产品的特征功能表达模型及其基因编码

深入研究产品的特征基因范式表达、特征融合要求和特征坐标变换算法,得到产品的特征表达模型.同时通过分析研究产品功能定义、功能表达和功能模型,建立了产品的功能模型.在产品特征表达模型和功能模型的基础上,进一步将产品功能分解并映射成特征,最后通过对产品特征的基因编码来描述产品功能,为产品的智能化设计奠定基础.     

基于语义的矿山多模型建模方法

矿山三维模型的构建方法复杂且多样,其应用范围也因需求的不同而具备多层次性的特点,以矿山地质过程和矿山三维建模算法为基础,提出了矿山建模的语义三维尺度概念,对语义环境下矿山空间多模型建模理论进行了探讨,以矿体品位模型为例,描述了基于语义的矿山多模型建模过程和方法.     

基于知识的多媒体创作模型

通过对传统方法进行分析，引入语义网络的知识表示方法，将面向对象技术与超媒体方法相结合，提出了一个基于知识的多媒体创作模型（ＫＡＭ），给出了ＫＡＭ模型的形式化定义，并对该模型的结构进行了讨论。ＫＡＭ模型具有以下特点：（１）支持结构与内容的分离：（２）支持复合机制；（３）基于语义的导航，有效地避免了在交互性系统中的迷路问题；（４）独立的链服务功能和管理功能，保持系统的开放性、可扩充性。     

混合语义模型的产品知识文档检索

为解决产品知识文档检索过程中遇到的问题,提出一种基于混合语义模型的检索方法.该方法将传统的用户查询需求扩展为用户偏好、语境和用户查询混合而成的语义集合,并对知识文档和用户需求进行基于本体的模糊概念表达.对于知识文档,选择领域本体的叶节点来构造文本概念向量,根据概念在本体图中的深度、携带的信息量,及出现在文档与语料库中的频度来计算权重.同样采用本体表达知识语境与查询语义,建立用户偏好模型.针对检索模型的不同组成,阐述了相应的相似度计算方法,采用概念的语义距离计算用户当前语境和文档语境之间的相似度,用余弦法计算查询语义、用户偏好与文档的相似度.最后用实验验证了该方法的检索效果优于传统的向量空间方法.     

基于Ontology的语义Web知识获取

如何在web上设计更好的检索技术？如何为Web上的资源附加计算机可以理解的内容？这是web应用的前沿课题，本文论述了Ontology及其在语义Web知识获取中的重要性，提出了基于Ontology的语义Web知识获取的模型，并对一种基于语义Web的信息检索模型进行了探讨，给出了实验结果证明了该方法的有效性和可行性。     

基于语义网络模型的面向装配的设计研究

对并行工程下面向装配的设计（ＤＦＡ）进行了研究，总结了ＤＦＡ的一般原则，引入了适于ＤＦＡ的产品装配结构的语义网络模型及其描述语言即功能描述语言，并通过实际的例子说明了这种模型在ＤＦＡ中的具体应用。     

基于限制的OLAM任务语义模型

通过对大量决策分析算法的分析,提出了基于限制(Constraint)的OLAM任务语义模型,该模型从一定的逻辑高度对OLAM进行抽象,利用它可以分析OLAM任务的共性,提取OLAM任务执行时的基本操作,这些基本操作的基础是语义片断。文中给出了语义片断之间关联关系的分析和判断方法,提出了基于限制的、具有方向性的语义关联度定义。语义片断间关系的确定是OLAM任务/事务优化的基础。     

基于网格的资源语义模型研究

现有的网格服务不能较好地满足用户的需求,对用户的需求缺乏语义,不能满足用户需求的动态变化．提出在网格中建立基于语义的资源模型,主要包括资源的本体描述、网格资源的加入和更新,以更好地实现用户需求的智能．     

基于语义的逻辑模型优化研究

在不改变模型结构的基础上,从语义描述的角度,根据模型扩展原则和优化指标确定扩展内容,采用扩展参照实体的标准值方式,通过语义约束来更好的响应企业的业务变化需求。从而有效的保证逻辑模型的实用性,稳定性,和可持续性。     

基于网络行为和协议的多分网络流量建模

通过对网络行为的分析,量化了用户的行为、网络业务、传输控制对网络流量多分形的影响,分析了影响多分形特性的物理成因以及网络协议构成对流量多分形特性的影响,并建立了基于网络行为和协议构成的多分网络流量模型.     

基于LDA模型与语义网络对评论文本挖掘研究

通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDA topic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性。     

基于语义对齐的生成式文本摘要研究

针对当前生成式文本摘要模型在解码时对摘要整体语义信息利用不充分的问题,提出一种基于语义对齐的神经网络文本摘要方法.该方法以带注意力、Pointer机制和Coverage机制的Sequence-to-Sequence模型为基础,在编码器与解码器之间加入语义对齐网络,实现文本到摘要的语义信息对齐;将获得的摘要整体语义信息与...     

语义分布式网络技术初探

语义网是互联网的发展趋势,分布式网络技术属于当前应用广泛的新技术,第三代分布式网络比前两代分布式网络具有更好的节点管理、网络可扩展性和较好的搜索效率,但不支持语义查询.论文对语义网和分布式网络技术展开研究,就如何能够在分布式网络中支持语义查询、提高搜索效率等问题进行探讨.     

实时语义图像分割模型研究

为了实现快速语义图像分割,提出一种简化整合模型.首先,对频域视觉注意模型PQFT的四元数图像虚部系数进行简化改进.然后,将改进PQFT模型的显著图与简化PCNN的内部活动项结合起来对显著目标区域进行粗略定位,并以提出的显著目标区域均值的3/2倍进行精细分割.最后,根据"尺寸变化与否"准则判断输出正确的语义图像分割结果.实验结果表明,提出的整合模型具有实时性,且取得的AUC值和F值较原PQFT模型分别提高了29.9%和44.2%.     

基于语义网络的古建筑图像数据库的查询策略

研究古建筑图像数据库的基于语义网络的查询策略,提出语义网络的初始构建方法,给出了语义网络的训练、低层特征的图像信息的查询,实现了一个简单的查询系统.     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

一种基于自学习的动态语义网络的图像检索方法

基于关键字和基于内容的图像检索是图像检索系统中的两种重要方法.而当今,图像检索系统重点强调在图像检索过程中,高层语义与低层视觉特征的结合.最近,一些研究者在检索周期中采用用户互交,使用上述方法和半自动图像检索的结合,取得了一些成果,但没有自学习的动态语义功能,检索效率不高.论文给出的方法是基于一个分层的语义网络,在图像检索领域能够响应不能的需求,并且根据用户的反馈,执行一个新的动态学习检索过程,可以明显的提高图像检索效率.