先验知识

摘要： 针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的.实验结果表明,该算法能够克服传统边缘算子在边缘提取时,边缘不完整、不连续等缺点;同时,对强高斯噪声污染图像具有优秀的边缘提取效果.

摘要： 在领域机器翻译中,领域术语能否被正确翻译对翻译质量起着决定性作用,有效地将领域术语融入到神经机器翻译模型中,提升领域术语的翻译质量具有实际意义。文中提出了一种将新能源领域术语信息作为先验知识融入神经机器翻译中的方法,以新能源领域双语术语知识库构建的术语字典为媒介,提出并比较了两种不同的知识融入方式:1)术语替换,即在源语言端使用目标端术语替换源端术语;2)术语添加,即在源语言端将源端术语与目标端术语拼接,并在源语言端与目标语言端均使用作为特殊外部知识的标识符来标识目标端术语的开头与结尾。以新能源领域中英文双语对齐语料以及构建的中英文对齐术语库为数据基础进行了实验,结果表明,在测试集上,所提方法的BLEU值比基线实验分别高出6.38与6.55,证明了所提方法能有效地将领域术语知识融入到翻译模型中,提升了领域术语的翻译质量。

摘要： 遥感图像融合技术能够将含有互补信息的多源图像进行融合,从而得到内容更丰富、光谱质量更高的图像,是遥感应用的关键和基础。针对遥感影像融合过程中容易出现的光谱失真和空间结构失真问题,该文以注意力机制为基础,利用归一化植被指数(normalized difference vegetation index,NDVI)和归一化水指数(normalized difference water index,NDWI)作为先验知识,构建了基于知识引导的遥感影像融合模型(remote sensing image FuseNet,RSFuseNet)。首先,基于高通滤波能够充分提取边缘纹理细节的优势,构建了高通滤波模块提取全色图像高频细节信息;其次,提取多光谱图像的NDVI和NDWI信息;再次,构建自适应挤压激励(squeeze-and-excitation,SE)模块,对输入特征进行重标定;最后,将自适应SE模块与卷积单元结合,对输入特征进行融合处理。以高分六号遥感影像作为数据源,选择施密特正交化(gram-schmidt,GS)、主成分分析(principal component analysis,PCA)、深度网络结构的图像融合网络(a deep network architecture for pan-sharpening,PanNet)、以卷积神经网络为基础的融合网络(pansharpening by convolutional neural networks,PNN)模型作为对比模型开展实验,实验结果表明:该文提出模型的峰值信噪比(peak signal to noise ratio,PSNR)指标(40.5)和结构相似性(structural similarity,SSIM)指标(0.98)均优于对比模型,表明这一方法在遥感影像图像融合方面具有明显的优势。

摘要： 随着电网规模的持续扩大,电网调控业务复杂度日益增加,仅依赖人力难以掌握电网全局信息,并及时根据突发事件做出快速、准确地判断和决策。调控知识图谱作为一种提高电网故障处理效率及智能化水平的有效解决方案,已在电网中取得大量应用。路径推理是知识图谱的延伸应用,是开展基于知识图谱的辅助决策的核心技术之一。文章针对调控知识图谱具有大量重复关系及数十倍的路径选择问题,提出一种基于先验知识与深度确定性策略梯度融合的路径推理方法,可实现任意2个实体间的关系路径推理,并基于实际调控知识图谱开展算例验证。验证结果表明,所提方法的推理路径准确率平均值可达90%,可进一步应用于调控辅助决策。

摘要： 为从动态、时序变化的战场态势中准确迅速地判识出空中目标的作战任务,运用深度学习理论构建作战任务智能判识模型。在门控循环单元网络的基础上,引入双向传播机制构建多层网络,学习作战任务的时序特征;采用残差机制防止出现由于神经网络层数加深导致模型性能退化问题;运用注意力机制,捕捉相互关联的重要态势特征,将先验知识与多层神经网络的输出相融合,确保在获得时序信息较短时对作战任务判识的准确性。实验表明,该方法可以有效地判识空中目标的作战任务。

