特征编码

摘要： 关系抽取是自然语言处理领域的一项基础研究,抽取的结果可以用于知识图谱构建、人机问答、语义搜索等下游任务,具有广泛的应用场景和重要的研究价值。近年来,关系抽取研究取得了丰富的成果,但绝大多数研究局限于句子级关系抽取。研究表明,大量的关系无法通过单个句子提取,随着深度学习和自然语言处理技术的不断发展,文档级关系抽取研究工作迎来了新一轮的机遇和挑战。文中着重对近几年文档级关系抽取的研究进展进行分类和梳理,提炼出文档级关系抽取的一般技术路线图,分析文档级关系抽取研究的特征编码及特征聚合方法,并根据提取特征的不同,将文档级关系抽取方法概括为基于词汇特征、基于句法特征以及基于关系特征的3类方法;同时介绍常用文档级关系抽取数据集和评测指标,并对未来的研究趋势进行展望。

摘要： 本文在机场环境下,由于天气/激光雷达视角以及飞机本身相互遮挡问题,导致激光雷达获取的点云不完整,提出了一种基于深度学习的激光雷达点云补全算法,通过改进PCN网络模型实现点云补全的算法。编码层基于PointNet(Point Completion Network)网络结构,扩展增加一层多层感知器(Shared MLP)和逐点最大池化层(Point-feature Maxpool)组合,并联合第一层池化层的结果作为输入实现点云补全。实验结果表明,改进模型点云数据更加稠密均匀,物体轮廓特征细节部分补全效果更好。

摘要： 使用有效的特征提取算法对虹膜纹理进行准确的表达是虹膜识别技术的关键。基于虹膜识别任务的特殊性,提出了用于虹膜特征编码的网络模型IrisCodeNet。该网络架构使用了改进的BasicBlock,并结合了可以扩大决策边界的损失函数AM-Softmax(additive margin softmax)。为了获取最佳的虹膜识别效果,对AM-Softmax的参数设置、虹膜图像预处理输入形式、数据增强方式、网络输入尺寸做了细致的研究。实验结果表明:使用IrisCodeNet训练得到的特征提取器在CASIA-Iris-Thousand、CASIA-Iris-Distance、IITD虹膜数据库上进行测试,所评估的等错误率(equal error rate,EER)和正确接受率(true acceptance rate,TAR)均远远超过了广泛应用的传统算法。特别地,IrisCodeNet无需传统的虹膜归一化或精确的虹膜分割步骤依然取得了极好的识别效果。并且使用Grad-CAM(gradient-weighted class activation mapping)算法进行了可视化分析,结果表明该网络框架有效地关注了虹膜纹理信息,从而证明了IrisCodeNet具有较强的虹膜纹理特征提取能力。

摘要： 针对视角变化、光照变化、大尺度和动态物体等复杂场景下,移动机器人定位的准确性低、鲁棒性差等问题,提出基于特征编码和动态路由优化的视觉定位方法。首先,引入基于残差网络的特征编码策略,提取图像的几何特征和语义特征,减少图像噪声信息,加快模型的收敛速度;其次,通过熵密度峰值优化网络的动态路由机制,采用向量表示特征之间的空间位置关系,提升图像特征提取和表达能力,优化网络整体性能;最后,融合优化后的特征编码和动态路由网络,将全局特征描述符和特征向量相结合,保留特征间的差异性和关联性,计算图像特征的相似性用于闭环检测。实验结果表明,相比基于VGG、AlexNet、BoVW及GIST的视觉定位方法,所提方法的准确率分别提高了24.54%、23.06%,43.81%和42.69%,实现了复杂场景下移动机器人闭环检测,提高了定位和建图的准确性和鲁棒性。

摘要： 在对恶意代码进行检测和分类时,由于传统的灰度编码方法将特征转换为图像的过程中,会产生特征分裂和精度损失等问题,严重影响了恶意代码的检测性能.同时,传统的恶意代码检测和分类的数据集中只使用了单一的恶意样本,并没有考虑到良性样本.因此,文中采用了一个包含良性样本和恶意样本的数据集,同时提出了一种双字节特征编码方法.首先将待检测的PE文件特征编码为二进制数,从单个特征中取前两个字节,然后将所有字节转换为图像,最后通过卷积神经网络提取特征并在测试集上进行验证.实验表明,通过将待检测的PE文件的特征进行双字节编码处理,相对于同等条件下的灰度编码方法,其准确率从81.4％提升到92.82％.实验结果证明双字节特征编码方法能够有效地应用于恶意代码检测中.

