基于深度学习的跨文献表格融合关键技术研究
这是一篇关于表格信息抽取,表格融合,图像处理,语义模型的论文, 主要内容为作为一种常见的数据记录方式,表格得益于其关联性强、传递效率高等特点,被广泛应用于科技文献中,为后续研究工作提供有价值的参考依据。将来自不同文献的表格数据整合成一个统一、标准的集合,可以获取更全面、准确和系统的科技资料,为解决日益复杂的科学问题提供数据支撑。基于深度学习的跨文献表格融合技术,通过提取表格语义特征,可以抽取并融合表格中的键值对,从而提高科技数据整合效率。然而,由于表内文本密集,无法准确检测文本边界。此外,不同文献对同一键的描述不同,在小样本环境下难以提取表格语义,使得表格融合仍然面临如下挑战:1)文本边界难以准确识别,需要执行非极大值抑制(Non-Maximum Suppression,NMS)操作调整生成框位置,导致表格信息抽取效率低下。2)由于数据集缺乏,基于深度学习的方法在小样本场景下会出现数据稀疏,致使模型不易收敛、精度不足。鉴于此,本文将对基于深度学习的跨文献表格融合方法开展研究。具体而言,本文的主要研究工作如下:(1)为了避免执行NMS操作以提高提取表格结构效率,本文提出了一种基于图像处理的表格信息抽取方法。首先,利用视网膜网络(Retina Net)提取并融合多尺度文献截图特征,从而获取表格位置信息。其次,提出文本识别网络str-PG-Net,利用形态学方法确定文本骨架,并采用全卷积网络获取文本中心线和文本边框特征;进而,利用二分类神经网络获取文本方向特征,结合骨架中心点联合解码,精确检测文本位置,避免NMS操作,以提高表格信息抽取效率。最后,利用基于文本间距的启发式算法检测单元格位置,从而获取表格结构信息。实验结果表明,本文提出的方法可以提升表格信息抽取效率,并优化了在小样本情况下单元格检测的能力。(2)针对小样本环境下表格语义数据稀疏问题,本文提出一种基于语义模型的表格融合方法。具体而言,根据字符嵌入构建表格语义模型,减少训练参数以缓解数据稀疏,利用双向长短期神经网络提取表格键语义特征,并通过柔性指数归一化函数识别表格类型。此外,提出一种基于标题语义特征的表格分类方法,通过表格键语义特征结合标题特表格分类表格,将同类表格依据表格键语义合并,并采用图数据库存储融合后的表格。实验结果表明,本文提出的方法可以识别未登录键,提高表格键分类的准确率。
基于虚拟建模技术的室内智能家居控制系统的设计及实现
这是一篇关于智能家居,虚拟建模技术,语义模型,场景生成的论文, 主要内容为随着时代的进步,科学技术的发展,人们对生活质量的追求也在不断提高,对自己所生活的空间提出了更高的需求,并希望能够使用智能家居产品来满足这些需求。智能家居是前沿科学和日常生活的一种有效的结合点,引起了更广泛的重视和探讨。目前,国内外智能家居设计平台以及软件层出不穷,但是传统的智能家居系统局限于二维的人机交互界面,无法给用户带来良好的智能家居体验。近年来,虚拟建模技术已经成为一种重要的科学工具,它不仅被广泛应用于实验室,而且也被推广到了各个领域。本课题基于和某智能家居公司的合作将虚拟建模技术与智能家居相结合,通过构建三维室内场景模型使用户可以在虚拟场景中对智能家居进行控制,同时将虚拟场景中的智能家居与现实中的设备进行绑定,实现虚拟与现实的映射。就此,本次研究的核心就是基于虚拟建模技术的室内智能家居控制系统的设计及实现。首先分析了目前智能家居控制系统的发展现状,经过深入调研,确定了利用虚拟建模技术构建智能家居控制系统的研究方案。其次,本文调研了近年来室内场景生成的相关文献,结合系统的实际情况提出了一种基于自注意力机制的室内场景生成模型(ISGSA)用于室内场景模型的生成。