检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

针对中国学生英文文章的词性标注方法

北京邮电大学学报 2017年第2期40卷 16-20页

作者：谭咏梅杨林胡单北京邮电大学智能科学与技术中心北京100876

提出了一种基于词向量的两层词性标注方法,使用少量人工提取的特征,大部分特征可使用词向量和第1层标注向量自动训练得到.该方法将标注集分成两类,分别作为不同层的标注集.首先,对容易标注的类别进行标注;然后,对难以标注的动词或者名... 详细信息

提出了一种基于词向量的两层词性标注方法,使用少量人工提取的特征,大部分特征可使用词向量和第1层标注向量自动训练得到.该方法将标注集分成两类,分别作为不同层的标注集.首先,对容易标注的类别进行标注;然后,对难以标注的动词或者名词进行第2层标注,将其标注为具体的某类动词或名词.利用该方法对中国学生写的英语文章进行词性标注的准确率可从95.23%提高到95.63%,超过了现有基于词向量词性标注器对相同语料词性标注的准确率.

关键词：词性标注中国学生文章词向量

在线全文

学校读者我要写书评

暂无评论

结合实体链接与实体聚类的命名实体消歧

北京邮电大学学报 2014年第5期37卷 36-40页

作者：谭咏梅杨雪北京邮电大学智能科学与技术中心北京100876

为了消除文本中命名实体的歧义,提出了一种结合实体链接与实体聚类的命名实体消歧算法,结合2种方法,可弥补单独使用其中一种方法的局限.该算法在背景文本中将待消歧实体指称扩充为全称,使用扩充后的全称在英文维基百科知识库中生成候选... 详细信息

为了消除文本中命名实体的歧义,提出了一种结合实体链接与实体聚类的命名实体消歧算法,结合2种方法,可弥补单独使用其中一种方法的局限.该算法在背景文本中将待消歧实体指称扩充为全称,使用扩充后的全称在英文维基百科知识库中生成候选实体集合,同时提取多种特征对候选实体集合进行排序,对于知识库中没有对应实体的指称使用聚类消歧.实验结果表明,该算法在KBP2011评测数据上的F值为0.746,在KBP2012评测数据上的F值为0.670.

关键词：命名实体消歧实体链接聚类

在线全文

学校读者我要写书评

暂无评论

基于改进SIFT算法的三维重建技术研究

重庆工商大学学报(自然科学版) 2025年第1期 105-111页

作者：李冉杨超宇安徽理工大学人工智能学院

目的针对三维重建过程中尺度不变特征转换(Scale Invariant Feature Transform, SIFT)算法对噪声敏感，导致特征点提取和匹配的错误和运行时间长等问题，提出一种改进的SIFT算法，旨在提高特征点提取的准确性和减少运行时间。方法改进... 详细信息

目的针对三维重建过程中尺度不变特征转换(Scale Invariant Feature Transform, SIFT)算法对噪声敏感，导致特征点提取和匹配的错误和运行时间长等问题，提出一种改进的SIFT算法，旨在提高特征点提取的准确性和减少运行时间。方法改进的SIFT算法首先对图像的像素点进行遍历，对于每个目标像素点，将其与其8邻域内的像素点进行灰度值比较。如果相邻像素点的灰度值与目标像素点的灰度值之差小于设定的阈值，则将该相邻像素点标记为相似点；根据相似点的数量，确定目标像素点是否为兴趣点，如果相似点的数量满足特定条件，则将目标像素点判定为兴趣点，然后在以兴趣点为中心的区域内使用SIFT算法提取特征点。结果在不同的阈值设置和对不同尺寸图像进行对比实验中，结果显示改进的SIFT算法相较于传统的SIFT算法，在特征点提取正确率上有约10%左右的提升，运行时间节约25%左右。结论实验结果表明：本文提出的改进SIFT算法通过引入对噪声的抑制和对兴趣点的筛选，能够有效提升特征点的提取质量，以及特征点提取和匹配中的错误率，并且显著降低运行时间。

关键词：特征点提取 SIFT 三维重建特征点匹配

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于上下文信息和排序学习的实体链接方法

北京邮电大学学报 2015年第5期38卷 33-36页

作者：谭咏梅王睿李茂林北京邮电大学智能科学与技术中心北京100876

为解决英语命名实体链接问题,提出了一种基于上下文信息和排序学习的实体链接方法.首先使用上下文信息对实体指称进行扩充,并在维基百科中检索候选实体列表;然后通过抽取实体指称与候选实体之间的各类特征,利用List Net排序算法对候选... 详细信息

为解决英语命名实体链接问题,提出了一种基于上下文信息和排序学习的实体链接方法.首先使用上下文信息对实体指称进行扩充,并在维基百科中检索候选实体列表;然后通过抽取实体指称与候选实体之间的各类特征,利用List Net排序算法对候选实体列表进行排序,选出Top1的候选实体作为链接结果;最后对未找到候选的实体指称即NIL实体,通过实体聚类算法进行关联链接.实验结果表明,该方法在KBP 2013实体链接数据集上的F值为0.660,比KBP 2013实体链接评测中所有参赛队伍的平均F值高0.092,比系统BUPTTeam2013的F值高0.162.