摘要： 针对基于模型的产品研制模式对于工艺设计提出的关于数据重用、自动生成的新要求,结合当前繁重的工艺设计工作仍然过多依赖于人工和经验的现状,面向工程研制向智能化、知识化转化的需求,对智能化、快速化的工艺设计技术进行了研究.提出基于MBD数据元素自动提取与识别技术对零件特征进行编码,形成特征矩阵以进行相似度计算,以推荐相似零件工艺设计实例进行复用,并根据工艺规则实现工艺参数和工艺资源的推理与推荐.通过将历史工艺数据转化为型号研制工作所需的基础工艺知识以及工艺知识的集成应用提高工艺设计效率.

摘要： 局部聚合描述子向量(vector of locally aggregated descriptors,VLAD)是一种硬编码方式,会导致较大的量化损失。为了解决此问题,提出了一种基于内积加权的VLAD编码(inner product weighted vector of locally aggregated descriptors,IPWVLAD),它是一种软编码方式,为图像中的每个描述子寻找若干个近邻的基向量,并采用内积编码的方式生成权重信息添加到累积残差中。对于最近邻的基向量和描述子之间的残差给予最大的权重,对于次近邻的情况依次赋予越来越小的权重。在Corel 10、15 Scenes、UIUC Sport Events数据集上的实验结果表明,与已有的4种基于VLAD的方法和2种常用的表示方法相比,本文所提出的IPWVLAD编码获得了较好的分类性能。

摘要： 针对卷积神经网络算法在大规模故障数据集检测中出现的故障敏感度低、部分特征丢失等问题,提出一种基于优化胶囊网络算法的机械故障检测方案.胶囊网络算法采用多神经元封装的胶囊体结构设计,且包含多个胶囊层,具有更强的故障数据处理能力和泛化能力;经过squash函数挤压后的胶囊矢量可以更准确地提取和描述故障特征;升维胶囊矢量,基于特征编码和归一化的处理方式,可得到更准确的故障分类结果.实验结果显示:优化胶囊网络算法具有更强的故障特征聚类性能和迭代运算性能,故障集检测精度值高于经典卷积神经网络算法.

摘要： 搜索式无载体信息隐藏方法无需修改载体即可嵌入秘密信息,可有效维持秘密信息的不可感知特性,但算法性能极度依赖文本大数据集.基于此,提出一种基于声调特征映射的文本无载体信息隐藏方法.该方法通过声调特征编码获取文本的特征序列,利用特征匹配与指定匹配算法构建文本与秘密信息的映射关系,直接从文本集中检索符合映射关系的文本并发送,以此实现秘密信息的隐蔽传输.实验结果表明,所提方法在小规模文本集条件下性能稳定,显著降低了搜索式无载体信息隐藏方法对文本大数据集的依赖.

摘要： 深度学习技术在多种视觉任务中表现出优异的性能,特别是深度学习技术的发展大大促进了细粒度图像识别任务的进步.细粒度图像识别的目的在于正确识别子对象类别,例如鸟类中的不同子类别.由于细粒度图像数据通常需要具有专家知识才能够进行有效识别与标注,获取难度比较高,同时,由于细粒度类别直接具有小的类间差异性和大的类内差异性特点,需要模型能够捕捉到细微的有区分性的局部特征,这两方面原因导致这项任务极具挑战性.首先,介绍了深度学习技术的重要发展历程、细粒度图像识别任务的特点和挑战.随后,介绍了基于深度学习的细粒度识别方法的3种类型,包括基于定位-分类子网络的方法、基于端到端的特征编码方法和利用外部辅助信息的细粒度图像识别方法,并选择有代表性的工作给予了详细的介绍.最后,在常用数据集上比较了相关工作的性能,对细粒度图像识别任务进行了总结和展望.