为了实现对智能家居的精确控制,本课题提出了室内空间的多层语义模型,根据智能家居服务的类型和特点分为视频层、音频层、温度层和天气层四个层次,并对四个层次的智能家居设备进行分层次的虚拟建模,实现用户在虚拟场景中对智能家居进行控制,用户可以在虚拟场景中随意调整智能家居的位置,而不用提供真实的信息,从而很好地保护了用户的隐私安全。最后,系统利用先进的红外无线控制技术,将虚拟环境和真实世界的智能家居设备连接起来,从而实现远程操作和协同管理,用户可以在虚拟场景中实现对现实中智能家居设备的控制。本系统使用了 B/S架构,three.js是其中的核心模块,它能够在浏览器上实现三维的室内环境的交互与展示,而Django、node.js则是其中的Web开发框架,它们共同组成了一个完整的后台管理系统。使用MySQL数据库进行存储数据,Redis数据库负责数据缓存。经过精心设计,最终实现了智能家居控制模块、虚拟人物控制模块、室内场景生成模块和后台管理模块的开发,从而达到了设计的初衷,并且取得了令人满意的开发结果。经过系统的功能性和非功能性测试,系统表现出色,没有出现任何明显的功能缺陷,这说明它已经完全达到了预期的开发要求。
基于虚拟建模技术的室内智能家居控制系统的设计及实现
这是一篇关于智能家居,虚拟建模技术,语义模型,场景生成的论文, 主要内容为随着时代的进步,科学技术的发展,人们对生活质量的追求也在不断提高,对自己所生活的空间提出了更高的需求,并希望能够使用智能家居产品来满足这些需求。智能家居是前沿科学和日常生活的一种有效的结合点,引起了更广泛的重视和探讨。目前,国内外智能家居设计平台以及软件层出不穷,但是传统的智能家居系统局限于二维的人机交互界面,无法给用户带来良好的智能家居体验。近年来,虚拟建模技术已经成为一种重要的科学工具,它不仅被广泛应用于实验室,而且也被推广到了各个领域。本课题基于和某智能家居公司的合作将虚拟建模技术与智能家居相结合,通过构建三维室内场景模型使用户可以在虚拟场景中对智能家居进行控制,同时将虚拟场景中的智能家居与现实中的设备进行绑定,实现虚拟与现实的映射。就此,本次研究的核心就是基于虚拟建模技术的室内智能家居控制系统的设计及实现。首先分析了目前智能家居控制系统的发展现状,经过深入调研,确定了利用虚拟建模技术构建智能家居控制系统的研究方案。其次,本文调研了近年来室内场景生成的相关文献,结合系统的实际情况提出了一种基于自注意力机制的室内场景生成模型(ISGSA)用于室内场景模型的生成。为了实现对智能家居的精确控制,本课题提出了室内空间的多层语义模型,根据智能家居服务的类型和特点分为视频层、音频层、温度层和天气层四个层次,并对四个层次的智能家居设备进行分层次的虚拟建模,实现用户在虚拟场景中对智能家居进行控制,用户可以在虚拟场景中随意调整智能家居的位置,而不用提供真实的信息,从而很好地保护了用户的隐私安全。最后,系统利用先进的红外无线控制技术,将虚拟环境和真实世界的智能家居设备连接起来,从而实现远程操作和协同管理,用户可以在虚拟场景中实现对现实中智能家居设备的控制。本系统使用了 B/S架构,three.js是其中的核心模块,它能够在浏览器上实现三维的室内环境的交互与展示,而Django、node.js则是其中的Web开发框架,它们共同组成了一个完整的后台管理系统。使用MySQL数据库进行存储数据,Redis数据库负责数据缓存。经过精心设计,最终实现了智能家居控制模块、虚拟人物控制模块、室内场景生成模块和后台管理模块的开发,从而达到了设计的初衷,并且取得了令人满意的开发结果。经过系统的功能性和非功能性测试,系统表现出色,没有出现任何明显的功能缺陷,这说明它已经完全达到了预期的开发要求。
企业公共数据管理平台的设计与实现
