导读:本文包含了静态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:行人检测,图像语义分割,卷积神经网络,行人跟踪
静态语义论文文献综述
谢晓路[1]（2019）在《基于多尺度图像语义特征的静态图像行人检测》一文中研究指出行人检测是计算机视觉领域的一个重要研究方向。其在行为分析、自动驾驶、智能交通以及人流量统计等方面有广泛的应用。随着深度学习和计算技术的迅猛发展,基于深度卷积神经网络的通用物体检测方法得到了广泛的研究。在此推动下,行人检测也取得了飞速的发展。基于深度卷积神经网络的通用物体检测方法被广泛用于行人检测研究,取得了很好的检测效果。基于深度学习的行人检测模型大多数都使用所谓的先验框机制。由于该机制存在难以学习物体和周围环境之间关系的缺陷,限制了它的实际应用。针对上述问题,本文提出了一种利用图像语义分割图作为辅助特征的解决方案。该方案从主干网络中接收特征图,提取高层语义特征,并进而生成预测的图像语义分割图。上述特征经融合后形成用于行人检测的多尺度融合特征图金字塔。由于所述多尺度特征模块具有接收特征图并且输出特征图的特点决定了其能够很方便地被嵌入到基于卷积神经网络的检测框架中,从而以非常便捷、高效的方式完成基于静态图像的行人检测任务。在先验框的选取上,本文使用基于IoU值作为距离函数的k均值聚类算法作为先验框设计的指导,使先验框对训练集中的标注包围框达到较高的覆盖程度。在模型训练上,本文采取交替训练的方式来优化模型的损失函数。为了验证所提方法的有效性,进行了相关的行人检测实验。实验结果表明,本文提出的行人检测模型在KITTI数据集上取得了很好的效果。相比于目前主流的行人检测模型,我们方法的行人检测效果有明显的提升。此外,本文还对相关的行人跟踪问题进行了研究,设计并实现了用于行人检测和行人重识别目的的行人跟踪模型。该模型由行人检测、行人重识别和身份管理等叁个子模块组成。在行人重识别模块中,通过引入特征分块降采样的结构以保持特征的结构信息和对位移的鲁棒性。在身份管理模块中,将身份激活掩码用于辅助特征匹配以提高匹配的准确性。(本文来源于《中国科学技术大学》期刊2019-05-01）
刘玲[2]（2018）在《语义模糊的静态研究和动态研究》一文中研究指出一般认为,语义模糊指的是语言符号所指概念的外延边界不清晰。我们把凡是在效用性上能使人产生界限不清、意义含混、信息不明的现象通称语义模糊。语义模糊研究可以从静态的语言平面和动态的言语平面分别进行。在语言平面上,语义模糊主要是通过语音、词汇和语法手段表达的概念不清晰。在言语平面上,语义模糊主要表现为说话人的信息、情感、意图、立场表达上的不清晰。语义模糊最终体现为一定的内容、手段和效用表达的不清晰。(本文来源于《教育教学论坛》期刊2018年31期）
谢念念[3]（2018）在《基于轻量级语义特征的Android恶意应用静态检测》一文中研究指出Android系统的开放性及其繁杂的第叁方应用市场导致了大量恶意应用的存在,这对用户的个人隐私和财产安全构成了严重威胁,因此关于Android恶意应用检测的研究具有重要意义。Android恶意应用检测的相关研究工作主要提取应用的语法特征或语义特征,其中利用应用的语义特征判断恶意行为更为可靠,在Android恶意应用检测中起着关键作用。由于提取语义特征的方法通常较为复杂,因此本文定义了一种轻量级语义特征,通过对应用进行静态分析提取其语义特征和语法特征,利用机器学习技术对Android应用进行自动分类从而检测出恶意应用。本文具体工作如下:(1)提出一种计算开销小并且能够有效检测应用安全性的轻量级语义特征:“广义的敏感API”及其触发点方法,强调要关注广义敏感API的触发点是否是UI事件相关的回调方法,以此作为出发点对Android应用进行分类。(2)综合考虑应用的语法特征和语义特征进行Android恶意应用检测研究。本文提取应用实际使用的权限构成语法特征,除了应用代码中API对应的系统权限,本文还为动态代码加载相关的方法以及敏感API之外的Source和Sink方法定义其对应的“近似权限”。(3)通过在24288个样本上进行实验找到了本文方法的最优分类技术——随机森林。实验中对应用进行分析提取出特征向量的平均用时约60秒,可见本文方法计算开销小,多组实验结果证明本文的特征集在Android恶意应用检测方面的有效性。通过分析特征发现正常应用中出现频次多于恶意应用中的特征同样可以用于帮助区分应用。最终本文通过计算特征的信息增益和皮尔森相关系数选择出包含425个特征项的特征集,整体的应用分类正确率为97.9%,恶意应用的检测精度为99.3%。(本文来源于《中国科学技术大学》期刊2018-05-24）
