导读:本文包含了语义字典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:语义,字典,智能,数据,多字,图像,规则。
语义字典论文文献综述
王兵,华骅,肖龙[1]（2019）在《基于语义多字典的红外图像超分辨率重建算法》一文中研究指出由于受光学系统及红外焦平面器件性能的影响,红外摄像头分辨率通常较低。针对该问题,提出了一种基于语义多字典的红外图像超分辨率重建算法。首先,根据语义信息将图像分成若干类别;然后,对不同语义的图像类型进行稀疏字典训练,并在重建过程中根据图像的语义选择合适的字典进行重建;最后,试验结果表明,该算法能够有效提升红外图像分辨率。(本文来源于《指挥信息系统与技术》期刊2019年03期）
赵海英,陈洪,贾耕云,郑桥,王绍杰[2]（2019）在《基于字典学习的民族文化图案语义标注》一文中研究指出民族文化图案是中华民族宝贵财富,对民族文化图案进行语义标注与分析,是挖掘其文化价值,进行再创作与应用的基础.本文以此为研究对象,在多分类字典学习的基础上,提出了一种多标签字典学习标注算法SCMIDL.算法结合字典不相关性与系数相似性,有效提高了多标签标注性能,实现了民族文化图案的自动标注.在收集并构建的叁类民族文化图案数据集进行多标签语义标注实验,实验结果验证了算法的有效性.(本文来源于《中国科学:信息科学》期刊2019年02期）
杜翠凤,陈雍君,沈文明,李建中[3]（2019）在《基于语义规则和关联规则的特定领域中文术语字典的构造》一文中研究指出针对当前特定领域中文术语字典构建工程量巨大、自动化程度低的问题,提出一种基于语义规则和关联规则的特定领域的中文术语字典构造方法,以提高构造中文术语字典的智能化程度,减少人工的参与。将语义规则和关联规则引入特定领域中文术语字典的构造,在分词基础上,采用互信息、上下文以获取种子词;其次,以改进Textrank创建新术语或对现有的术语进行扩展;最后,结合语义规则和关联规则优化本领域的术语,形成特定领域、动态更新的中文术语字典。实验证明:本文提出的方法提高了特定领域术语提取的概率和效率,能够从语义层面为智能信息检索与集成、潜在语义分析提供更有效、精准的信息服务能力。(本文来源于《移动通信》期刊2019年02期）
陈鹏,王刚,肖宇亮[4]（2017）在《智能制造测控装备语义化描述和数据字典标准的示范应用》一文中研究指出本文着重介绍了《智能流量仪表语义化描述的数据结构和元素》,《智能制造测量装备语义化描述和数据字典通用要求》,《智能制造控制装备语义化描述和数据字典通用要求》,《智能制造测控装备分类和编码》这4个国家标准(GB)中的相关术语在重庆川仪自动化股份有限公司流量仪表分公司的运营生产流程中的实际应用。在应用中,首先构建了标准验证用的信息化集成平台,并使用新的国家标准,对作为示范应用的测控装备-电磁流量计进行了相关专业术语及编码的转化;然后,在该验证平台上,将转化后的术语以及编码在流量仪表分公司运营的4个主要环节:销售合同管理、设计研发、生产计划及生产制造进行了实际的应用。(本文来源于《仪器仪表标准化与计量》期刊2017年06期）
刘天亮,徐高帮,戴修斌,曹旦旦,罗杰波[5]（2017）在《稀疏字典驱动高阶依赖的RGB-D室内场景语义分割》一文中研究指出为利用高阶条件随机场有效标注室内场景,文中提出一种稀疏字典驱动高阶依赖的RGB-D颜色-深度图像语义分割法。首先,利用融合深度的多尺度组合成组的全局概率边缘超度量图分层法过分割彩色-深度图像。然后,提取场景中各个超像素区域的视觉特征,构建超像素标签池并用于训练支持向量机分类器。接着,计算超像素一元势能和相邻超像素成对项势能;同时,以每一类超像素区域内关键点特征的稀疏编码子之和的直方图统计作为高阶势能。最后,利用融合自顶向下的判别性类别成本的条件随机场模型推理实现语义标注。实验表明,与其他方法相比,该方法能得到视觉表现力更强、准确率更高的语义标签图。(本文来源于《南京邮电大学学报(自然科学版)》期刊2017年05期）
汪烁,王春喜[6]（2017）在《工信部智能制造专项《智能制造测控装备语义化描述和数据字典标准研究与验证平台建设》项目进展》一文中研究指出智能制造测控装备语义化描述和数据字典标准研究与验证平台建设是2015年工信部智能制造专项综合标准化试验验证项目之一。本文介绍了该项目的实施背景、标准制定、验证平台建设以及示范应用工作的情况。(本文来源于《中国仪器仪表》期刊2017年09期）