摘要： 非负矩阵三因子分解是潜在因子模型中的重要组成部分,由于能将原始数据矩阵分解为三个相互约束的潜因子矩阵,被广泛应用于推荐系统、迁移学习等研究领域,但目前还没有非负矩阵三因子分解的可解释性方面的研究工作。鉴于此,将用户评论文本信息当作先验知识,设计了一种基于先验知识的非负矩阵半可解释三因子分解(PE-NMTF)算法。首先利用情感分析技术提取用户评论文本信息的情感极性偏好;然后更改了非负矩阵三因子分解算法的目标函数和更新公式,巧妙地将先验知识嵌入到算法中;最后在推荐系统冷启动任务的Yelp和Amazon数据集以及图像零次识别任务的AwA和CUB数据集上与非负矩阵分解、非负矩阵三因子分解算法做了大量对比实验,实验结果表明所提算法在均方根误差(RMSE)、归一化折损累计增益(NDCG)、归一化互信息(NMI)和准确率(ACC)上都表现优异,且利用先验知识进行非负矩阵三因子分解的解释具有可行性和有效性。

摘要： 三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识,以对模型各部分之间的几何相似性进行编码,解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记,根据模型对应表面点之间的相似度隐式地计算数据驱动描述符,在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明,相较基于先验知识的计算方法,该方法能提高三维模型对应关系计算结果的准确率,且可有效降低测地误差。

摘要： 针对典型海空协同作战中指挥控制技术对时效性、准确性和跨域融合能力的高要求,提出了一种先验知识启发的双层强化学习框架.通过研究先验知识启发的奖励塑造方式,提取作战子任务设计状态聚合方法,从而把具体状态映射到抽象状态;基于抽象状态使用马尔科夫决策过程(Markov decision process,MDP)理论进行建模,使用强化学习算法求解该模型;使用最终求解出的抽象状态价值函数进行基于势能的奖励塑造.以上流程与下层具体MDP过程并行求解,从而搭建了一个双层强化学习算法框架.基于全国兵棋推演大赛的兵棋推演平台进行了实验,在状态空间、动作空间、奖励函数等方面细化算法.指出了先验知识代表从上而下的任务式指挥方式,而多智能体强化学习在某些结构上符合自下而上的事件式指挥方式.两种方式结合,使得该算法控制下的作战单元学习到协同作战战术,面对复杂环境具有更好的鲁棒性.经过仿真实验,该算法控制的红方智能体对抗规则智能体控制的蓝方可以获得70%的胜率.

摘要： 中文分词是作战文书中语义理解的基本任务。在中文分词的研究中,未登录词识别始终是一个难题。论文通过了一种可扩展外部知识的中文分词模型来提高未登录词的召回率。分词模型以基于序列标注的深度网络模型为骨架,使用双路注意力机制融入外部知识。外部知识是词范畴信息,是一种上下文信息,有助于识别未登录词。双路注意力机制使用自注意力机制编码词范畴信息。在构建的语料集上进行实验,试验结果表明,相对于基线方法,论文实现的分词模型能有效提升作战文书中文分词的准确率以及未登录词的召回率。

摘要： 目前,室内人体行为识别技术被广泛应用于视频内容理解、居家养老、医疗护理等领域,现有研究方法更多的是对人体行为进行建模,忽略了视频中场景与人体行为间的联系。为了充分利用场景信息与室内人体运动的关联性,文中对基于场景先验知识的室内人体行为识别方法进行了研究,提出了一种基于场景先验知识的双流膨胀3D行为识别网络(Scene-Prior Know-ledge Inflated 3D ConvNet,SPI3D)。首先使用ResNet152网络提取场景特征进行场景分类,再基于场景分类的结果,引入量化后的场景先验知识,通过对权值进行约束来优化总体目标函数。另外,针对现有数据集多聚焦于人体行为特征、场景复杂且场景特征不明显的问题,自建了室内场景-行为识别数据集(Scene-Action DataBase,SADB)。实验结果表明,在SADB数据集上,SPI3D网络的识别准确率为87.9%,比直接利用I3D网络的识别准确率高6%。由此可见,引入场景先验知识后的室内人体行为识别模型具有更好的表现。

摘要： 随着互联网的发展及硬件的更新,神经网络模型被广泛应用于自然语言处理、图像识别等领域.目前,结合传统自然语言处理方法和神经网络模型正日益成为研究的热点.引入先验知识代表了传统方法的惯例,然而它们对基于神经网络模型的自然语言处理任务的影响尚不清楚.鉴于此,本文尝试探究语言层先验知识对基于神经网络模型的若干自然语言处理任务的影响.根据不同任务的特点,比较了不同先验知识和不同输入位置对不同神经网络模型的影响.通过大量的对比实验发现:先验知识并不是对所有任务都适用,在神经网络模型的合适位置加入合适的先验知识方可加快模型的收敛速度,提高相关任务的效果.

