导读:本文包含了语义超图论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:超图,语义,概率,模型,数据模型,数据库,工程。
语义超图论文文献综述
王开宇[1](2019)在《基于关系/网状的语义超图多媒体描述模型》一文中研究指出工程施工项目涉及的内容很多,会出现各种各样的专有名词和多媒体内容,如,某两种对象之间含有一系列关系,多对多之间含有某种特殊的关系,这些都可通过语义超图多媒体描述模型用图像的方法表示出来。基于此,笔者讨论了基于关系/网状的语义超图多媒体描述模型,希望对模型的建立有所帮助。(本文来源于《信息与电脑(理论版)》期刊2019年04期)
蒲浩,王雷,李伟,李长淮,魏方华[2](2017)在《基于超图语义模型的铁路站场路网数字化设计》一文中研究指出提出以道路及相关设备为节点、约束关系为边的路网约束关系超图语义模型,全面准确地描述路网复杂耦合约束关系;建立交叉口判别准则,研发交叉口自动判别算法以及路网超图更新算法,实现了路网超图模型的动态维护;以诺尔盖车站工区路网设计为例对模型进行验证,结果表明该模型很好地满足设计需求。此外,该模型可拓展应用于城市路网、地下管线设计等领域。(本文来源于《铁道科学与工程学报》期刊2017年12期)
徐杰[3](2014)在《基于超图融合语义信息的图像场景分类方法》一文中研究指出随着互联网技术与信息产业的发展,以及各种图片分享类网站的出现,如今我们已经步入图像时代。图像是一种直观的媒体资源,在日常生活中扮演着重要角色。图像分类是计算机视觉、机器学习领域的重要研究内容。传统图像分类方法仅使用图像视觉特征,但是图像视觉特征与图像要表达的高层语义之间有很大差别,从而导致分类性能较低。目前,直接从图像底层特征中提取出高层语义信息的方法研究得不多,而与图像相关的标注是图像所表达语义信息最直接的描述,因此,研究者开始将图像标注信息引入到图像分类任务中。随着如Flickr、Facebook等图片共享网站和社交媒体的出现,带标注的图像越来越容易获取,研究如何将标注信息融入到图像场景分类任务中己迫在眉睫。已有研究者使用多模态学习、多任务学习和迁移学习等方法,将图像相关的文本信息引入图像分类任务中,实验表明引入与图像相关的文本信息对图像分类性能有所提升。由于超图可以保留高阶关系,超图学习的方法也可应用到图像场景分类中。现有的基于超图学习的图像场景分类方法,均未考虑各个超边之间的关系。本文通过扩展超图学习模型,将超边间的相关性引入到超图学习中,并把与图像相关的标注信息用来计算超边间的相关性,提出一种基于超边相关性的图像场景分类方法。为验证本方法的有效性,本方法分别在LabelMe、UIUC数据集上做实验,分析各个参数对于本方法性能的影响,并与其他将标注信息引入到图像场景分类的方法做比较,实验结果验证了本方法对超图学习模型扩展的有效性。(本文来源于《北京交通大学》期刊2014-03-01)
任梅,詹永照,潘道远,孙佳瑶[4](2012)在《基于概率超图的视频事件语义检测》一文中研究指出视频事件类别的归属具有模糊性和不确定性,将超图的点边射入矩阵拓展成概率形式的软超图进行关联关系分析和语义分析,将会更有利于提高多事件检索检测的精准率和召回率。提出基于概率超图模型的视频事件语义检测算法(PHVESD)。该方法首先将颜色、灰度共生矩阵、Tchebichef矩、局部二值模式(LBP)等四种底层视觉特征进行融合;然后定义视频段的亲密度函数并利用亲密度的信息构建概率超图模型,其中每条超边对应一种事件语义;采用随机游走过程来预测视频段属于每条超边的概率;最后结合阈值采用条件概率模型对视频段进行事件语义分类。将该方法用于交通突发事件多语义检测中并与其他的识别算法相比较,实验结果表明,与基于超图模型的多标签随机游走算法(MLRW)相比,PHVESD的算法使多语义事件检测的准确率提高了10%,召回率提高了8%。(本文来源于《计算机应用》期刊2012年11期)
代东锋,詹永照,柯佳[5](2013)在《基于时序概率超图模型的视频多语义标注》一文中研究指出在基于语义的视频检索系统中,为了弥补视频底层特征与高层用户需求之间的差异,提出了时序概率超图模型。它将时间序列因素融入到模型的构建中,在此基础上提出了一种基于时序概率超图模型的视频多语义标注框架(TPH-VMLAF)。该框架结合视频时间相关性,通过使用基于时序概率超图的镜头多标签半监督分类学习算法对视频镜头进行多语义标注。标注过程中同时解决了已标注视频数据不足和多语义标注的问题。实验结果表明,该框架提高了标注的精确度,表现出了良好的性能。(本文来源于《计算机工程与应用》期刊2013年04期)
顾宁,郭玉钗,林宗楷[6](1996)在《基于关系/网状的语义超图多媒体描述模型》一文中研究指出本文提出了基于关系/网状的语义超图描述模型及各种操作。引入面向对象的方法,统一描述对象和元组。提出了对象间的语义联系、基于联系的各种操作和施加于对象的方法机制。在语义超图层次,描述和操作了不同语义类的对象;在语义子图层次,描述了每一语义类的对象间的多对多关系及其操作。因此,该模型可用于描述和处理工程领域中不同语义类多对多关系的复杂多媒体对象(本文来源于《计算机辅助设计与图形学学报》期刊1996年06期)
语义超图论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
提出以道路及相关设备为节点、约束关系为边的路网约束关系超图语义模型,全面准确地描述路网复杂耦合约束关系;建立交叉口判别准则,研发交叉口自动判别算法以及路网超图更新算法,实现了路网超图模型的动态维护;以诺尔盖车站工区路网设计为例对模型进行验证,结果表明该模型很好地满足设计需求。此外,该模型可拓展应用于城市路网、地下管线设计等领域。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义超图论文参考文献
[1].王开宇.基于关系/网状的语义超图多媒体描述模型[J].信息与电脑(理论版).2019
[2].蒲浩,王雷,李伟,李长淮,魏方华.基于超图语义模型的铁路站场路网数字化设计[J].铁道科学与工程学报.2017
[3].徐杰.基于超图融合语义信息的图像场景分类方法[D].北京交通大学.2014
[4].任梅,詹永照,潘道远,孙佳瑶.基于概率超图的视频事件语义检测[J].计算机应用.2012
[5].代东锋,詹永照,柯佳.基于时序概率超图模型的视频多语义标注[J].计算机工程与应用.2013
[6].顾宁,郭玉钗,林宗楷.基于关系/网状的语义超图多媒体描述模型[J].计算机辅助设计与图形学学报.1996