导读:本文包含了高级语义论文开题报告文献综述及选题提纲参考文献，主要关键词:图像语义识别,深度学习,特征融合,栈式稀疏自编码
高级语义论文文献综述
王哲[1]（2019）在《多特征融合的深层网络图像高级语义识别方法研究》一文中研究指出图像中蕴含着大量的语义信息,如何挖掘这些信息,探究出图像与语义信息的关系并加以应用已成为目前研究的一大热点,具有一定的理论意义和实际应用价值。影响图像情感的因素有很多,在之前很多的研究人员已经从颜色、纹理、形状等低级视觉特征角度考虑了这个问题,但是由于情感的主观性和复杂性,将传统低级视觉特征运用到大型数据集上时,往往会出现准确率低的问题。随着深层卷积神经网络(CNN)的发展,更多的研究者开始致力于构建更深、更有效的网络结构来进行图像语义识别任务,并取得了突破性的进展。与之前的传统方法相比,使用深度学习的方法可以大大提升识别的准确率,也证明了深度学习算法的优越性和可靠性。基于对深度学习方法的研究,本文首先对研究用到的小数据集采用数据增强的方式进行扩充,以达到网络训练的样本数量要求,然后将提取到的四种图像特征采用特征融合的方式生成特征向量,输入到网络分类器中,实现图像高级语义识别,最终生成高级语义描述性短语。之后对情感识别分类器进行了改进,采用构建栈式稀疏自编码网络的方式重新训练分类器,进一步提升情感的识别准确率,改善网络的训练。本文主要工作包括:(1)基于IAPS、GAPED、ArtPhoto和Abstract公共情感数据集,采用数据增强的方式进行扩充,并提出一种“Part_expansion”数据扩充方式,不仅使得数据集的数量满足网络训练的需求,还能保证数据集的不同类别间数量达到平衡,减少因不同类别的数据数量相差太大而引起的分类效果不佳的问题。(2)提出了一种基于多特征融合的识别图像高级语义的方法。首先在提取阶段提取图像颜色特征和纹理特征,还构建了深层网络提取对象类别特征和深层情感特征,并将四种特征融合生成一个特征向量,随后将特征向量输入到利用全连接方式构建的叁层全连接层网络分类器中,实现图像高级语义识别,最终生成包含图像情感和对象在内的高级语义描述性短语。(3)提出了一种栈式稀疏自编码网络的方法以改进情感识别网络的训练。针对传统随机初始化网络方法,易造成网络陷入局部极值而无法收敛的问题,提出栈式稀疏自编码网络的方式,对网络首先进行逐层训练,然后再微调整个网络。通过这样的方式可以使得初始化网络的权重处于较好的位置上,易于网络更快地收敛并取得较好的局部极值。实验证明,与随机初始化方式相比,采用这种方法在本文的研究问题中能够达到更高的识别准确率,达到改善网络训练的效果。(本文来源于《太原理工大学》期刊2019-06-01）
李昊[2]（2018）在《基于高级语义的通用型文本生成迁移学习》一文中研究指出自然语言处理是人机交互领域的重要核心,是近些年人工智能领域快速发展的方向之一,吸引着研究人员的关注。在深度神经网络被提出后,尤其以序列到序列模型(Seq2Seq)为代表的模型被广泛应用在文本生成任务中,该方向相关的各项任务,如机器翻译、文本等,性能都得到了较大的提高。然而,受限于神经网络数据驱动的特点,相关的自然语言模型只能在构建在规模巨大的语料库上。一旦将已经预训练完毕的模型应用在其他语料,模型的效果会发生明显的削弱。因此,本文对自然语言模型中广泛使用的序列到序列(Seq2Seq)结构进行改进,增加了能够利用迁移学习的功能结构,使其能够利用先验知识或不同任务的预训练模型。相比于原始的Seq2Seq结构,该模型能够利用先验知识和已构建好的预训练模型,即使在小规模数据上也能够达到较好的效果。本文在若干着名的公开数据集和爬虫抓取的网络社区数据集上进行了实验,实验结果表明,本文提出的迁移学习Seq2Seq模型能够很好地利用先验知识以及自然语言任务中学习到的通用知识,在多项指标上均超过了现有的先进算法,实现了迁移学习在不同数据集、不同任务上的普适性。本文所衍生的部分研究被学术界认可并发表了相关的文章至顶会NIPS与IJCAI,在国际竞赛与相关企业实践中都取得了切实的成绩,证明了该研究的学术价值和工业价值。(本文来源于《浙江大学》期刊2018-12-29）
