角、光轴初始距离、光轴倾角对非重叠区内重叠因子的影响,并通过实测数据对比验证了重叠因子水平校正方法;利用Fernald气溶胶反演算法,提出基于信噪比的垂直扫描型近场信号校正策略,设计采集过程系统各模块协同配合状态转换和多角度数据融合方法,将多角度斜程探测有效探测区间内的气溶胶消光系数数据进行融合处理,确保近场校正策略的有效实施。对比分析探测回波信号预处理方法,在传统随机噪声去噪方法实现的基础上,利用CEEMDAN-WT联合去噪方法进行回波信号的去噪处理,处理后的信号信噪比对比单一WT去噪方法提升了 1dB左右,均方根误差降低了 36%,平滑度提升了 10%。在信号预处理方法和近场信号校正策略的基础上,编制了信号采集处理及控制软件,以实现扫描采集过程系统各模块的协同控制及多角度数据融合。在静稳天气水平能见度优于18km的情况下,以信噪比20dB为阈值,使用多角度扫描探测数据对垂直探测近场信号进行校正,获得的重叠因子校正曲线与水平探测法校正曲线的平均相对偏差约为20%,在过渡区内平均相对误差约为4.7%。应用垂直扫描校正结果对长时定点探测数据进行校正,校正结果能够反映近场真实大气状态随时间的变化过程。基于近地面气溶胶均匀分布假设,对长时定点斜程观测信号进行校正,使用校正后信号不同评价高度内的平均消光系数进行斜程能见度计算,并以测量时间内水平能见度仪的短时平均结果为基准进行对比分析,其能见度计算结果与水平能见度仪趋势基本一致,评价高度降低至50m。观测实验及分析表明,垂直扫描型近场信号校正方法及控制软件可以实现无盲区气溶胶特性探测,可推进气溶胶米-拉曼激光雷达的实用化进程。

关键词：扫描型激光雷达米拉曼激光雷达气溶胶消光系数近场信号校正

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉和文本的文档图像布局分析方法

基于视觉和文本的文档图像布局分析方法

作者：李玉腾青岛科技大学

学位级别：硕士

文档图像布局分析在识别文档图像的信息中起着至关重要的作用,文档图像分析中高阶语义目标检测是智能文档编辑和理解等下游任务的核心。由于文档图像的文档类别的多样性、页面布局的复杂性以及目标对象尺寸分布不均匀,造成文档图像布局... 详细信息

文档图像布局分析在识别文档图像的信息中起着至关重要的作用,文档图像分析中高阶语义目标检测是智能文档编辑和理解等下游任务的核心。由于文档图像的文档类别的多样性、页面布局的复杂性以及目标对象尺寸分布不均匀,造成文档图像布局分析任务具有挑战性。现有的检测算法较少考虑多模态信息和全局依赖关系。因此,本文提出了基于视觉和文本的文档图像布局分析方法,通过将文本特征融入视觉特征,实现视觉特征和文本特征互补信息的利用,弥补单一模态特征的不足,丰富特征表征的信息;并对融合后的多模态特征进行处理,使得处于不同级别的特征信息在通道上进行传递,增强目标区域的特征。为使视觉信息和文本信息得到充分利用,本文提出了两种文档图像布局分析方法:(1)为了实现单粒级的文本特征和视觉特征的融合,本文提出了基于视觉和文本的单粒级文档图像布局分析方法。该方法主要分为三部分:特征提取模块,特征融合模块和特征增强模块。首先,为了利用单粒级的行级别文本特征,将图像中文本序列信息转换为二维表征;其次,本文提出了在文本特征和视觉特征初次融合之后,将其输入到骨干网络提取多尺度特征,并在提取过程中多次融入文本特征,实现视觉和文本特征的深度融合;最后,将融合后的多模态特征输入特征增强模块,用于实现高层语义信息和低层特征信息的传播,从而丰富融合后的多模态特征。对比实验的结果表明,该方法有效提升了文档图像布局分析的性能,在三个公开数据集上性能分别达到95.86%、96.31%和96.06%。消融实验的结果证明每个模块对于提升整体网络的性能起到积极作用,也证明了视觉和文本特征融合策略的有效性。(2)为了利用多粒级的文本特征,本文提出了基于视觉和文本的多粒级文档图像布局分析方法。该方法主要包含四部分:一、视觉特征提取模块,从图像中提取多尺度特征。二、多粒级文本嵌入图模块,根据多粒级文本特征自身的特点,将通道和空间注意力应用到不同级别的文本特征上,以探索显著的文本特征信息。三、特征融合模块,利用特征金字塔网络实现多粒级文本特征和视觉特征的融合。四、特征增强模块,在通道上实现融合后的多模态特征信息的传播,从而丰富特征表征的信息。此外,在处理多粒级的文本信息过程中,构建了基于Pub Lay Net数据集的层级数据集,包括插入半结构化元素和扩展注解。对比实验和消融实验的结果证明,加入多粒级的文本特征并采用合适的特征融合与增强策略,可以有效提升文档图像布局分析的整体性能。本文研究了基于视觉和文本的文档图像布局分析方法,旨在融合视觉和文本的高维特征,利用不同模态特征之间的互补信息,丰富特征表征信息,提升文档图像布局分析的准确度。