关键词：英语实体链接上下文信息排序学习 List Net排序算法实体聚类

在线全文

学校读者我要写书评

暂无评论

面向英语文章的词性标注算法

北京邮电大学学报 2014年第6期37卷 120-124页

作者：谭咏梅吴坤北京邮电大学智能科学与技术中心北京100876

面向英语文章的词性标注是对英语文章实现自动批改的基础,虽然研究者对英语词性标注做了大量有益的研究,但是大多数的研究都面向英语为第一语言的用户,而面向英语为第二语言用户的相关研究则很少.为此,对以英语为第二语言用户的英语文... 详细信息

面向英语文章的词性标注是对英语文章实现自动批改的基础,虽然研究者对英语词性标注做了大量有益的研究,但是大多数的研究都面向英语为第一语言的用户,而面向英语为第二语言用户的相关研究则很少.为此,对以英语为第二语言用户的英语文章进行了人工标注,在此基础上提出了一种面向英语文章的词性标注算法,融合了词聚类、无标语料统计信息、单词发音等特征.实验结果表明,该算法能有效提高词性标注性能,标注正确率从94.49%可提高到97.07%.

关键词：词性标注学生英语文章特征词聚类

在线全文

学校读者我要写书评

暂无评论

基于数据增广和CNN的地震随机噪声压制

地球物理学报 2019年第1期62卷 421-433页

作者：王钰清陆文凯刘金林张猛苗永康清华大学人工智能研究院北京100084 智能技术与系统国家重点实验室北京100084 北京信息科学与技术国家研究中心北京100084 清华大学自动化系北京100084

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一... 详细信息

卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.

关键词：卷积神经网络数据增广地震噪声压制神经网络可视化

简单本体在实用信息抽取中的使用及针对实用本体的高级信息抽取

在线全文

学校读者我要写书评

暂无评论

当代语言学 2013年第2期15卷 230-244页

作者：李宏章毅徐飞玉 Hans Uszkoreit 德国人工智能研究中心

信息抽取是用来理解自然语言文本语义的一种非常实用的方法。而本体则对知识(例如实体和概念间的关系)的定义与建模起重要作用。因此本体经常被用来定义信息抽取任务。高级信息抽取技术,例如复杂的多元关系抽取,可用于学习语言模板,进... 详细信息

信息抽取是用来理解自然语言文本语义的一种非常实用的方法。而本体则对知识(例如实体和概念间的关系)的定义与建模起重要作用。因此本体经常被用来定义信息抽取任务。高级信息抽取技术,例如复杂的多元关系抽取,可用于学习语言模板,进而从自然文本中识别出本体定义的关系,并抽取出这些关系的实例。本文将描述一个为信息抽取任务而设计的本体模型,以及一个关系抽取的框架系统——DARE。DARE使用了机器学习方法,可以自动学习关系抽取的语言模板,并应用这些模板来抽取关系实例。DARE系统已被深度应用于英语文本的关系抽取。本文将进一步使用DARE来处理中文新闻文本,从中学习语言模板和抽取关系实例,并与英文处理的结果进行比较。

关键词：本体信息抽取关系抽取规则自动学习

在线全文

学校读者我要写书评

暂无评论

基于RCF网络的遥感图像场景分类研究

激光与光电子学进展 2021年第14期58卷 68-78页

作者：朱淑鑫周子俊顾兴健任守纲徐焕良南京农业大学人工智能学院江苏南京210095 国家信息农业工程技术中心江苏南京210095

为了提高ResNet50网络对遥感场景图像中目标特征的提取能力和场景分类的可解释性,提出一种基于ResNet50-CBAM-FCAM(RCF)网络的遥感图像场景分类方法。该方法在ResNet50网络中增加卷积注意力模块和全卷积类激活映射分支,利用注意力机制... 详细信息

为了提高ResNet50网络对遥感场景图像中目标特征的提取能力和场景分类的可解释性,提出一种基于ResNet50-CBAM-FCAM(RCF)网络的遥感图像场景分类方法。该方法在ResNet50网络中增加卷积注意力模块和全卷积类激活映射分支,利用注意力机制将分支特征分别与提取的通道注意力特征和空间注意力特征融合,生成各类场景的类激活映射图。实验结果证明,所提方法在数据集AID上的总体分类准确率达到96%以上,在实验数据集NWPU-RESISC45上的总体分类准确率达到93%以上,且类激活映射图可视化结果可以准确聚焦遥感场景图像的目标对象。

关键词：大气光学遥感图像场景分类深度学习网络解释性注意力机制

基于主动半监督学习的镁合金激光焊接表面缺陷识别

在线全文

学校读者我要写书评

暂无评论

中国激光 2025年

作者：唐昆黄钊朱勇建张航曾钢肖宏超周小杰唐伟东张明军毛聪长沙理工大学机械装备高性能智能制造关键技术湖南省重点实验室深圳技术大学工程物理学院湖南省航天航空新型轻合金材料技术创新中心湖南省变形镁合金材料及表面防护工程技术研究中心

针对缺陷识别领域中完全监督学习依赖大量标注数据，以及半监督学习存在的伪标签质量低与类别不平衡等问题，本文提出了一种基于主动半监督学习的镁合金激光焊接表面缺陷识别方法。该方法设计了自适应动态阈值调整模块（ADTAM）和样本... 详细信息

针对缺陷识别领域中完全监督学习依赖大量标注数据，以及半监督学习存在的伪标签质量低与类别不平衡等问题，本文提出了一种基于主动半监督学习的镁合金激光焊接表面缺陷识别方法。该方法设计了自适应动态阈值调整模块（ADTAM）和样本筛选机制（SSM），根据各类别特征动态调整置信度阈值，结合分类与回归损失，设置交并比阈值，优化类别不平衡问题，提高标签的整体质量；采用主动采样与半监督学习相结合的策略，基于概率分布熵进行最具价值未标注数据的主动采样，大幅减少数据标注，提高模型泛化能力。实验结果表明：对于镁合金焊缝表面的小样本复杂形态表面缺陷，所提出方法在识别精度上较其它方法均有不同程度提升，显著降低了误检与漏检，鲁棒性较优，并具备通用性。

关键词：镁合金激光焊接缺陷识别半监督主动学习