房超[3]（2018）在《基于图像高级语义与Attention融合的图像描述方法研究》一文中研究指出最近几十年来,计算机技术得到了高速的发展,机器学习等技术理论也在不断地完善,神经网络技术已经在多个领域取得了显着的研究成果,计算机自动生成一副图像的描述是当前计算机研究领域的热点和难点,它的本质是利用计算机检测与识别图像中的物体,并且能够感知图像的场景以及场景中的内容。相对于图像检测与图像中的物体分类,该任务涉及到了计算机视觉与自然语言处理两大领域。计算机进行图像描述的时候不仅仅要关注图像中单个的物体,还要更多地关注图像中各物体之间的相互关系,并且要使用逻辑清晰的语言将其描述出来。本文首先对传统的图像描述算法进行了相关研究,对几种类型的图像描述算法进行了简单介绍。传统的图像描述算法只是将图像进行特征提取处理后送入到语言生成模块进行文本生成,而忽略了图像本身的高级语义。本文提出了融合了图像高级语义的图像描述生成算法,利用VGG网络在ImageNet数据集上训练单标签分类模型,在此基础上使用MS COCO数据集构建一个字典,并对MSCOCO CAPTION数据集进行数据及训练标签预处理;然后修改模型的最后一层并使用MS COCO CAPTION数据集进行多标签训练;最后使用BING算法选取候选区域后对该区域进行多标签分类,并使用最大池化抑制噪音以得到更好的效果。其次,对Attention机制进行了分析与研究。传统的Attention只关注图像特征图,而没有充分考虑之前生成的词语,而图像描述有时可能根本不需要根据图像来预测下一个单词时什么,所以提出了改进的Attention机制,通过加入一个权重变量自动学习何时关注已经生成的词语,何时关注图像,以及关注度是多少。然后在Attention层的后面加入一个多模态层,对来自循环神经网络的隐藏状态信息、经Attention层处理后的信息以及图像的高级语义进行多模态处理。最后,使用MS COCO及Flickr30K数据集进行实验,并与之前研究者的相关算法进行对比。实验表明本文提出的基于图像高层语义与Attention融合的图像描述方法能够有效地提高图像描述文本生成的质量。(本文来源于《辽宁大学》期刊2018-05-01）
吴春相,曹春静[4]（2018）在《当代汉语“最高级”从序列到程度的语义演变》一文中研究指出当代汉语"最高级"在"最高级的X"和"X的最高级"中发生了语义演变,由表示序列首位的单一功能演变为兼表程度极量与序列首位的双重语义功能。这一演变的实现主要得益于X的扩大化与"最高级"语义演变的交互作用、构式与构件的互动以及构式原型序列首位与最高程度之间的高度相似性。"最高级的X"与"X的最高级"的语义演变,受到说话人主观性量级序列临时建构的驱动,同时也与语言接触中外语习得时的母语讲解有关,"最高级"与英语量级语法术语的汉语翻译相契合进一步推动了"最高级"的语义演变。(本文来源于《汉语学习》期刊2018年02期）