这是一篇关于数据元素,语义模型,数据交换,数据标准化的论文, 主要内容为目前,油田企业的信息化管理系统建设日益完善,数据应用由原始的数据采集、数据使用阶段向系统间数据共享、精细化数据应用阶段发展。在数据应用建设过程中,需要通过数据支撑平台形成企业数据应用共享平台,为上层业务系统的数据应用提供统一的数据标准体系、数据分析主题以及数据访问接口。因此,提出了建设企业信息集成平台方案,目的是整合信息系统的业务流程,为搭建数据支撑平台建立重要基础,同时实现集中式的数据存储和整合,减少数据冗余,提升数据利用价值。公共数据管理平台是实现企业信息集成平台方案中的关键一环。本文中所建立的信息系统所属的业务之间是相互联系的,但系统的应用却是彼此孤立的,系统之间涉及到大量的公共数据,这些公共数据在系统之间重复建设,重复存储。除了中石油统建的系统外,其它任何一个系统的数据都不具有权威性。因此,必须对系统间用到的公共数据统一管理,为所有系统建立公共数据的“公约机制”,满足所有系统对公共数据的需求。只有对公共数据统一、规范管理,才能实现对数据进行整合的目标,即让数据在各业务之间、各部门之间融会贯通。本文简要介绍了集成平台建设的整体架构设计,重点介绍了此架构上的关键环节——公共数据管理平台的设计与实现。重点解决了如下问题:第一,从数据元层面解决了数据名、型、值的冲突问题;第二,解决了基于公共数据管理平台实现各系统的统一认证和单点登录问题;第三,针对统建系统的应用情况和管理的实际,建立了从统建系统同步数据的方案和实现算法;第四,建立了属性规范值代码表通用管理模型和管理工具;第五,提出了与公共数据管理平台相配套的数据标准;第六,建立了公共数据管理平台的数据质量监督方案及其支持工具,从而保证数据质量。
基于深度学习的跨文献表格融合关键技术研究
这是一篇关于表格信息抽取,表格融合,图像处理,语义模型的论文, 主要内容为作为一种常见的数据记录方式,表格得益于其关联性强、传递效率高等特点,被广泛应用于科技文献中,为后续研究工作提供有价值的参考依据。将来自不同文献的表格数据整合成一个统一、标准的集合,可以获取更全面、准确和系统的科技资料,为解决日益复杂的科学问题提供数据支撑。基于深度学习的跨文献表格融合技术,通过提取表格语义特征,可以抽取并融合表格中的键值对,从而提高科技数据整合效率。然而,由于表内文本密集,无法准确检测文本边界。此外,不同文献对同一键的描述不同,在小样本环境下难以提取表格语义,使得表格融合仍然面临如下挑战:1)文本边界难以准确识别,需要执行非极大值抑制(Non-Maximum Suppression,NMS)操作调整生成框位置,导致表格信息抽取效率低下。2)由于数据集缺乏,基于深度学习的方法在小样本场景下会出现数据稀疏,致使模型不易收敛、精度不足。鉴于此,本文将对基于深度学习的跨文献表格融合方法开展研究。具体而言,本文的主要研究工作如下:(1)为了避免执行NMS操作以提高提取表格结构效率,本文提出了一种基于图像处理的表格信息抽取方法。首先,利用视网膜网络(Retina Net)提取并融合多尺度文献截图特征,从而获取表格位置信息。其次,提出文本识别网络str-PG-Net,利用形态学方法确定文本骨架,并采用全卷积网络获取文本中心线和文本边框特征;进而,利用二分类神经网络获取文本方向特征,结合骨架中心点联合解码,精确检测文本位置,避免NMS操作,以提高表格信息抽取效率。最后,利用基于文本间距的启发式算法检测单元格位置,从而获取表格结构信息。实验结果表明,本文提出的方法可以提升表格信息抽取效率,并优化了在小样本情况下单元格检测的能力。(2)针对小样本环境下表格语义数据稀疏问题,本文提出一种基于语义模型的表格融合方法。具体而言,根据字符嵌入构建表格语义模型,减少训练参数以缓解数据稀疏,利用双向长短期神经网络提取表格键语义特征,并通过柔性指数归一化函数识别表格类型。此外,提出一种基于标题语义特征的表格分类方法,通过表格键语义特征结合标题特表格分类表格,将同类表格依据表格键语义合并,并采用图数据库存储融合后的表格。实验结果表明,本文提出的方法可以识别未登录键,提高表格键分类的准确率。
