目标抽取论文-杨磊,郭鹏程,罗丁利

目标抽取论文-杨磊,郭鹏程,罗丁利

导读:本文包含了目标抽取论文开题报告文献综述及选题提纲参考文献,主要关键词:调频步进,距离高分辨率,目标抽取,距离像拼接

目标抽取论文文献综述

杨磊,郭鹏程,罗丁利[1](2019)在《调频步进信号目标抽取快速算法研究》一文中研究指出调频步进雷达是一种距离高分辨率的雷达体制,存在目标冗余的问题。目标抽取算法就是消除这种冗余,提取目标真实位置的方法。基于对现有目标抽取算法的分析,本文提出了一种适合工程应用的快速抽取算法。与传统方法相比,该方法不需要对起始采样点进行标定,也不需要拼接全程的距离像,减小了运算量。计算机仿真的结果验证了算法的有效性。(本文来源于《火控雷达技术》期刊2019年02期)

赵威[2](2019)在《面向用户评论的观点目标和观点词协同抽取技术》一文中研究指出网络技术的快速发展和普及,对人类的生活模式产生了巨大的影响。目前在线购物已经成为人们的主要购物模式之一,用户评论对商品/服务提供商和其他潜在用户具有重要的参考价值。然而,用户评论的海量性使得用户难以快速地检索到期望的信息。因此,对用户评论进行自动化和智能化的分析处理显得极其重要。观点目标和观点词是用户评论中两个核心的成分,前者描述了用户对什么对象发表评价,后者表达了用户对该对象持有什么样的态度,这两者承载了大部分的用户观点信息。因此,从文本中自动抽取观点词和观点目标是进行评论分析和智能应用的一项基础工作。本文围绕观点词和观点目标的系统抽取展开研究,主要工作包括:(1)在已有的工作中,有监督的观点对抽取方法能够达到较好的抽取效果。然而,这类方法依赖于高质量的训练样本,而样本标注是一个耗时费力易错的过程。我们提出一种利用众包计算从用户评论中迭代式获取高质量观点词对的方法。首先,通过EM算法评估工作者的可靠性;然后,基于工作者的可靠性进行任务分发;最后,结合工作者可靠性和返回结果中标注词对的依赖信息产生最终的观点词对。在此过程的每次迭代中,利用生成的结果重新评估工作者的可靠性,能够在不增加成本的基础上保证结果的质量。实验结果表明,我们的方法在预算固定的情况下能够获取更多的观点词对。(2)基于带有注意力机制的观点依赖关系分析,进行观点词对抽取的方法。同一类商品下,观点词对中包含的观点目标和观点词通常有着很强的观点依赖关系,因此在观点词对的提取过程中,可以通过对评论句子中单词间的观点依赖关系进行分析来提取出观点词对。首先,构建出评论句子的依赖关系分析模型来获取到评论句子中每个单词之间的依赖关系信息,本文选择的基本模型是LSTM神经网络;然后,假设评论句子中所包含的观点词对中的一项是已知的,并将该已知项作为模型的注意力信息,使得模型能够从评论句子中有重点地提取出与该已知项具有强观点依赖关系的单词或词组,作为观点词对中的另一未知项;最后,将观点依赖关系得分最高的词对作为观点词对进行输出。接着研究工作进一步设计了一种复合模型,通过结合两种包含不同已知项信息的上述模型,来达到在不需要提前知道已知项的情况下实现观点词对的挖掘。(本文来源于《桂林电子科技大学》期刊2019-05-29)

夏海蛟[3](2017)在《无监督特征抽取方法及其在目标识别中的应用》一文中研究指出随着信息技术的快速发展,图像识别技术广泛应用于人脸,数字及其他各种目标的识别中,因此在工农业、商业、军事应用中有着强烈的技术需求。图像特征抽取是图像识别技术中的关键环节,对其开展研究具有重要的理论意义和应用价值。论文针对无监督特征抽取方法开展了研究,并将其应用于红外车辆类目标的识别中。论文的主要内容如下:综述了多种基于深度网络的无监督特征抽取方法,分析了它们的优缺点,讨论了此类方法在中等规模数据样本情况下应用的局限,提出采用视觉词典类学习替代深度网络的无监督特征特征抽取思路。提出了一种基于视觉词典学习的单级无监督特征抽取方法。在阐述了无监督特征抽取的流程后,深入讨论了视觉词典的生成和编码器的选取对特征抽取的影响。提出综合利用Kmeans聚类、正交匹配追踪算法OMP(Orthogonal Matching Pursuit)和软阈值编码器方法从随机采样的样本块中学习特征抽取基,以提高识别的准确率。在Cifar-10和VOC2012数据集上,对改进后的单级计算结构进行测试,并将其与基于深度学习的特征抽取算法进行比较。实验证明,改进后的单级计算结构识别率高于原单级计算结构及大多数其他算法。验证了所提方法适合中等规模训练数据集的应用条件。模拟深度神经网络中的卷积层和池化层实现方法,采用空间金字塔池化方法,将提出的单级扩展为两级计算结构以提升其抽取更复杂特征的能力。在遥感建筑物自选数据集上测试的实验结果表明,两级计算结构优于单级计算结构及其他算法。提出了一种采用“似物性”检测和显着性检测与所提K-Feature无监督特征识别相结合的方法,实现从红外图像中检测红外识别移动车辆应用。针对实际拍摄的红外图像测试结果表明,该方法可有效地检测识别红外移动车辆,在单目标序列的检测识别率可达100%,在特别复杂的多目标序列情形中,其检测识别率也可达到约78%。(本文来源于《华中科技大学》期刊2017-05-01)