摘要： “新化文印”现象代表了农民工城市创业的典型模式，同乡同业“扎堆”创业是其区别于其他类型农民创业的显著特征。本文从创业机会识别视角人手，对外来农民工社会网络、先验知识和创业机会识别间的关联机制进行了理论分析和实证检验。应采取措施引导以新化人为代表的外来创业农民工群体更好地融人所在城市社区。根据外来农民工创业者的真实需求，开展有针对J隆的创业培训。

摘要： 在隐写前通过估计得到安全负载率参数是提升隐写安全的有效手段.本文以盲隐写检测错误率为安全性衡量指标,提出基于先验知识的图像安全负载率估计方法.隐写者可根据期望的安全性能针对具体载体估计对应的负载率,其中先验知识主要为基于大量样本训练得到的误检率与隐写失真关系曲线.该方法以限负载隐写(PLS,Payload-Limited Sender)加性模型为基础建立图像载体的负载率与隐写失真的函数关系,反推载体在相应限失真下的最大负载率.本方法可在不高于2次隐写嵌入运行时间内完成负载率的估计.

摘要： 交通信号灯的识别是实现无人驾驶车载视觉重要的一步.本文提出一种基于先验知识和优化阈值分割的交通灯识别算法.该算法利用差分GPS信息和道路标记软件获取交通灯先验知识;在基于GPS位置信息开启识别算法后,利用相机标定信息获得红绿灯的感兴趣区域;在感兴趣区域内,结合优化的经验阈值分割法和自定义约束进行分割处理;接着依据颜色分布信息识别红绿灯;最后结合跟踪算法和先验知识进行逻辑验证,以获得准确的信号灯信息.实验结果表明,该算法识别率98.8％,平均识别时间为31ms.

摘要： 理论研究和企业实践都表明，集群企业创新能力的提升不单单依赖企业嵌人的外部网络，同时也与企业自身的知识和经验储备息息相关。只有当企业具备良好的知识和经验水平时，才能把握好企业对外联络和交流的紧密程度，并将外部的网络资源真正内化为企业创新原动力。基于此，本文主要探讨网络强度对集群企业创新绩效的影响，并重点研究企业先验知识的差异会对企业通过外部网络提升创新能力产生什么样的影响。本文将先验知识作为调节变量，丰富了网络强度与集群企业创新绩效关系的理论研究框架，通过对集群企业的实证分析，结合企业内外部因素挖掘企业创新的原动力，对集群企业创新具有重要的理论和实践价值。

摘要： 本文针对网络资源异质性影响集群企业自主创新的机制问题展开分析,从资源识别的角度出发,引入先验知识的广度和深度为调节变量,构建了网络资源异质性对集群企业自主创新影响的概念模型;并以浙江产业集群为例,进行了实证检验.研究结果表明:资源识别完全中介网络资源异质性对集群企业自主创新的影响,先验知识的广度正向调节网络资源异质性对资源识别的直接影响,先验知识的深度正向调节资源识别对集群企业自主创新的影响.本文研究结论有助于集群企业认识到先验知识和资源识别的重要性,并促进企业通过结合企业的先验知识提升网络资源异质性来实现企业的自主创新能力.

摘要： 本文介绍一种基于单像素相机的无成像导航星敏感器.利用单像素相机原理,测量矩阵通过对星图的先验知识来训练产生,同时将各星图训练系数作为新的星图识别系数库保存.单像素星敏器工作时,利用高速空间光调制器DMD实现测量矩阵,将单像素探测器测量的信号直接作为识别信号,该识别信号与新生成的星图识别系数库数据进行相关运算,找出相关系数最大数据作为导航星图使用.该单像素星敏感器可兼顾探测动态范围大、灵敏高、探测速度快和产生数据少等特点,与导航算法相结合后,具有进一步提升现有星敏感器导航性能的潜力.