刘佳伟[7]（2017）在《基于形态学信息与语义字典的词向量提升》一文中研究指出针对当前传统词向量模型只能捕捉词层面的语义信息,忽视了单词内部语义信息以及无法有效区分反义词的不足,本文凝练出两个科学问题:1、如何将单词形态学信息融入词向量训练过程中,以此提升词向量的语义相似性以及形态相似性;2、如何提升词向量区分反义词的能力。针对科学问题1,本文以英文为例,将英文单词中的前缀、后缀、词根等形态学信息融入到词向量训练过程中,并提出两种隐式词向量提升模型:均衡模型和相似度模型。与相关工作对比,本文提出的模型具有较大不同,主要体现在:相关工作普遍直接利用单词的词素信息去提升词向量,而本文则利用词素在字典中的解释对单词进行建模。该方法的优点在于其不但可以很好的提高单词的语义相似性,同时能很大程度上提升单词的形态相似性。本文在词意关联检测、句法类比和N近邻单词实验上对均衡模型和相似度模型进行了测试。实验结果表明本文提出的隐式模型在所有任务上均取得最优结果。参数分析结果表明:在隐式模型的词向量空间中,形态相似的单词不但距离彼此较近,而且也都分布在其词素意义周边。此外,隐式模型具有补充语义的能力,其在小文本上取得了和基准模型在大文本上相当的表现。因此,隐式模型在处理资源匮乏的语言时具有优势。针对科学问题2,本文基于外部语义字典,提出一种词向量纠正模型LWET。该模型利用字典中单词的近义关系和反义关系来调整词向量在空间中的分布,使得词向量区分反义词的能力得到增强。模型的主要目标是使近义词离目标词最近,反义词离目标词最远,无关词位于近义词和反义词之间充当间隔。为降低模型求解的复杂度,本文提出两种近似算法,包括正采样算法和类层次softmax算法。其中正采样算法时间复杂度最低,类层次softmax算法复杂度略高,但效果更好。本文在反义词识别、正、反义词消歧和词意关联检测实验上对LWET进行了测试。其中,反义词识别和正、反义词消歧主要用于检测词向量区分反义词的能力,实验结果表明经由LWET调整,词向量能有效区分单词间的反义关系。词意关联检测实验结果显示,LWET在调整词向量空间分布时,不会对原有词向量的语义结构造成破坏。(本文来源于《中国科学技术大学》期刊2017-04-01）
王春喜,汪烁[8]（2016）在《智能制造测控装备语义化描述和数据字典标准研究与验证平台建设》一文中研究指出1立项背景随着智能制造的发展,大量智能制造装备及产品信息需要交换和共享。语义化描述和数据字典是制造信息查询、统计、交换、处理、统一管理的前提和基础。采用标准化的方法进行语义描述、建立公共数据字典是实现智能装备数据交换与共享的关键所在。数据字典旨在解决工业自动化领域不同用户、不同企业、不同行业间对测控装备单独进行分类和描述而造成的"信息孤岛"问题,提高数据的一致性和互操作性。为此,2015年智能制造专项中设立了"智能制造测控装备语义化描述和数据字典标准研究与验(本文来源于《中国仪器仪表》期刊2016年11期）
裘咏霄[9]（2016）在《基于语义字典的隐私保护研究》一文中研究指出伴随着互联网技术和移动终端设备的迅速普及,依托网络实现资金支付、融通以及进行信息中介服务的互联网金融获得迅速发展。越来越多的用户选择在互联网进行信息的搜集、商品买卖、资金交易等。然而用户的检索内容在很大程度上能够暴露用户的隐私,这使得用户安全受到威胁。本文采用基于语义字典的方法为用户提供模糊检索,扩大检索范围,减少隐私暴露。(本文来源于《智富时代》期刊2016年S1期）
徐高帮[10]（2016）在《基于高阶CRFs和稀疏字典学习的场景语义解析》一文中研究指出图像语义标注作为场景理解中的一个基本问题,已成为计算机视觉领域研究的热点;并广泛应用于探险搜索、自动导航、安全防护、医疗护理等领域,具有重要的学术研究和工程应用价值。于是,本文设计了一种基于高阶条件随机场(CRFs)和稀疏字典学习的场景语义标注框架。首先,利用融合深度的多尺度分层过分割法获得场景的超像素区域;接着,利用融合区域级多模态感知线索特征的二阶CRFs模型,实现基于自底向上区域级表达的图像场景标注;然后,利用不同类别统计先验约束判别性视觉特征的稀疏字典表示,构成基于判别性稀疏字典学习的高阶CRFs模型,实现基于自顶向下语义类别判别成本约束的场景语义标注。针对目前快速的非监督过分割方法在复杂场景中难于获得与目标物体的一致性边缘,本文提出采用基于多源感知多尺度组合成组的全局概率边缘超度量图(gpb-ucm)分层方法进行过分割待标注的RGB-D场景。首先,利用场景中图像色彩、纹理及深度等感知线索,基于gpb-ucm分割法进行多尺度分层过分割得到不同尺度下的过分割区域图;然后,基于投影变换配准每个尺度的过分割区域图;最后,融合合并各个尺度配准下的过分割区域的边缘权值,以实现合成最终的分层分割区域图。NYU Depth V2数据集上实验表明,基于深度信息和多尺度融合改进过分割法,能提升划分待解析场景超像素区域的目标物体边缘性能,为后续基于以超像素分割区域为节点的概率图模型的语义标注框架提供紧凑且可靠的场景结构表达。