姜有顺[5]（2018）在《母语为泰语和哈萨克语的汉语高级学习者对“把”字句谓语动词语义特征的习得》一文中研究指出使用句子可接受度检验的方法,考察了母语为泰语和哈萨克语的高级汉语学习者对"把"字句谓语动词的"及物"和"有界"这两个语义特征的习得。结果发现:(1)母语者和学习者对"把"字句可接受程度的判断都受到动词及物性、动词界性和母语叁个因素的综合影响。(2)动词具备"有界"特征是做"把"字句谓语的必要条件,动词具备"及物"特征是做"把"字句谓语的充分条件。(3)"把"字句谓语动词语义特征的典型性影响动词的习得顺序。不同母语的学习者对"把"字句谓语动词的习得顺序都是:满足2个特征的动词→满足0个特征的动词→满足1个特征(即"有界")的动词。(4)母语影响学习者对"把"字句谓语动词语义特征的评价方式,也影响学习者对非典型"把"字句的接受程度。(本文来源于《世界汉语教学》期刊2018年01期）
吴诗玉,马拯,叶丹[6]（2016）在《中国高级英语学习者词汇语义通达路径的汉英对比研究:语义关联判断任务的证据》一文中研究指出阅读时,词汇语义经语音通达还是经视觉而直接通达,引起学术界很大的争议。本研究采用语义关联判断任务,以中国高级英语学习者为实验对象,比较他们进行汉英阅读时的词汇语义通达路径。结果发现,不管是汉语还是英语词汇阅读,被试在对同音词进行语义关联判断时,不仅在错误率上比控制条件显着更高,而且判断时的速度也显着更慢,表现出语音干扰效应,这为汉英词汇阅读时语音信息获得自动激活提供有力证据,并支持汉英阅读时词汇语义经语音而通达的观点。(本文来源于《外语教学理论与实践》期刊2016年01期）
沈禾玲[7]（2015）在《第一语言语义迁移与汉语二语高级学习者词汇习得（英文）》一文中研究指出本研究采用定量和定性的研究方法调查美国高级汉语学习者第一语言语义迁移在汉语二语积极词汇习得中的作用,汉语学习者在二语词汇运用中所用的策略以及他们对第一语言在二语积极词汇习得中所起的作用的认识。研究结果表明,高年级学习者在二语词汇运用过程中仍十分依赖母语。与汉语母语者相比,在二语词汇运用过程中,他们大多使用直觉进行判断而较少使用其他的策略,尤其是不怎么使用那些需要依据二语语义、语法及语用知识来判断正确使用词语的策略。虽然高级汉语学习者已经形成了母语与相应的二语词语在语义和语用上不完全对等的意识,但是他们相信母语在他们二语词汇习得中仍然起非常重要的作用。(本文来源于《世界汉语教学》期刊2015年02期）
任姣姣[8]（2012）在《基于高级语义特征映射的乳腺超声图像分类研究》一文中研究指出乳腺癌是最普遍的癌症之一，是导致女性死亡的第二大癌症，它严重影响着女性的身心健康。由于成本低廉、性价比高的原因，超声成像技术已成为检测乳腺癌的重要手段。为了帮助医生提高超声乳腺癌诊断的正确率和客观性，并且降低恶性肿瘤错分的概率，越来越多的乳腺计算机辅助诊断（CAD）系统被广泛使用。但是大多的CAD分类结果很难被医生理解和接受，所以乳腺超声CAD系统在应用上存在局限性。如何使医生更易接受并认可CAD系统对乳腺超声图像的分类结果是一个亟待解决的问题。传统的乳腺超声CAD系统仅仅是在计算机提取的低级特征，如形态学、纹理和基于模型等特征上进行分类。然而，医生将BI-RADS标准作为判断乳腺肿瘤良恶性的重要依据。BI-RADS标准里的描述特征可以作为高级语义特征，它结合了人类的视觉特征和对图像的理解。在这里，只选取良恶性预测率最高的叁个BI-RADS标准里的特征：形状、方位和边界。在低级特征和高级语义特征之间存在着很大的“语义鸿沟”。为了解决“语义鸿沟”问题，使用SVM作为映射方法将低级特征有效的映射到高级语义特征上。然后使用C4.5决策树在映射后的高级语义特征上进行分类。实验表明在高级语义特征上的分类效果高于直接在低级特征上的分类效果。针对有些样本在这叁个高级语义特征上良恶性表现不明显的情况，提出最小分类风险模型并结合纹理特征来辅助分类，进一步提高分类正确率。该模型考虑了错分良恶性样本的不同代价，既能保证较高的准确率，又能保证较低的错分代价。通过实验验证，使用最小分类风险模型对高级语义特征和纹理特征联合分类所得的分类结果更加符合人类理解，分类正确率也有明显的提高。(本文来源于《哈尔滨工业大学》期刊2012-06-01）