摘要： 针对基于k近邻的协同过滤推荐算法中存在的评分特征数据维度过高、k近邻查找速度慢,以及评分冷启动等问题,提出基于数据降维与精确欧氏局部敏感哈希(E2LSH)的k近邻协同过滤推荐算法.首先,融合评分数据、用户属性数据以及项目类别数据,将融合后的数据作为输入对堆叠降噪自编码(SDA)神经网络进行训练,取神经网络编码部分最后一个隐层的值作为输入数据的特征编码,完成非线性降维.然后,利用精确欧氏局部敏感哈希算法对降维后的数据建立索引,通过检索得到目标用户或目标项目的相似近邻.最后,计算目标与近邻之间的相似度,利用相似度对近邻的评分记录加权得到目标用户对目标项目的预测评分.在标准数据集上的实验结果表明,在冷启动场景下,均方根误差比基于局部敏感哈希的推荐算法(LSH-ICF)平均降低了约7.2％,平均运行时间和LSH-ICF相当.表明该方法在保证推荐效率的前提下,缓解了评分冷启动问题.

摘要： 山脊线和山谷线构成了地形骨架线,它们共同控制着地形的整体走势.山脊线与山谷线在等级上具有匹配性,但目前的地形骨架线分级方法难以保证山脊线与山谷线的等级一致性.本文根据Morse复形对偶的特性,提出了一种基于Morse复形的地形骨架线分级编码方法.首先,利用Morse理论提取地形特征线和特征点;其次,以鞍点与相邻山脊点、山谷点的绝对高差作为权值,确定山脊线和山谷线的起始点;最后,根据Horton定理对山脊线和山谷线进行分级并编码.实验表明:该方法获得的山脊线和山谷线分级结果较好地反映了试验区的地形特征,且山脊线和山谷线等级的匹配性较好,为DEM简化和多尺度表达提供了重要的技术支撑.

摘要： 山脊线和山谷线构成了地形骨架线,它们共同控制着地形的整体走势.山脊线与山谷线在等级上具有匹配性,但目前的地形骨架线分级方法难以保证山脊线与山谷线的等级一致性.本文根据Morse复形对偶的特性,提出了一种基于Morse复形的地形骨架线分级编码方法.首先,利用Morse理论提取地形特征线和特征点;其次,以鞍点与相邻山脊点、山谷点的绝对高差作为权值,确定山脊线和山谷线的起始点;最后,根据Horton定理对山脊线和山谷线进行分级并编码.实验表明:该方法获得的山脊线和山谷线分级结果较好地反映了试验区的地形特征,且山脊线和山谷线等级的匹配性较好,为DEM简化和多尺度表达提供了重要的技术支撑.

摘要： 山脊线和山谷线构成了地形骨架线,它们共同控制着地形的整体走势.山脊线与山谷线在等级上具有匹配性,但目前的地形骨架线分级方法难以保证山脊线与山谷线的等级一致性.本文根据Morse复形对偶的特性,提出了一种基于Morse复形的地形骨架线分级编码方法.首先,利用Morse理论提取地形特征线和特征点;其次,以鞍点与相邻山脊点、山谷点的绝对高差作为权值,确定山脊线和山谷线的起始点;最后,根据Horton定理对山脊线和山谷线进行分级并编码.实验表明:该方法获得的山脊线和山谷线分级结果较好地反映了试验区的地形特征,且山脊线和山谷线等级的匹配性较好,为DEM简化和多尺度表达提供了重要的技术支撑.

摘要： 山脊线和山谷线构成了地形骨架线,它们共同控制着地形的整体走势.山脊线与山谷线在等级上具有匹配性,但目前的地形骨架线分级方法难以保证山脊线与山谷线的等级一致性.本文根据Morse复形对偶的特性,提出了一种基于Morse复形的地形骨架线分级编码方法.首先,利用Morse理论提取地形特征线和特征点;其次,以鞍点与相邻山脊点、山谷点的绝对高差作为权值,确定山脊线和山谷线的起始点;最后,根据Horton定理对山脊线和山谷线进行分级并编码.实验表明:该方法获得的山脊线和山谷线分级结果较好地反映了试验区的地形特征,且山脊线和山谷线等级的匹配性较好,为DEM简化和多尺度表达提供了重要的技术支撑.