关键词：深度学习多模态文档布局分析版式文档解析

基于Dirichlet先验的神经主题模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Dirichlet先验的神经主题模型研究

作者：王腾吉林大学

学位级别：硕士

随着信息技术的发展,互联网每时每刻都在产生海量的文本数据,如何从海量数据中发掘特定的信息是目前机器学习领域亟需解决的难题,主题模型正是解决该问题的关键技术。传统主题模型选用Dirichlet分布作为潜在主题的先验分布指导主题词的... 详细信息

随着信息技术的发展,互联网每时每刻都在产生海量的文本数据,如何从海量数据中发掘特定的信息是目前机器学习领域亟需解决的难题,主题模型正是解决该问题的关键技术。传统主题模型选用Dirichlet分布作为潜在主题的先验分布指导主题词的生成,Dirichlet分布独特的稀疏性可以帮助模型生成稀疏的主题表示,提高模型的主题提取能力。但传统主题模型复杂的推理算法限制了模型的泛化能力,并且在面对海量的、实时更新的文本数据时,传统主题模型不能快速推理文档主题。近年来,随着深度学习的发展,将神经网络与主题模型结合进行深层次的主题提取、快速处理大规模数据成为了新的研究热点,这其中以基于变分自编码器(Variational Auto-Encoder,VAE)的主题模型为代表。该类模型要求潜在主题的先验分布具有可重参数化的形式,而传统主题模型中的Dirichlet分布因不可重参数化而不能直接作为潜在主题的先验分布应用到神经主题模型中,这使得神经主题模型聚类能力较差。针对这个问题,一些学者提出了将Dirichlet先验应用到神经主题模型上的方法,但就现有方法而言,仍存在主题词冗余、重复主题多等问题。因此,为了得到稀疏的主题表示、提高模型的主题提取能力,本文对神经主题模型进行研究,提出了两种更有效的基于Dirichlet先验的神经主题模型,具体工作内容如下:1.使用基于Kumaraswamy分布的折棍过程近似Dirichlet先验。1)针对Dirichlet分布不能应用在神经主题模型上的问题,提出了一种基于折棍采样的主题模型KNTM。KNTM基于神经变分文档模型(Neural Variational Document Model,NVDM)进行改进,用可重参数化的Kumaraswamy分布近似不可重参数化的Beta分布,然后用以Kumaraswamy为基分布的折棍过程近似Dirichlet分布。通过这种方式,KNTM成功将Dirichlet分布应用到神经主题模型框架上。2)在KNTM基础上,进一步提出了基于循环折棍构造的KRNTM模型。KRNTM将折棍构造的生成过程与LSTM相结合,使用LSTM建模长折棍序列,可以动态地为折棍过程分配权重,提高模型的稳定性。3)通过实验验证模型的有效性,实验结果表明,KNTM/KRNTM相较于其他神经主题模型能够生成更连贯、质量更高的主题,其中KRNTM在提取高维主题时有着更稳定的性能表现。2.使用基于Beta分布的折棍过程近似Dirichlet先验。1)针对KNTM在近似Beta分布时引入误差的问题,提出了BNTM模型。BNTM直接从Beta分布中采样折棍变量构造服从Dirichlet先验的潜在主题,帮助模型生成更为稀疏的主题表示,并为了解决Beta分布不能重参数化的问题,引入隐式重新参数化的方法来推理参数梯度。相较于KNTM,BNTM可以无偏差的估计Dirichlet先验。2)在BNTM基础上,进一步提出了基于循环折棍构造的BRNTM模型。BRNTM将从Beta分布中采样得到的变量与LSTM相结合,更公平的将折棍权重分配给每个主题维度的基分布,这种方法可以有效缓解模型随主题数增多带来的性能下降问题。3)最后通过实验将BNTM/BRNTM和KNTM/KRNTM进行对比,结果表明,BNTM/BRNTM有着更好的主题提取能力,在困惑度、主题一致性和主题唯一性指标上也有着更好的表现。