钟成军[9]（2012）在《足球视频高级语义分析》一文中研究指出近年来,精彩事件的检测在基于内容体育视频检索中占据重要位置,尤其在足球视频领域。足球在众多体育视频中备受人们关注,并且在全世界拥有大量的球迷观众。本文提出了一个足球视频高级语义分析的框架,包括射门事件,犯规事件,点球事件,主要工作如下：(1)镜头分割：视频是由一系列的场景组成,所以首先要进行镜头分割,本文在传统的镜头分割基础上采用了一种基于镜头切变的分割算法,该算法设置了四个域值分别为TG, TGd,THd Tigh,THd Low,首先通过比较阂值TG划分为球场可见镜头与球场不可见镜头,在球场可见镜头中采用双阂值THdLow,TGd分割算法,在球场不可见镜头中采用单阂值THdTigh分割算法。本文主要以切变的镜头为主,采用单双阂值结合的算法来进行镜头的分割,通过实验得到了较好的效果。(2)镜头分类：镜头分割成一系列镜头后,在每个镜头中抽取关键帧,并用关键帧作为该镜头的描述。在关键帧中进行主色提取,设定叁个阂值将其分类为：长距离镜头,中距离镜头,场外镜头或特写镜头,并进行二次分类提高了中远距离镜头的检测的准确性。(3)慢镜头的检测,慢镜头通常是精彩事件的回放过程。本文采用基于帧间直方图差的方法来定位与检测慢镜头,通过慢镜头可以有效的检测出是否有精彩事件的发生。(4)禁区区域检测,射门事件通常是在禁区附近发生的,通过检测禁区白线实现对禁区的检测,从而辅助射门事件的检测。本文采用了Hough变换对禁区白线进行了检测,通过禁区白线的检测可以有效的辅助射门事件的检测。(5)字幕信息检测,射门事件发生后,往往会出现比赛比分的字幕信息,因此本文采用了一种基于小波变换的K均值聚类算法对字幕进行了分析与提取。字幕检测可以有效的检测出是否有射门事件的发生。通过以上分析,本文提出了一个足球视频的高级语义事件分析与检测的框架,通过检测慢镜头的机制,并在慢镜头的前后检测镜头类型,并针对禁区区域检测,字幕帧的检测辅助对精彩事件的识别。本文主要思想是通过低层特征提取,中层条件约束，到高层语义事件的检测。(本文来源于《吉林大学》期刊2012-06-01）
吴杏红[10]（2012）在《四种句子语境及语义透明度对高级水平外国留学生成语理解作用的实验研究》一文中研究指出本文采用定量的实验（句子启动技术和词汇判断任务）和定性的访谈（实验后要求被试口头解释目标成语义及猜测依据）相结合的方式，考察具体的强语境类型（同义语境、反义语境，解释语境、推理语境）和不同的成语语义透明度（高透明度与低透明度）对高级水平留学生成语理解的作用。通过对30名欧美和日韩高级水平留学生猜测语义的过程与实验条件下所得结果的系统考察和综合分析，我们发现：1.语境类型会影响高级水平留学生对成语的理解。就对高级水平留学生成语理解的促进作用而言，同义语境>反义语境>中性语境；解释语境≈推理语境>中性语境。2.成语的语义透明度会影响高级水平留学生对成语的理解。总体来说，高透明度的成语更易被留学生理解。3.语境与语义透明度存在一定程度的交互作用，表现为：只有在“同义语境”和“推理语境”中，“语义透明度”对留学生成语理解的作用才得以发挥，即高透明度成语的理解度高于低透明度成语；而在“反义语境”、“解释语境”、“中性语境”中，这种作用没有显着性差异。此外，通过对数据的观察，我们得出一个推论：解释性语境对低透明度成语理解的促进作用好于推理语境。