许国宁[4]（2018）在《基于二进制操作码语义优化的静态病毒检测》一文中研究指出恶意软件往往利用计算机系统漏洞和安全防御机制的落后来达到恶意破坏或窃取资料等目的。安全防御机制的目标就是能检测出恶意软件、查杀并恢复其已经造成的破坏、同时制定预防措施,其中最基本的任务就是检测恶意软件。传统的检测一般都是基于人工提取形成的特征库。但是随着恶意软件数量与日俱增,人工分析检测远远不能达到安全防御机制的目标。现阶段提取特征结合分类算法检测恶意软件取得了较好的效果,这些特征能够反映恶意软件行为功能和信息,包括文件结构的信息、系统调用API、操作码、十六进制字节等。本文主要做了如下两项工作:1.针对软件保护技术对样本进行预处理后,提取并对二进制操作码特征进行语义上的去混淆和去冗余,形成N-Gram序列,计算信息增益以筛选分类效果更好的特征序列,并使用支持向量机算法计算最终的检测效果。2.在第一项工作的预处理、特征形式、筛选算法和分类算法的基础上,动态的提取基于线程的Native Api N-gram序列作为特征对比一般的Native Api序列参与恶意软件检测。实验证明了:1.二进制操作码语义优化的特征参与分类计算获得了不错的检测效果,且优化语义的二进制操作码特征的参与的检测效果明显好于二进制操作码特征,并且总体上略好于常用的汇编形式的操作码特征参与的分类计算。2.基于线程的Native Api N-gram序列作为特征参与恶意软件检测的效果明显好于一般的Native Api序列参与的分类效果。(本文来源于《上海师范大学》期刊2018-05-20）
谢刚,韦立,吴祥[5]（2017）在《面向方面程序的静态语义研究》一文中研究指出针对面向方面程序,许多研究者已定义了各种各样的形式语义。但是这些语义都不能够全面、准确地对面向方面程序的规范和方面声明部分进行描述。针对该问题,首先定义一种统一的面向方面程序的规范语言;其次对面向方面程序中的连接点和切点这两个重要概念进行形式化定义;再次引入结构变量表示面向方面程序的基本结构;最后应用统一程序理论中的设计定义面向方面的静态语义,并对其可靠性进行证明。同时,用一个例子说明该语义的使用。(本文来源于《计算机科学》期刊2017年09期）
董航,刘洋,李承泽,付戈,张淼[6]（2017）在《基于语义的Android敏感行为静态分析方法》一文中研究指出提出一种基于语义的Android敏感行为静态分析方法。该方法首先基于样本统计结果,利用精简Dalvik指令集作为本文分析的中间语言,实现对指令层的形式化语义描述;之后,基于中间语言发现检测样本中的敏感调用,并通过控制依赖关系追溯调用路径;最后,在控制流分析基础上,对存在敏感调用的路径约束求解路径条件。最终求解出具体后台行为及触发条件,揭示出样本后台行为的执行全过程。该方法缓解了符号执行中的路径爆炸问题,实验验证了该方法可以有效地对移动应用后台行为进行分析,并及时获取特征检测无法发现的未知移动恶意应用程序。(本文来源于《电子科技大学学报》期刊2017年02期）
陈冬火,刘全,金海东,朱斐,王辉[7]（2016）在《具有程序的静态结构和动态行为语义的时序逻辑》一文中研究指出提出一种区间分支时序逻辑——控制流区间时序逻辑(control flow interval temporal logic,CFITL),用于规约程序的时序属性.不同于计算树逻辑(computation tree logic,CTL)和线性时序逻辑(linear temporal logic,LTL)等传统的时序逻辑,CFITL公式的语义模型不是基于状态的类Kripke结构,而是以程序的抽象模型控制流图(control flow graph,CFG)为基础所构建的含序CFG结构.含序CFG是CFG的一种受限子集,它们的拓扑结构可映射为偏序集,这样诱导产生的自然数区间可自然地用于描述定义良好的程序结构.这种结构含有程序的静态结构信息和动态行为信息,换而言之,CFITL具有规约程序实现结构属性和程序执行动态行为属性的能力.在定义CFITL的语法和语义的基础上,详细讨论了CFITL的模型检验问题,包括基于值状态空间可达性计算的模型检验方法和基于SMT(satisfiability modulo theories)的CFITL有界模型检验方法.现代程序都含有复杂且具有无限值域的抽象数据类型及各种复杂的操作,CFITL语义定义相比CTL等时序逻辑更复杂,因此,基于显示状态搜索的方法难以有效进行,而基于SMT的CFITL有界模型检验方法更易实现、更具有可行性.最近开发相关的原型工具,并进行相关的实例研究.(本文来源于《计算机研究与发展》期刊2016年09期）