杨阳,李秀坤[4](2016)在《水下目标声散射信号的时频域盲抽取》一文中研究指出目标声散射机理及其散射特性为识别目标的物理依据.针对水下目标声散射成分在时-频域存在相互混迭干扰,造成目标弹性声散射特征不稳定的问题,提出一种适合在欠定问题下分离目标声散射成分的时频域盲抽取方法.研究声散射成分的时频特征差异,构造目标回波单源自项的空间时频分布矩阵,通过对其进行特征值分解抽取相应的声散射成分,建立描述目标声散射物理特性的信号模型.抽取出的目标各弹性波分量与以表面环绕波产生理论计算结果相符.仿真与消声水池实验数据处理结果表明,该算法可以分离出目标回波的各个声散射成分,提高了分离信号的输出信噪比,为水下目标识别提供稳定和可靠的特征.(本文来源于《物理学报》期刊2016年16期)

陕财[5](2016)在《陕西以“工匠精神”完善政采制度》一文中研究指出本报讯 陕西政采将精雕细刻、精益求精的“工匠精神”嵌入制度完善中。日前,该省财政厅发布通知,明确了专家抽取等18个问题的具体要求,拾遗补缺,对此前的相关制度规定做进一步完善,为政府采购工作的有序开展提供制度支撑。这18个问题主要针对政府采购活动(本文来源于《中国政府采购报》期刊2016-07-12)

陈文杰,周海英[6](2016)在《基于背景约束机制的目标识别方法及图像语义抽取》一文中研究指出多数图像目标识别过程只对主要目标物进行提取,再分类识别,造成图像背景信息丢失,为此提出一种背景约束机制(background restraint mechanism)下的目标识别方法。通过视觉注意模型分别提取图像的前景目标物和背景信息,实现图像的前景目标物与背景分离,通过对背景图像信息的提取识别形成对前景目标物的概率约束。将此约束机制引入分类器中形成一种BRM_GAM(background-restraint-mechanism_Gaussian ARTMAP)分类模型,对前景目标物进行分类识别。实验结果表明,该方法有较好识别效率和时效性,符合人类认知。此外,提出一种利用GAM模型提取图像语义字典直方图,进行图像语义抽取的方法。(本文来源于《计算机工程与设计》期刊2016年04期)

朱昀,王俊,张各各,王相入[7](2016)在《循环平稳弱目标回波信号的盲抽取方法》一文中研究指出针对外辐射源雷达系统中弱目标回波信号淹没在强直达波、多径、干扰信号和噪声中的问题,提出一种基于循环平稳特性的弱目标回波信号盲抽取方法.该方法不需要参考通道,而是利用信号的谱线生成特性直接对回波通道信号进行抽取,通过迭代使输出信号中目标回波信号成分最大化,同时使其他信号和噪声成分最小化.与传统的外辐射源雷达目标回波信号获取方法相比,该方法不需要参考通道及杂波对消,既简化了接收机的结构,又减少了运算量.仿真实验验证了该方法的有效性.(本文来源于《西安电子科技大学学报》期刊2016年02期)

梁超杰,李阳,陆顶洪,陈鹏,陈甜甜[8](2014)在《一种改进的线性调频步进信号目标抽取算法》一文中研究指出针对线性调频步进信号一维成像算法中的目标抽取问题,提出一种改进的目标抽取算法.在保证目标最强散射点被抽取到的前提下,该算法对最强散射点所在采样点的抽取区所有可能的位置进行遍历,根据每个可能的位置反推出一个抽取起始点,获取多组目标一维高分辨距离像(HRRP),并对各HRRP进行散射点提取,最终选择各强散射点能量累加值最大的那组HRRP作为目标的HRRP.经实测数据验证,该方法抽取效果优于逆向舍弃法.(本文来源于《北京理工大学学报》期刊2014年09期)

杨伟杰,马博渊,刘雯[9](2014)在《基于意见目标句抽取的中文股评情感分析方法》一文中研究指出针对股评文章进行情感倾向性分析时,不包含情感倾向的干扰信息过多而影响分析的正确率的问题,提出了一种股评文章中意见目标句识别及抽取的方法,利用股评文章的特点,借助主动词识别及其情感预判,识别与股评情感分析直接相关的意见目标句,并在缺少领域词典的情况下,使用基于半监督学习的分类方法进行此类句子的情感倾向分析,最终依此得到整篇文章的情感倾向。实验证明上述方法能够较大程度上改善股评文章情感分析的准确性。(本文来源于《计算机仿真》期刊2014年03期)