关键词：神经网络主题模型变分自编码器 Dirichlet先验重参数化

基于深度学习的单目3D目标检测算法研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的单目3D目标检测算法研究与应用

作者：王腾电子科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

腾晖煤矿过空区巷道支护技术研究

腾晖煤矿过空区巷道支护技术研究

作者：孙腾辽宁工程技术大学

学位级别：硕士

复采区域的围岩性质、应力特征、煤层赋存和空间分布与未受采动影响的煤层有很大差异,且复采区域内采空区的存在会造成周边岩体的移动变形和破坏,对揭露采空区巷道的围岩应力和变形产生重大影响。如何在支护方式上对复采采区过空区巷道... 详细信息

复采区域的围岩性质、应力特征、煤层赋存和空间分布与未受采动影响的煤层有很大差异,且复采区域内采空区的存在会造成周边岩体的移动变形和破坏,对揭露采空区巷道的围岩应力和变形产生重大影响。如何在支护方式上对复采采区过空区巷道进行围岩控制已经成为煤炭行业急需解决的技术难题。本文以腾晖煤矿三采区材料巷为研究背景,通过现场测试、实验室实验、理论分析、数值模拟和工业性实验等方法对过空区材料巷支护方案进行研究。通过现场采集煤岩组试样并在实验室进行物理力学参数测试,分析材料巷道所属煤层及顶底板岩层的分布情况和力学性质;通过采用声波法测试材料巷道围岩松动圈尺寸,判定围岩属于Ⅲ类一般围岩;采用FLAC软件模拟分析采空区塑性区,确定材料巷道揭露采空区前后10m阶段内需要进行加强支护;采用UDEC软件模拟分析材料巷道掘进过程中应力重分布规律及采空区覆岩移动规律:垂直应力在掘进工作面前后方呈拱状分布和不对称性,顶板上方10m处为垮落带与裂隙带分界线,上方40m处为裂隙带与弯曲下沉带的分界线。根据上述研究,提出材料巷道正常阶段采用锚网索支护技术,揭露采空区前后10m范围内采用U型棚支护技术。依据巷道支护参数要求进行理论分析和计算,并采用FLAC软件模拟分析锚网索不同间排距时预应力分布情况,确定锚杆最优间排距为800×800mm,锚索最优间排距为1800×1800mm;模拟分析U型棚不同棚间距时巷道围岩应力和围岩变形情况,确定最优棚间距为1000mm。基于论文研究成果,现场布置测点观测材料巷道围岩表面位移量及深部离层量,分析证明了分阶段支护方案能够有效控制巷道围岩表面和深部位移,取得良好的现场应用效果,同时保障了经济效益最大化,为腾晖煤矿后期采空区影响下的巷道围岩控制提供理论依据和技术保障。该论文有图55幅,表17个,参考文献63篇。

关键词：复采巷道支护过空区锚网索支护 U型棚支护

建立邻接权之数据控制者权研究——以数据库法律保护为视角

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

建立邻接权之数据控制者权研究——以数据库法律保护为视角

作者：黄腾华东交通大学

学位级别：硕士

在现今的数字化、信息化时代,信息爆炸成为这个时代最根本特征,数据与信息成为人们竞相追逐的对象。如何在海量的数据信息中精准找到想要的信息成为一大难题,为迎合社会的需求,数据库产业得以迅速发展,并成为信息产业领域内的领头羊。... 详细信息