王学文[8]（2016）在《从静态词“立”的语义范畴看多义词的认知机制及其在大脑中的储存》一文中研究指出语义的研究不可能是纯客观的,它必须联系人类的认知心理。从认知的角度来说,语言符号的多义性与创造性离不开人类的两种思维模式:意象图式模式和隐喻认知模式。人类从具体的反复的空间经验中抽象出意象图式,以此为基础,隐喻认知能力又将物理空间概念映射到其它具有相似性的抽象的概念结构中去,从而扩充一个具体词汇的意义。多义词的语义范畴是以原型即本义或具体义为中心而储存于大脑中的,其它抽象义项围绕这个原型以辐射状结构排列。(本文来源于《成都理工大学学报(社会科学版)》期刊2016年03期）
唐成华,王丽娜,强保华,汤申生,张鑫[9]（2015）在《基于语义相似度的静态安全策略一致性检测》一文中研究指出安全策略语义是人类控制安全行为意志的表达。针对策略语义在定义和转换过程中存在的冲突等问题,提出一种基于语义相似度的静态安全策略一致性检测模型与算法。首先建立策略领域本体并提取特征因子,给出基于本体中概念特征的语义相似度计算方法;继而以防火墙安全策略为例建立实例检测模型,运用静态安全策略一致性检测算法对冲突策略进行标记处理,并保证最终的策略规则库的一致性。实验结果表明,该算法具有较好的检测效果,为解决安全策略在定义、制定和映射等阶段的冲突提供了一种可行的途径。(本文来源于《计算机科学》期刊2015年08期）
杨丽华[10]（2014）在《英语静态动词在进行体中的语义转换和语用特征研究》一文中研究指出传统语法学认为静态动词的语义实质与进行体不相容,所以它们不能用于进行体中。但国内外学者研究发现:英语静态动词具有动态意义时也能用于进行体,并根据语境或语用的需要表现出多种含义,达到一种动态过程的特殊效果。本文一方面分析英语静态动词用于进行体时的语义转换,另一方面探讨静态动词用于进行体时所表达的丰富语用特征。(本文来源于《内蒙古师范大学学报(教育科学版)》期刊2014年08期）
静态语义论文开题报告
（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：
一般认为,语义模糊指的是语言符号所指概念的外延边界不清晰。我们把凡是在效用性上能使人产生界限不清、意义含混、信息不明的现象通称语义模糊。语义模糊研究可以从静态的语言平面和动态的言语平面分别进行。在语言平面上,语义模糊主要是通过语音、词汇和语法手段表达的概念不清晰。在言语平面上,语义模糊主要表现为说话人的信息、情感、意图、立场表达上的不清晰。语义模糊最终体现为一定的内容、手段和效用表达的不清晰。
（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。
静态语义论文参考文献
[1].谢晓路.基于多尺度图像语义特征的静态图像行人检测[D].中国科学技术大学.2019
[2].刘玲.语义模糊的静态研究和动态研究[J].教育教学论坛.2018
[3].谢念念.基于轻量级语义特征的Android恶意应用静态检测[D].中国科学技术大学.2018
[4].许国宁.基于二进制操作码语义优化的静态病毒检测[D].上海师范大学.2018
[5].谢刚,韦立,吴祥.面向方面程序的静态语义研究[J].计算机科学.2017
[6].董航,刘洋,李承泽,付戈,张淼.基于语义的Android敏感行为静态分析方法[J].电子科技大学学报.2017
[7].陈冬火,刘全,金海东,朱斐,王辉.具有程序的静态结构和动态行为语义的时序逻辑[J].计算机研究与发展.2016
[8].王学文.从静态词“立”的语义范畴看多义词的认知机制及其在大脑中的储存[J].成都理工大学学报(社会科学版).2016
[9].唐成华,王丽娜,强保华,汤申生,张鑫.基于语义相似度的静态安全策略一致性检测[J].计算机科学.2015
[10].杨丽华.英语静态动词在进行体中的语义转换和语用特征研究[J].内蒙古师范大学学报(教育科学版).2014