石文斌,魏锋,王大鸣,仵国锋,崔维嘉[10](2013)在《基于PSO-CF的有限目标信号盲抽取算法》一文中研究指出以最大化规范四阶累积量绝对值为目标函数,解决了因概率密度函数估计过程中激活函数选取不当而带来算法分离性能下降的问题;引入PSO-CF方法进行优化问题求解,防止算法收敛到局部极值,降低算法的实现复杂度。为高效实现从多源混合信号中抽取有限数目的目标信号,提出了一种基于PSO-CF的有限目标信号盲抽取算法。仿真表明,该算法对超高斯、亚高斯及混合型源信号均可分离,算法普适性强,且收敛速度快,分离性能良好。(本文来源于《电路与系统学报》期刊2013年01期)

目标抽取论文开题报告

(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:

网络技术的快速发展和普及,对人类的生活模式产生了巨大的影响。目前在线购物已经成为人们的主要购物模式之一,用户评论对商品/服务提供商和其他潜在用户具有重要的参考价值。然而,用户评论的海量性使得用户难以快速地检索到期望的信息。因此,对用户评论进行自动化和智能化的分析处理显得极其重要。观点目标和观点词是用户评论中两个核心的成分,前者描述了用户对什么对象发表评价,后者表达了用户对该对象持有什么样的态度,这两者承载了大部分的用户观点信息。因此,从文本中自动抽取观点词和观点目标是进行评论分析和智能应用的一项基础工作。本文围绕观点词和观点目标的系统抽取展开研究,主要工作包括:(1)在已有的工作中,有监督的观点对抽取方法能够达到较好的抽取效果。然而,这类方法依赖于高质量的训练样本,而样本标注是一个耗时费力易错的过程。我们提出一种利用众包计算从用户评论中迭代式获取高质量观点词对的方法。首先,通过EM算法评估工作者的可靠性;然后,基于工作者的可靠性进行任务分发;最后,结合工作者可靠性和返回结果中标注词对的依赖信息产生最终的观点词对。在此过程的每次迭代中,利用生成的结果重新评估工作者的可靠性,能够在不增加成本的基础上保证结果的质量。实验结果表明,我们的方法在预算固定的情况下能够获取更多的观点词对。(2)基于带有注意力机制的观点依赖关系分析,进行观点词对抽取的方法。同一类商品下,观点词对中包含的观点目标和观点词通常有着很强的观点依赖关系,因此在观点词对的提取过程中,可以通过对评论句子中单词间的观点依赖关系进行分析来提取出观点词对。首先,构建出评论句子的依赖关系分析模型来获取到评论句子中每个单词之间的依赖关系信息,本文选择的基本模型是LSTM神经网络;然后,假设评论句子中所包含的观点词对中的一项是已知的,并将该已知项作为模型的注意力信息,使得模型能够从评论句子中有重点地提取出与该已知项具有强观点依赖关系的单词或词组,作为观点词对中的另一未知项;最后,将观点依赖关系得分最高的词对作为观点词对进行输出。接着研究工作进一步设计了一种复合模型,通过结合两种包含不同已知项信息的上述模型,来达到在不需要提前知道已知项的情况下实现观点词对的挖掘。

(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。

目标抽取论文参考文献

[1].杨磊,郭鹏程,罗丁利.调频步进信号目标抽取快速算法研究[J].火控雷达技术.2019

[2].赵威.面向用户评论的观点目标和观点词协同抽取技术[D].桂林电子科技大学.2019

[3].夏海蛟.无监督特征抽取方法及其在目标识别中的应用[D].华中科技大学.2017

[4].杨阳,李秀坤.水下目标声散射信号的时频域盲抽取[J].物理学报.2016

[5].陕财.陕西以“工匠精神”完善政采制度[N].中国政府采购报.2016

[6].陈文杰,周海英.基于背景约束机制的目标识别方法及图像语义抽取[J].计算机工程与设计.2016

[7].朱昀,王俊,张各各,王相入.循环平稳弱目标回波信号的盲抽取方法[J].西安电子科技大学学报.2016

[8].梁超杰,李阳,陆顶洪,陈鹏,陈甜甜.一种改进的线性调频步进信号目标抽取算法[J].北京理工大学学报.2014

[9].杨伟杰,马博渊,刘雯.基于意见目标句抽取的中文股评情感分析方法[J].计算机仿真.2014

[10].石文斌,魏锋,王大鸣,仵国锋,崔维嘉.基于PSO-CF的有限目标信号盲抽取算法[J].电路与系统学报.2013

标签:;  ;  ;  ;  

目标抽取论文-杨磊,郭鹏程,罗丁利
下载Doc文档

猜你喜欢