鉴于传统场景语义标注方案中单一模态局部特征的表达能力欠佳和局部特征信息难于捕获上下文语义标签之间有效依赖的问题,本文提出一种基于自底向上多模态特征融合的二阶CRFs模型建模场景上下文关系的图像语义标注方法。首先,以即得场景过分割区域为节点,分别提取并归一化以颜色驱动的核描述子外观特征和以深度驱动的HHA几何特征。接着,拼接各个超像素区域节点即得的归一化多模态视觉特征向量;利用支持向量机(SVM)分类器判别超像素区域相应的语义类别得分作为该CRFs模型中各节点的一元项势能;以相邻超像素过分割区域中LUV空间色彩特征差异为该CRFs模型中邻域边的成对项势能,自底向上构建待解析场景区域级表示的概率图模型。然后,在结构化支持向量机框架SSVM下,最小化训练集中基准标注图与基于该CRFs推断的标注图之间的误差,基于BCFW(Block Coordinate Frank-Wolfe)优化方法学习该二阶CRFs模型参数。最后,给定CRFs模型和测试图像时,在最大化后验概率MAP框架下,基于图分割方法推断待解析场景的语义标注结果。NYU Depth V2数据集上的实验表明,基于深度信息和多模态特征融合的二阶CRFs模型标注框架,能解析推断出视觉表现力更强、标注准确率更高的语义标注图。为了克服场景标注中局部上下文信息难以捕获长距离超像素区域视觉表达和目标对象之间的相互依赖关系的问题,本文提出一种基于自顶向下判别性稀疏字典学习高阶条件随机场模型的图像标注方法。首先,按照每个不同语义类别,分别提取相应过分割区域中的视觉特征;采用字典学习方法稀疏编码每个类别的视觉特征,以初始化各个特定类别的相应稀疏字典;在上述二阶CRFs模型标注基础上,引入每一语义类的稀疏编码子直方图高阶约束成本,构建基于自顶向下高阶CRFs的标注模型。然后,在结构化支持向量机框架SSVM下,最小化训练集中基准标注图与高阶CRFs模型推断的标注图之间的误差过程中,先固定高阶CRFs模型参数基于梯度下降法递进式学习相应稀疏字典表示;后固定稀疏字典基于BCFW优化方法进行交替式学习高阶CRFs模型参数。最后,给定高阶CRFs模型和测试图像时,在最大化后验概率MAP框架下,利用稀疏字典表示,按照统计超像素区域每个类别的方式统一高阶势能项与一元势能项,基于图分割方法推断待解析场景的语义标注图。在NYU Depth V2和GRAZ02数据集上实验证明,与其他高阶模型相比,本文高阶模型具有更强判别能力,相应的标注框架能提升目标物体标注的精度。(本文来源于《南京邮电大学》期刊2016-11-18）
语义字典论文开题报告
（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：
民族文化图案是中华民族宝贵财富,对民族文化图案进行语义标注与分析,是挖掘其文化价值,进行再创作与应用的基础.本文以此为研究对象,在多分类字典学习的基础上,提出了一种多标签字典学习标注算法SCMIDL.算法结合字典不相关性与系数相似性,有效提高了多标签标注性能,实现了民族文化图案的自动标注.在收集并构建的叁类民族文化图案数据集进行多标签语义标注实验,实验结果验证了算法的有效性.
（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。
语义字典论文参考文献
[1].王兵,华骅,肖龙.基于语义多字典的红外图像超分辨率重建算法[J].指挥信息系统与技术.2019
[2].赵海英,陈洪,贾耕云,郑桥,王绍杰.基于字典学习的民族文化图案语义标注[J].中国科学:信息科学.2019
[3].杜翠凤,陈雍君,沈文明,李建中.基于语义规则和关联规则的特定领域中文术语字典的构造[J].移动通信.2019
[4].陈鹏,王刚,肖宇亮.智能制造测控装备语义化描述和数据字典标准的示范应用[J].仪器仪表标准化与计量.2017
[5].刘天亮,徐高帮,戴修斌,曹旦旦,罗杰波.稀疏字典驱动高阶依赖的RGB-D室内场景语义分割[J].南京邮电大学学报(自然科学版).2017
[6].汪烁,王春喜.工信部智能制造专项《智能制造测控装备语义化描述和数据字典标准研究与验证平台建设》项目进展[J].中国仪器仪表.2017
[7].刘佳伟.基于形态学信息与语义字典的词向量提升[D].中国科学技术大学.2017
[8].王春喜,汪烁.智能制造测控装备语义化描述和数据字典标准研究与验证平台建设[J].中国仪器仪表.2016
[9].裘咏霄.基于语义字典的隐私保护研究[J].智富时代.2016
[10].徐高帮.基于高阶CRFs和稀疏字典学习的场景语义解析[D].南京邮电大学.2016
论文知识图