摘要： 贝叶斯网络能够利用简明的图形方式定性的表示事件之间复杂的因果关系或概率关系,在给定某些先验信息后,还可以根据条件概率表定量地表示这些关系的强度,以预测某些可能结果.贝叶斯网络具有较强的概率表达能力、综合先验知识的增量学习特性及其稳固的数学基础,因此在数据中分类模型的应用越来越广泛.贝叶斯网络可以揭示证候属性的因果关系,计算出各属性的条件概率等,近年来,在中医证候研究中也得到了一定程度的应用.

摘要： 有限角度X-ray计算机断层成像(CT)属于不完备投影数据重建问题,传统的解析重建算法(FBP)不能重建出高质量的图像,解决该问题的一般方法是引入额外的先验知识到迭代重建过程中.主要综述相关的迭代重建算法.

摘要： 运动模糊图像随处可见,阻碍关键信息获取,其复原算法可分为运动模糊核估算与非盲图像复原两部分,其中运动模糊核又可分为直线运动模糊核与复杂运动模糊核.图像在空间域、变换域的特性以及其基于自身与退化过程的先验模型在该领域起到了关键作用.本文对近年来涌现的运动模糊图像复原算法回顾分析,指出传统基于优化模型的图像复原算法与新兴基于深度学习的图像复原算法齐头并进,为清晰深刻理解运动模糊核估算技术与非盲图像复原算法提供了参考.

摘要： 本发明涉及一种用于在生存模式下对倾斜低轨道中的卫星(10)进行姿态控制的方法(50)，所述卫星(10)包括：至少一个太阳能发电机(12)；至少一个太阳能传感器(17a、17b)；磁力矩器(15)，其能够在具有三个正交轴X、Y和Z的卫星参考系中形成内部磁矩；以及惯性致动器(16)，其能够在所述卫星参考系中形成内部角动量。所述至少一个太阳能传感器在围绕Z轴的XZ平面内具有至少180°宽的视场，所述方法包括：‑使用第一控制定律进行姿态控制的步骤(51)；‑通过所述至少一个太阳能传感器(17a、17b)搜索太阳的步骤(52)；‑当检测到太阳的第一可见性阶段时：使用第二控制定律进行姿态控制的步骤(53)。

摘要： 本发明公开了一种融合先验知识和上下文相关度的知识库抽取方法。本发明提出了一种融合先验知识和上下文相关度的知识库抽取方法，包括：多知识库生成候选集：为了获取适用于实体链接任务的知识库(即：抽取与语料相关领域的维基页面)，通过统计维基百科(Wikipedia)、大型网络语料库Crosswikis(Spitkovsky and Chang)和Yago知识库(Hoffart et al.)中共现的次数来生成每个mention的候选集以及mention与每个候选entity之间的先验概率本发明的有益效果：先利用候选实体的先验知识抽取知识库，再利用候选实体的锚文本所对应的维基页面的上下文相关度来进一步抽取知识库，最终得到与实验语料领域相关的知识库，最大限度的减少知识库带来的噪声干扰与资源消耗。

摘要： 本发明公开了一种基于语法先验知识的文本情感属性分析方法，涉及大数据舆情监测与分析技术领域。本发明包括S1、构建模型架构；具体的构建操作如下：将包含n个词语的句子中的每个词转换为词嵌入，获得该句子单词级别的词嵌入矩阵，并满足下式：本发明采用深度学习框架PyTorch搭建，此算法相比于之前的算法效果更好，因而说明在进行文本细粒度特别是属性级别的情感分析时，通过一定的方式引入句子中的句法知识是很有帮助的，且本方案设计了一个上下文信息保存模块，专门强化情感分类中对上下，且可通过根据属性词位置设置局部权重，使得模型聚焦于属性词的上下文，并通过自注意力机制进行全局信息的融合。

摘要： 本发明涉及自组网路由技术领域，提供基于先验知识库的容断可重构路由策略，其包括对网络中每个节点周期维护位置信息库，并利用位置信息库构建先验知识库，利用先验知识库做出对下一条传输链路选择的最优决策的过程；还包括容断策略的执行过程、可重构策略的执行过程。本发明基于先验知识库的容断可重构路由策略，以任务为导向，基于节点信息知识库，动态调度相关节点进行网络资源测量和分析，实现按需链路重构和路由选择；在路由选择时有效避开拥塞节点或区域，使网络负载更均衡地分布到合适的周边节点，实现消息交付率及传输延迟的优化，做到实时选择最佳传输路径，保证路由的快速切换和自愈能力。