基于虚拟建模技术的室内智能家居控制系统的设计及实现
这是一篇关于智能家居,虚拟建模技术,语义模型,场景生成的论文, 主要内容为随着时代的进步,科学技术的发展,人们对生活质量的追求也在不断提高,对自己所生活的空间提出了更高的需求,并希望能够使用智能家居产品来满足这些需求。智能家居是前沿科学和日常生活的一种有效的结合点,引起了更广泛的重视和探讨。目前,国内外智能家居设计平台以及软件层出不穷,但是传统的智能家居系统局限于二维的人机交互界面,无法给用户带来良好的智能家居体验。近年来,虚拟建模技术已经成为一种重要的科学工具,它不仅被广泛应用于实验室,而且也被推广到了各个领域。本课题基于和某智能家居公司的合作将虚拟建模技术与智能家居相结合,通过构建三维室内场景模型使用户可以在虚拟场景中对智能家居进行控制,同时将虚拟场景中的智能家居与现实中的设备进行绑定,实现虚拟与现实的映射。就此,本次研究的核心就是基于虚拟建模技术的室内智能家居控制系统的设计及实现。首先分析了目前智能家居控制系统的发展现状,经过深入调研,确定了利用虚拟建模技术构建智能家居控制系统的研究方案。其次,本文调研了近年来室内场景生成的相关文献,结合系统的实际情况提出了一种基于自注意力机制的室内场景生成模型(ISGSA)用于室内场景模型的生成。为了实现对智能家居的精确控制,本课题提出了室内空间的多层语义模型,根据智能家居服务的类型和特点分为视频层、音频层、温度层和天气层四个层次,并对四个层次的智能家居设备进行分层次的虚拟建模,实现用户在虚拟场景中对智能家居进行控制,用户可以在虚拟场景中随意调整智能家居的位置,而不用提供真实的信息,从而很好地保护了用户的隐私安全。最后,系统利用先进的红外无线控制技术,将虚拟环境和真实世界的智能家居设备连接起来,从而实现远程操作和协同管理,用户可以在虚拟场景中实现对现实中智能家居设备的控制。本系统使用了 B/S架构,three.js是其中的核心模块,它能够在浏览器上实现三维的室内环境的交互与展示,而Django、node.js则是其中的Web开发框架,它们共同组成了一个完整的后台管理系统。使用MySQL数据库进行存储数据,Redis数据库负责数据缓存。经过精心设计,最终实现了智能家居控制模块、虚拟人物控制模块、室内场景生成模块和后台管理模块的开发,从而达到了设计的初衷,并且取得了令人满意的开发结果。经过系统的功能性和非功能性测试,系统表现出色,没有出现任何明显的功能缺陷,这说明它已经完全达到了预期的开发要求。
基于动静态信息相结合的测试用例选择和排序方法
这是一篇关于软件测试,测试用例优化,语义模型,蚁群算法,历史执行信息的论文, 主要内容为测试用例作为软件测试的核心,能够科学管理并组织软件测试活动。在当前持续集成的背景下,测试环节对于测试用例提出了更高的要求,领域内研究人员提出了很多有价值的测试用例优化技术。但是这些方法大多笼统地对测试用例进行聚类区分或者顺序调整,没有充分分析测试用例信息和测试场景需求,不能兼顾测试的针对性和有效性。本文在深入学习并分析了现有测试用例优化方法的基础上,结合测试用例标题的文本信息和回归周期生成的历史执行信息,提出了一种新的测试用例选择和排序方法,能够同时实现静态信息挖掘和动态信息搜索,提高了软件测试的效率和质量,主要的研究内容如下:(1)为了能够缩减时间和资源开销,实现准确性高、针对性强的测试用例优化,本文提出了一种基于语义模型的静态测试用例选择方法——SSM。SSM通过语义模型提取每个用例的主题,利用双向最大匹配方法对测试用例标题进行规则分词,为了避免新兴词汇的划分失误,接着采用CRF的统计模型进行二次分词和词性标注,从中提取名词词序列,最后计算用例间基于Jaccard的相似程度,选择出满足测试需求的测试用例。