4.一定程度上，“推理语境”促进成语理解，“解释语境”抑制成语理解。这是因为，留学生在利用解释语境线索时，存在推理策略泛化的现象。5.高级水平留学生已经有根据不同的语义透明度区别分析的意识：对高透明度成语最常使用“语素归纳”，对“低透明度”成语最常使用“语境归纳”，在初、中阶段存在的“透明词策略泛化”现象大大减少。6.“利用语素猜词”和“利用语境线索猜词”并用比单独使用一种线索得到更好的理解。7.上述作用在来自不同母语文字背景的高级水平留学生中不存在显着差异，不同语言背景的高级水平留学生的学习规律一致。基于以上发现，我们对成语教学及词典例句设置提出了有针对性的参考建议，与此同时，本文的研究成果也能丰富“句子语境效应”和“猜测语义加工方式”的相关研究，具有一定的理论价值。(本文来源于《北京大学》期刊2012-05-01）
高级语义论文开题报告
（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：
自然语言处理是人机交互领域的重要核心,是近些年人工智能领域快速发展的方向之一,吸引着研究人员的关注。在深度神经网络被提出后,尤其以序列到序列模型(Seq2Seq)为代表的模型被广泛应用在文本生成任务中,该方向相关的各项任务,如机器翻译、文本等,性能都得到了较大的提高。然而,受限于神经网络数据驱动的特点,相关的自然语言模型只能在构建在规模巨大的语料库上。一旦将已经预训练完毕的模型应用在其他语料,模型的效果会发生明显的削弱。因此,本文对自然语言模型中广泛使用的序列到序列(Seq2Seq)结构进行改进,增加了能够利用迁移学习的功能结构,使其能够利用先验知识或不同任务的预训练模型。相比于原始的Seq2Seq结构,该模型能够利用先验知识和已构建好的预训练模型,即使在小规模数据上也能够达到较好的效果。本文在若干着名的公开数据集和爬虫抓取的网络社区数据集上进行了实验,实验结果表明,本文提出的迁移学习Seq2Seq模型能够很好地利用先验知识以及自然语言任务中学习到的通用知识,在多项指标上均超过了现有的先进算法,实现了迁移学习在不同数据集、不同任务上的普适性。本文所衍生的部分研究被学术界认可并发表了相关的文章至顶会NIPS与IJCAI,在国际竞赛与相关企业实践中都取得了切实的成绩,证明了该研究的学术价值和工业价值。
（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。
高级语义论文参考文献
[1].王哲.多特征融合的深层网络图像高级语义识别方法研究[D].太原理工大学.2019
[2].李昊.基于高级语义的通用型文本生成迁移学习[D].浙江大学.2018
[3].房超.基于图像高级语义与Attention融合的图像描述方法研究[D].辽宁大学.2018
[4].吴春相,曹春静.当代汉语“最高级”从序列到程度的语义演变[J].汉语学习.2018
[5].姜有顺.母语为泰语和哈萨克语的汉语高级学习者对“把”字句谓语动词语义特征的习得[J].世界汉语教学.2018
[6].吴诗玉,马拯,叶丹.中国高级英语学习者词汇语义通达路径的汉英对比研究:语义关联判断任务的证据[J].外语教学理论与实践.2016
[7].沈禾玲.第一语言语义迁移与汉语二语高级学习者词汇习得（英文）[J].世界汉语教学.2015
[8].任姣姣.基于高级语义特征映射的乳腺超声图像分类研究[D].哈尔滨工业大学.2012
[9].钟成军.足球视频高级语义分析[D].吉林大学.2012
[10].吴杏红.四种句子语境及语义透明度对高级水平外国留学生成语理解作用的实验研究[D].北京大学.2012