在现今的数字化、信息化时代,信息爆炸成为这个时代最根本特征,数据与信息成为人们竞相追逐的对象。如何在海量的数据信息中精准找到想要的信息成为一大难题,为迎合社会的需求,数据库产业得以迅速发展,并成为信息产业领域内的领头羊。数据库的发展对于科技进步和社会管理具有重要的推进作用,促进数据库产业的良好健康发展成为我国当前重要任务。然而,我国立法对于数据库法律属性的确定、权利义务内容规定、权利主体确定、数据库的判断标准等极为缺乏,实际的司法实践中只能从现有的合同、不正当竞争、商业秘密、法律原则等方面予以规制,法律适用不统一,导致数据库投资者的法律期望不稳定,投资欲望低和投资金额少。国内对于数据库的研究大多数还是停留在介绍国外数据库法律保护模式、国内数据库法律保护模式的对比与选择之上,对于数据库的保护正当性、价值目标、法律属性、保护标准、数据库的利益分配、权利限制等深层次问题却没有过多论述。多数学者研究出发点也是基于传统的大陆法系物权所有权,没有结合数据库的客观属性给出令人信服的解释。为此全面梳理了国内外对于数据库保护的主要观点,包括所有权保护、著作权保护、商业秘密保护、反不正当竞争保护、特殊权利保护,并分析论证以上保护模式的合理性。另外,通过观察国内外的立法实践、司法实践以及交易情况,论证现行数据库法律保护的可行性。最后,相比于其他观点,认为采用知识产权制度之下的邻接权制度保护数据库最为合适。因为数据库的客观属性与邻接权客体相似,保护数据库的目的与价值也与邻接权制度相契合。但是在数字环境下的邻接权制度已经有点不适应这个时代,应当重塑邻接权制度,摒弃邻接权制度是保护作品传播者利益的传统功能定位,将邻接权制度功能重新定位在保护非创作性产品成果投资者的经济利益,把投入技术、劳动、资金等的实质性投资者作为邻接权权利主体的判断标准,把客体的非创作性投入、邻接权客体的低独创性、邻接权客体与作品相关信息或与作品相近信息相关性作为邻接权客体的判断标准。扩张邻接权的客体,为数据库专门设定数据控制者权。摆脱传统大陆法系的物权所有权观念的桎枯,在计算机与网络的环境中区分数据与信息,借鉴英美法系的抽象权利观,运用权利束的观察镜看清楚数据库之上的权益,为数据库权利人设定权利与义务。同时要结合国家对于数据信息的最新方针政策,为数据控制者权设定权利制定原则,为数据库管理上好紧箍咒。邻接权保护数据库的权利主体为数据库控制者,权利内容应当包括复制权、发行权、出租权、信息网络传播权,著作权中的技术措施和权利管理信息同样适合数据控制者权。著作权中的合理适用、法定许可、权利期限、强制许可等应根据数据库的特性设定。数据库之上其他利益主体看可以分别依据著作权法、合同法、劳动法、个人信息保护法、不正当竞争法等享有各自的利益。

关键词：数据库数据邻接权重塑数据控制者权

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电信网络诈骗共同犯罪认定研究

电信网络诈骗共同犯罪认定研究

作者：葛腾陕西理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于对比学习的时间序列预测

基于对比学习的时间序列预测

作者：郑腾东华大学

学位级别：硕士

基于多层次位置特征信息融合的三维点云分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多层次位置特征信息融合的三维点云分类研究

作者：陈腾天津师范大学

学位级别：硕士

随着激光雷达三维传感器和相关软件的不断发展,处理和分析三维模型已成为计算机视觉领域的一个热门方向。由于三维数据能够有效地表达形状信息,在自动驾驶、遥感、机器人等领域具有广泛的应用,因此对三维模型的处理和分析具有重要意义... 详细信息

随着激光雷达三维传感器和相关软件的不断发展,处理和分析三维模型已成为计算机视觉领域的一个热门方向。由于三维数据能够有效地表达形状信息,在自动驾驶、遥感、机器人等领域具有广泛的应用,因此对三维模型的处理和分析具有重要意义。随着深度学习在二维数据领域的蓬勃发展,人们开始尝试将深度学习技术应用于三维数据领域。对于用于图像分类的卷积神经网络来说,三维数据可以用多种方式表示,其中一种重要表示就是点云模型。然而,由于点云的稀疏性、非结构化和无序性,传统的卷积神经网络并不适合直接应用于点云领域。近年来人们提出了许多针对点云信息进行处理和利用的方法。但其中大部分都是相对简化或者粗略地定义局部区域,并没有充分考虑到局部区域内外以及不同层次上特征之间存在着复杂而紧密地联系这一事实。针对上述问题,本文主要的创新工作如下:(1)针对点云分类问题中的局部特征提取不充分的问题,本文提出一种基于局部位置信息进行特征提取和融合的点云分类网络,它可以根据点云中每个点与其邻域点之间的相对位置关系来计算局部特征,并且可以自适应地调整邻域范围和密度,从而更好地捕捉点云中不同尺度和形状的细节信息。在公开数据集上的实验证明了该模型的有效性,在Model Net40的数据集上的准确率高达92.8%。(2)提出一种基于最近邻采样获取距离权重的算法,它可以根据点云中每个点与其邻域点之间的距离来分配不同的权重,从而弱化远点对于局部特征提取的干扰,相对强化近点对于局部特征提取的贡献,有助于网络更好地学习点云中有意义的特征。增加了感受野并能更好地捕获上下文信息,有效提升了模型的准确率。(3)进一步利用特征融合思想优化特征提取过程,实现多级特征融合。具体来说,本文在每一层网络中都将全局特征和局部特征进行融合,并且在不同层次之间也进行跨层融合,从而使得网络能够充分利用不同层次上下文的信息,同时增强了网络的表达能力和泛化能力。

关键词：点云分类深度学习特征融合位置关系