既避免了文本主题聚类方法中人为设置参数带来结果偏差,又极大地提高了测试的有效性和精确性。(2)在此基础上,本文提出了一种基于历史执行信息动态搜索的测试用例排序方法——DSHEI,进一步提高测试效率和缺陷检测能力。DSHEI深入分析历次回归周期的执行信息,提出了一种影响因子HEI,该影响因子能够评价出每一个测试用例在下一轮回归测试中的缺陷检测能力和运行开销;在得到测试用例集中所有用例的影响因子HEI后,实现优化动态搜索策略,将该因子作为蚁群算法的信息素更新规则,从而找到检错能力更强、测试成本更低的测试用例序列。为了验证SSM和DSHEI的有效性,本文对多个真实、丰富的测试用例数据集和企业实际测试的用例数据集进行了实验,分别与具有代表性的测试用例选择和测试用例排序方法进行对比,SSM和DSHEI均能够有效地选择用例并按照优先级进行排序。
装配过程中的动作识别与作业规范性判别方法研究
这是一篇关于装配动作识别,语义模型,知识图谱,动作分割,深度学习的论文, 主要内容为人机协作将成为未来智慧生活、工业生产等社会活动的主要形式。在生产制造环境中实现人机协同作业,首要任务是让机器能够识别人类的作业动作、理解人类的工作意图,才能让机器在辅助人类作业时做出有效的决策。本文以机械零部件的装配作业为对象,基于深度学习方法,研究装配过程中的动作识别和作业规范性判别方法,为人机协作奠定重要技术基础和理论依据,对促进企业智能化转型具有重要的应用价值。(1)分析了人工装配作业过程经验主导、难以监控的特点,构建了一种深度学习和知识管理方法相结合的装配作业动作识别与作业规范性判别框架。给出了包含装配工艺语义结构化建模、装配动作分割与识别、作业规范性评价等关键环节的研究方法流程,结合知识图谱、机器视觉、相似性分析等技术,对各关键问题中的技术难点进行了详细分析,为进一步的装配动作识别研究探明研究途径。(2)分析了装配工艺信息离散化、非结构化描述的特点,构建了一个面向装配过程的工艺知识语义信息模型,解决工艺知识文件难以形式化表达的问题。在对装配工艺信息分析的基础上,提取了构成装配过程的基本单元及其关联关系等工艺要素;采用本体信息结构描述方法,完成从工艺要素到知识图谱模型的构建。构建的工艺知识图谱可作为计算机知识库,便于计算机对其进行检索、分析和使用,为实现对装配过程规范性的智能管理奠定基础。(3)分析了装配过程中动作具有连续性、相似性和关联性的特点,构建了一种基于时移模块(TSM)和多阶段时间卷积(MS-TCN)的动作分割模型TSM-ResNet50+MS-TCN。搭建时移残差网络(TSM-ResNet50)提取视频中装配动作的时空特征,时移和残差模块的融合在保证精度的同时减少待优化参数量和网络计算量。搭建MS-TCN网络作为动作分割模块,基于膨胀卷积和网络多阶段组合的方式,实现了长时序装配视频动作的识别与间接分割。该模型能够直接用于处理未剪辑的装配过程视频,避免大量视频数据处理工作,极大地提高装配动作识别效率。(4)分析了人员装配作业过程灵活多变导致实际装配过程与标准工艺过程可能存在偏差问题,结合动作识别结果和装配工艺语义信息模型,构建了一种基于模板匹配的装配作业规范性判别方法。基于差分计算和滑动窗口方法,对动作识别结果中的异常数据进行处理,以减少对实际装配作业序列提取结果的影响;基于图结构数据搜索方式,设计了以动作识别的作业序列为基准从工艺知识图谱中提取标准装配作业序列的方法,基于图结构数据表示方法构建作业序列特征矩阵,进行动作识别作业序列与标准作业序列的相似性分析,确定相似度最高的标准序列,进而完成装配作业动作序列的规范性判别。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://m.bishedaima.com/lunwen/54075.html
