基于傅立叶描述子-BP神经网络的手势识别方法

针对手势识别中人手是复杂变形体,手部特征描述容易受到环境因素影响的特点,提出了一种基于傅立叶描述子-BP神经网络的手势识别方法.首先根据YCbCr和Nrg肤色模型的互补性以及背景模型有效去除复杂背景中的类肤色的特点,利用多特征相融合的手势分割方法提取手势区域;然后结合傅立叶描述子具有较好的轮廓描述能力和BP神经网络较强的自学习能力,利用傅立叶描述子-BP神经网络方法对手势进行识别.实验结果表明此方法具有较好的鲁棒性和较高的识别率.     

从“兵”看军语语义扩展

“兵”是军语中的基本语词之一,其使用频率高,构词力强。依据认知语义学中的隐喻和转喻理论对“兵”的语义扩展认知机制进行分析,可以发现,在“兵”的语义扩展的过程中,语义的辐射型变化交织着连锁型变化,隐喻和转喻从中共同发挥作用,它们是其语义发展的两条主要认知途径。考察“兵”的语义扩展可以为认识军语语义扩展的普遍规律提供启示。     

"生物信息"概念的隐喻解释困境及其意义

本文通过剖析"生物信息"概念隐喻解释的本质,指出分子生物学中的生物信息概念并不是生物分子世界内在意义的表达,而是科学家将符号序列作为符号存在的主体性认识的结果;认为隐喻解释作为强微观还原论的产物,其实质否定了生物信息概念在生物学中的自主性.然而,正是隐喻解释下的科学研究所引发的生物语义思考,为研究生物分子内在的符号系统、探寻生物信息的生成机制、进而建构完善的生物符号学体系提供了有益的思想前提.     

Cloud-SHOIQ: 描述逻辑SHOIQ的云扩展

经典描述逻辑是本体的重要表示方式,但不能表达不确定知识.分析了扩展描述逻辑表达不确定知识的研究现状及存在的问题,通过结合云模型(Cloud model)、描述逻辑SHOIQ及模糊逻辑提出了一种基于云的模糊描述逻辑C-SHOIQ表达不确定知识,给出了C-SHOIQ的语法、语义,并以实例分析了C-SHOIQ具有处理知识的随机性和模糊性的能力.给出了C-SHOIQ的推理方法,及映射C-SHOIQ知识库为经典SHOIQ知识库的改进规则.分析说明了C-SHOIQ是对模糊SHOIQ表达能力的扩展.     

文化性隐喻翻译的走失与补偿

语言、文化与翻译密切相关,若要把翻译做好,就要处理好与语言和文化这两者的关系。隐喻是一种具有鲜明文化特色的修辞手法,进行翻译时不可避免会造成信息的走失。该论文指出在翻译过程中,具有文化色彩的隐喻信息走失的情况,并提出几种具体的补偿手段以减少翻译中信息的损失。     

从转喻到隐喻的渐变——习语的形成与理解的认知理据

隐喻和转喻作为两种不同的认知机制,不仅有明显的差异,同时相互影响,两者之间存在复杂的相互作用。以Deignan提出的“从转喻到隐喻的五个渐变”的观点为基础,以汉英习语为例,分析习语形成和理解的认知理据。揭示了转喻和隐喻的相互作用是一个渐变性的过程,也为习语的认知研究提供一种新的思路。     

英语习语中的语音隐喻

语音隐喻自提出以来并没有受到学术界的广泛关注。究其原因很可能是其提出者将语音隐喻的概念理解得过于狭隘,从而限制了其研究和应用的范围。尝试利用语音隐喻来解释英语习语中丰富的语音修辞手法这一现象,以此为习语语音特征的研究找到认知和心理方面的依据,并扩大语音隐喻的研究范围。     

论中国传统哲学隐喻化的语言观

对于语言的研究已经认识到,语言有两种基本的先天本能：逻辑性和隐喻性。中国传统哲学一开始就表现出了轻逻辑、重隐喻的倾向,从儒家、道家到禅宗,中国传统哲学中语言隐喻化的倾向越来越明显,范围越来越大,以至于最后从语言内部的微隐喻走向了不仅仅局限于语言的宏隐喻。这种一贯的隐喻风格是理解中国传统哲学独特言观之谜的一把钥匙,同时也是造成中国传统哲学轻视自然和科学,重视人伦政治这一特质的重要原因之一。     

支持向量域多分类器

为解决多分类支持向量机计算量大、训练时间长的问题,构造了支持向量域多分类器(MSVDC).在训练阶段,运用支持向量域描述求得各类样本的最小包围超球,进而将数据空间划分为不同区域;在测试阶段,计算待识别样本与最小包围超球球心的距离,并判断其空间位置;对超球重叠以及超球外区域的样本,定义一种相对类距离,判断样本归属该值较小的类.MSVDC避免了重复利用训练样本,降低了内存占用并提高了计算效率.数值实验结果表明:MSVDC具有好的鲁棒性,分类精度可高达98.89％,分别比一对多和一对一算法高4.51％和1.24％,训练时间分别为一对多和一对一算法的18.06％和55.41％.     

基于SVDD时段细化的间歇过程故障监控

针对多向主元分析(MPCA)在间歇过程故障监测应用中经常面临的分段不准确问题,提出了一种新的基于支持向量数据描述(SVDD)的两步分段方法,从而提高分段的准确性和故障监测精度。第一步分段采用机理知识与现场数据相结合的思想,对MPCA模型的负载矩阵进行修正。将采样时间引入负载矩阵中,增大模型差异性,从而避免了故障数据导致的分段错误。第二步利用支持向量数据描述方法将初步划分的各子时段进一步细分,严格区分各子时段中的稳定与过渡时段,进一步提高分段的准确性。同时,给出基于上述分段技术的间歇过程在线故障监测算法,可以实时地监测现场数据。最后将该方法应用于青霉素间歇过程的在线监测,结果表明:该方法能够细致刻画过渡过程信息,比常规MPCA方法能够更早地检测出故障,并避免了误报。