摘要： 为了实现中文电子文本的版权保护及防止未经授权的文本信息的扩散，构造了一种基于矢量图形的中文文本零水印方案，并对该方案进行了算法的设计实现.算法以文本主题特征为前提，通过对文本主题特征进行矢量化处理为基础，最终来完成中文文本的零水印构造.最后通过仿真实验对算法进行了验证，结果表明该算法能有效抵抗文本常规编辑、同义替换等操作，在一定程度上改善了水印的鲁棒性、安全性、抗攻击能力。

摘要： 为了实现中文电子文本的版权保护及防止未经授权的文本信息的扩散，构造了一种基于矢量图形的中文文本零水印方案，并对该方案进行了算法的设计实现.算法以文本主题特征为前提，通过对文本主题特征进行矢量化处理为基础，最终来完成中文文本的零水印构造.最后通过仿真实验对算法进行了验证，结果表明该算法能有效抵抗文本常规编辑、同义替换等操作，在一定程度上改善了水印的鲁棒性、安全性、抗攻击能力。

摘要： 为了实现中文电子文本的版权保护及防止未经授权的文本信息的扩散，构造了一种基于矢量图形的中文文本零水印方案，并对该方案进行了算法的设计实现.算法以文本主题特征为前提，通过对文本主题特征进行矢量化处理为基础，最终来完成中文文本的零水印构造.最后通过仿真实验对算法进行了验证，结果表明该算法能有效抵抗文本常规编辑、同义替换等操作，在一定程度上改善了水印的鲁棒性、安全性、抗攻击能力。

摘要： 为了实现中文电子文本的版权保护及防止未经授权的文本信息的扩散，构造了一种基于矢量图形的中文文本零水印方案，并对该方案进行了算法的设计实现.算法以文本主题特征为前提，通过对文本主题特征进行矢量化处理为基础，最终来完成中文文本的零水印构造.最后通过仿真实验对算法进行了验证，结果表明该算法能有效抵抗文本常规编辑、同义替换等操作，在一定程度上改善了水印的鲁棒性、安全性、抗攻击能力。

摘要： 本发明属于信息分类领域，具体涉及了一种基于特征编码的文本特征提取方法、系统、装置，旨在解决文本特征提取中运算复杂度高、分类效率和精度低的问题。本发明方法包括：对获取的文本预处理，获得词候选特征序列；基于词候选特征序列，生成多个二进制编码；采用基因遗传算法筛选二进制编码，获得最优二进制编码；解码最优二进制编码获得最优词特征序列并输出。本发明将一系列候选特征转化为易处理的编码序列，并使用基因遗传算法的自动筛选功能，对特征进行最大化的全局最优挑选，能够有效地筛选出最小有效特征集。

摘要： 本发明公开了一种整合特征字典结构与视觉特征编码的图像分类方法，包含如下步骤：视觉特征提取；特征字典学习；视觉特征编码；特征编码的空间汇合；训练与分类。本发明能获取更为准确的图像特征表示，提升图像分类的准确率。此外，通过将特征字典中的结构信息整合到视觉特征编码过程，得到更有判别性的图像特征表示，因此使得对图像的分类更加有效。本发明实现了高效、准确的图像分类，因此具有较高的使用价值。

摘要： 在用来制造柴油发动机单元(U)的车辆制造系统中，通过对喷射器(21－24)、公用轨条(3)和高压泵(4)中的每个提供一个表示实际特征的特征编码板(21a－24a，31a，4a－8a)，在该柴油发动机单元的装配期间或之后的适当阶段读出这些特征编码板(21a－24a，31a，4a－8a)的编码的数据，根据读出的数据产生分立的编码板(S1－S4)以及把它们附着到柴油发动机主单元(1)表面的规定部分，从而实现达到零件特征编码的集中。

摘要： 本发明公开了一种基于特征压缩与特征编码网络的无人机对地目标跟踪方法。在目标特征建模方面，该方法提出了基于注意力的特征压缩网络和特征编码网络，相较于其他跟踪方法，该方法利用时间信息弥补了由无人机对地目标分辨率低造成的空间信息不足，增加了对运动模糊、目标遮挡等极端环境的鲁棒性；在跟踪速度方面，相较于其他基于注意力的跟踪方法，该方法对特征进行压缩，降低了计算复杂度和存储空间需求，对算力有限的无人机平台更加友好。

