赫钦斯的高等教育思想及对我国的启示

本文探讨了语义Web、本体及本体的表示语言OWL。目前,语义Web还是个理想模型,但是随着对本体技术研究的日渐深入,OWL本体理论探索和应用开发逐渐受到广泛重视。     

一种基于关联匹配度计算的语义Web服务匹配方法

在现有的语义Web服务匹配方法基础上加入服务语义关联匹配度计算,从而提出一种改进的语义服务匹配方法。该方法通过语义关联将一对一匹配淘汰的服务进行组合来实现一对多的服务匹配,在得到的候选服务和候选服务集中进一步计算Web服务的匹配度,经过匹配度的排序,得到最佳匹配度的服务。该方法避免了仅从单一接口参数上进行语义服务匹配,能在一定程度上提高匹配的效率,实现查准率、查全率和查询效率之间的有效平衡。     

OWL DL的知识表示与推理研究

语义Web的逻辑基础是描述逻辑,其出现的目的就是为了解决机器和人对知识理解的问题,因此,可以在语义Web的基础上展开推理。传统的推理系统结合语义Web可以克服知识表示方面的缺点,并且有利于知识的共享。探讨了OWL DL作为知识表示形式的优点;通过实例验证了OWL DL关于描述逻辑的推理。     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

一种基于深度学习的实时视频图像背景替换方法

针对视频会话业务的实时性需求,提出一种轻量级深度学习网络模型实现视频图像的实时背景替换功能.网络模型包含语义分割和背景替换两个模块.语义分割模块整体架构采用编解码结构,编码端使用编码器模块、空洞卷积金字塔池化模块、注意力模块以及增益模块提取特征;解码端使用解码器模块、调整模块以及编码器模块恢复图像,再传入背景替换模块完成背景替换.该网络模型在本文设定的数据集训练后分割精确度达到94.1%,分割速度达到42.5帧/s,在实时性和准确性上达到较好的平衡,具有很好的实用效果.     

句法增强的UCCA语义分析方法

考虑到句法结构与语义结构之间的紧密联系, 尝试将句法信息融入UCCA语义分析模型中来增强语义分析的性能。基于目前性能最好的基于图的 UCCA语义分析模型, 提出并比较4种不同的融入依存句法信息的方法。采用SemEval-2019国际评测语义分析任务的英文数据集进行实验, 在本领域和跨领域两个数据集上的结果均表明, 句法增强的方法能够给显著地提高UCCA分析性能。引入BERT特征后, 句法信息仍然可以提供一定的帮助。     

一种主从摄像瞳孔实时精确检测系统

针对瞳孔实时精确检测,提出了一种主从摄像机随动跟踪人眼图像捕获系统用于捕获人眼图像.主摄像机用于定位人脸,从摄像机在云台控制下实时跟踪人眼区域并采集高分辨率人眼图像.为了提高系统的动态性能,针对来自主摄像机分辨率1280×960的人脸图像,采用了一种AdaBoost人脸检测与MOSSE目标跟踪的融合算法,实现了60 fps的人脸快速定位.采用语义分割网络对来自从摄像机的人眼图像进行瞳孔粗定位得到瞳孔感兴趣区域,对瞳孔感兴趣区域采用椭圆拟合算法进行瞳孔精检测.实验结果表明所提出的检测系统及方法可以实现18 fps的瞳孔检测,瞳孔图像有效像素可达2 500以上,检测重复性可达±1.06%.      

UML 2.0的形式化语义研究

由于UML 2.0动态视图缺乏精确的语义,难以对它所表示的系统进行分析和验证.基于此,在描述UML 2.0顺序图和状态图语法和语法约束的基础上,采用可执行的线性时序逻辑语言XYZ/E定义其形式化语义,这样不仅便于UML 2.0顺序图和状态图之间的模型转换,也为使用UML和形式化方法相结合描述软件体系结构的交互行为奠定了基础.     

UML 顺序图的一种形式化描述方法

统一建模语言UML是一种通用的图形化建模语言,在面向对象系统的分析和设计中,它已成为了事实上的工业标准。但UML不是形式化的建模语言,缺乏精确的、形式化的语义,因此阻碍了它的进一步发展。线性时序逻辑是并发或反应式程序动态语义的一种形式化描述语言,它适合用来精确地表示模型的动态语义。本文定义了顺序图的形式化语法,采用线性时序逻辑给出了顺序图的语义描述,并通过实例分析,对模型的某条性质进行了证明,为模型做进一步分析和验证提供了基础。     

语义特征造型的一种约束求解方法

基于历程的特征造型系统在产品模型的可编辑性和易编辑性技术方面存在的问题涉及到了特征造型中的核心技术,尤其在变量、约束的表示及提高约束变量求解的精确性和效率方面。本文在语义特征造型的基础上提出了对约束方程组进行分解,并转化为有约束的非线性优化问题,然后利用遗传算法约束求解,克服了运用几何变量法求解所存在的收敛性差、求解速度慢,以及单独使用遗传算法进行大量搜索与匹配求解速度缓慢的缺点。