摘要： 本发明公开了一种基于先验知识的大数据框架配置参数优化方法，该方法包括：从大数据框架适应的任务分布中选择多种类型任务，在不同参数配置下执行，获得不同类型任务运行时间和配置参数之间的关联关系；根据关联关系选择资源相关的配置参数，构建为先验配置集，对所述先验配置集进行初始化，并通过改变所述先验配置集中各参数的取值以及改变大数据框架的计算能力，获得最小运行时间；基于所述最小运行时间确定任务运行的期望时间，作为控制后续任务运行终止的约束，并根据任务运行结果动态更新所述期望时间；在所有运行成功的任务中，找到运行时间最短的任务对应的配置参数，作为最优配置。本发明通过对小样本优化提升了大数据处理的性能。

摘要： 本发明公开了一种用户先验知识增强的文本风格迁移方法、装置及电子设备，所述方法包括：获取用户先验知识数据，并基于所述用户先验知识数据构建预设神经网络模型；获取用户输入数据，并将所述用户输入数据映射至所述预设神经网络模型中，生成与所述用户输入数据的表达方式不同的目标文本内容表示；获取用户关注领域表示，并结合所述目标文本内容表示和用户关注领域表示，生成目标文本内容。本发明不仅可以实现文本风格的转换，还提升了转换文本内容与用户要求的相关性。

摘要： 本发明公开了一种基于先验知识辅助的MIMO雷达自适应检测方法，获取雷达数据，选取待检测单元样本；基于先验知识辅助，用所选待检测单元数据估算杂波协方差矩阵；计算待检测距离单元的Rao检测统计量；确定待检测距离单元对应的检测门限值；判断待检测单元的检测统计量是否大于检测门限值，若是，说明待检测单元内有目标，否则，说明待检测单元内无目标。本发明利用Rao准则，并利用杂波的先验知识，设计了MIMO雷达的Rao检测算法，可用于对复高斯杂波环境下的目标进行检测，提高目标检测的性能。

摘要： 本发明涉及人机对话、智能语义搜索技术领域，具体来说是一种基于先验知识的金融领域实体及意图识别方法，具体如下：上下文模型定义，将整个关系型数据库表的相关信息定义为上下文，含表及列名的名称、注释、类型以及数据字典的定义；上下文模型分析，根据数据库以数据字典、相关字段的属性值以及数据类型进行分析，将字段的属性值定义为开放类型还是限定可枚举类型；可以自适应学习，能够识别意图实体、关联实体以及大部分实体属性值；可以将识别的实体限定在特定的表中，一是避免了相似度在全局空间进行匹配，省去了同义词过滤评分的步骤；二是已识别的词可以限定在上下文中，未识别的词可以作为无关词汇过滤掉，避免影响识别的准确率。

摘要： 本发明公开了处理多种先验知识的自适应视频目标分割方法。本发明方法首先对含目标掩膜及描述语句的视频进行采样，并利用时空编码器获得时空视觉特征图；然后构建目标先验自适应编码器，将不同形式的先验知识统一编码为目标卷积核；再通过级联目标过滤器使用目标卷积核将时空视觉特征图中的目标与背景相分离，得到目标的概率张量；最后利用Adam算法优化分割网络模型，对包含先验知识的新视频依次通过上述步骤获得目标的预测掩膜。本发明方法提供了端到端的训练模型，既能自适应处理给定的目标掩膜或描述语句等先验知识，还能有效刻画目标先验知识与视频帧外观特征之间的时空关系，有利于更为准确高效地分割视频的重要目标。

摘要： 本发明公开了基于主旨信息和子领域先验知识的词汇关联性确定方法，方法包括：获取材料文本、材料文本标题以及子领域材料文本，并对材料文本、材料文本标题以及子领域材料文本进行处理；基于处理后的材料文本与材料文本标题，确定材料文本与材料文本标题中科学词汇的词语初步表示数据；基于处理后的子领域材料文本，确定子领域材料文本中关键词的表示数据；基于关键词的表示数据与词语初步表示数据，确定科学词汇之间的余弦相似度，并基于余弦相似度确定科学词汇之间的关联性。本发明在词语的表示层引入富含子领域先验知识的文本信息，增强词向量表示特定领域材料科学词汇的能力，根据科学词汇的相似度进行筛选，精准得出科学词汇之间的关联性。