摘要： 本发明公开了一种基于自动特征编码的多阶特征组合方法，包括步骤：1)对日志型数据的训练集进行预处理和数据采样；2)构建代理搜索模型对特征组进行搜索，得到评价指标最高的特征组；3)构建复合目标编码器对选中的特征组编码，得到多阶组合特征；4)对多阶组合特征进行内嵌式特征选择，保留有效特征；5)重复步骤2)‑4)，最终得到完整的有效组合特征编码表；6)参照有效组合特征编码表，使用复合目标编码器对训练集和测试集转化，获得多阶特征组合训练集和测试集。本发明方法能够自动完成预处理、特征工程等一系列步骤，有助于机器学习平台节省人工成本、降低特征工程时间开销和提升预测精度。

摘要： 本发明属于信息分类领域，具体涉及了一种基于特征编码的文本特征提取方法、系统、装置，旨在解决文本特征提取中运算复杂度高、分类效率和精度低的问题。本发明方法包括：对获取的文本预处理，获得词候选特征序列；基于词候选特征序列，生成多个二进制编码；采用基因遗传算法筛选二进制编码，获得最优二进制编码；解码最优二进制编码获得最优词特征序列并输出。本发明将一系列候选特征转化为易处理的编码序列，并使用基因遗传算法的自动筛选功能，对特征进行最大化的全局最优挑选，能够有效地筛选出最小有效特征集。

摘要： 本发明公开了一种整合特征字典结构与视觉特征编码的图像分类方法，包含如下步骤：视觉特征提取；特征字典学习；视觉特征编码；特征编码的空间汇合；训练与分类。本发明能获取更为准确的图像特征表示，提升图像分类的准确率。此外，通过将特征字典中的结构信息整合到视觉特征编码过程，得到更有判别性的图像特征表示，因此使得对图像的分类更加有效。本发明实现了高效、准确的图像分类，因此具有较高的使用价值。

摘要： 本发明公开了一种面向辐射源个体识别的特征编码方法，基于格拉姆角和/差场变换，将IQ两路采样的辐射源电磁信号进行编码处理。将信号的实部、虚部以及幅度特征序列，分别进行格拉姆角和/差场变换，得到包含采样点间时域、频域相关特征矩阵。所获得的编码特征可作为深度神经网络输入，通过训练所获模型实现辐射源个体识别。本发明为针对雷达、通信等多种电磁信号的时域、频域特征提取提供了思路，为面向各类辐射源的个体识别任务提供了数据预处理的解决方案。相对传统编码方法，本发明对于辐射源IQ两路采集信号的特征提取效果更佳，且具有识别精度高、信号适用范围广的特征，对电子对抗等辐射源个体识别应用具有重要意义。

摘要： 本发明涉及一种基于DCT的图像特征编码方法，该方法包括以下步骤：1)在边缘端，提取卷积神经网络的中间卷积层特征；2)对提取到的特征按通道顺序平铺，并对其作离散余弦变换；3)对离散余弦变换后的特征作K‑means聚类量化，得到索引和编码本；4)对索引和编码本作算术编码得到比特流并发送到云端；5)在云端，将编码后的索引和编码本进行解码、反量化、反离散余弦变换和通道化，得到恢复后的特征向量。与现有技术相比，本发明具有有效减小特征量、提高传输处理速度等优点。

摘要： 本申请公开了一种特征编码器训练方法，包括：获得待处理的视频；从至少一个待处理的视频中选取两个视频片段，所述两个视频片段在时间轴上至少部分重合；两个视频片段包括第一视频片段和第二视频片段；对所述第二视频片段采用预先设置的图像编辑方式进行图像编辑处理，得到编辑处理后的与所述第二视频片段相似的第二目标视频片段；将第一视频片段和第二目标视频片段包含的所有帧，输入帧特征编码器，得到帧特征向量；根据所述帧特征向量训练帧特征编码器，得到目标帧特征编码器。采用上述方法，以解决现有技术存在的特征编码器对复杂的图像编辑方式的鲁棒性不够强以及限制检索性能的问题。