一、一个用语义分类实现的图象检索框架(论文文献综述)
耿芳[1](2021)在《汉日语气系统之功能视角对比研究》文中指出目前学界对语气的研究存在概念界定模糊、功能取向不明显、研究不系统等问题,从而语气对比领域也缺乏较为完善的研究。有鉴于此,本研究基于系统功能语言学理论,以功能为出发点,明确语气概念,在此基础上,对汉日语气系统进行对比,旨在达到以下三个研究目的:揭示汉日语气类别及其体现形式的异同;揭示汉日语气语势及其体现形式的异同;探讨汉日语气系统的异同。本研究的语气系统包含语气类别系统与语气语势系统,关注人际社会沟通与个人意志、情感在语言层面的体现,人际社会沟通由语气类别系统体现,个人意志与情感由语气语势系统体现。研究依托系统功能语言学理论,对汉日语气类别一致式、语气类别隐喻式、语气语势的精密度,句法、词汇等语言体现形式,语场、语旨、语式等语境特点进行描述、例证、对比,且由语言、思维、社会文化维度出发探讨汉日语气系统的异同。研究发现如下:汉日语气一致式精密度基本一致,功能类别均包含陈述语气、疑问语气、祈使语气。陈述语气中内含五类感叹语气,分别是对事物的感叹、对事物性质的感叹、对事物数量的感叹、对情形性质的感叹、对情形数量的感叹。汉日疑问语气均包含寻求正反及寻求新信息两类;日语中寻求正反选择类语气仅在级阶小句中出现。汉日祈使语气均包含命令、要求、支配、希愿、建议、提供、祝愿七类。语言体现形式方面,汉日语气一致式呈现出在语序调整、程式化表达、疑问词、语气词使用等方面的共性;包含基本语序、成分重叠、结构顺序、疑问词提示特征、语气词性别特征、词法变化等方面的差异性。汉日语气类别隐喻式的精密度较为一致,均有陈述语气疑问型隐喻、陈述语气反义型隐喻、疑问语气陈述型隐喻、疑问语气祈使型隐喻、祈使语气陈述型隐喻、祈使语气疑问型隐喻六类。语言体现形式方面,汉日语气类别隐喻式具有程式化表达、“否定”成分非常规使用、语气词高频使用、句法与词汇共现关联等共性;呈现出句式结构、程式化表达适用性、语气副词、词法变位、句法与词汇共现特点等差异。语境特点方面,汉日语气类别隐喻式在话轮潜势、口语特征、隐喻义与上下文依赖关联、体现形式与上下文依赖关联、权势关系与句法特征互动等方面表现出共性;具备会话双方权势关系多样性、权势关系与体现形式关联、上下文依赖程度、语体倾向性、隐喻义与语式关联、隐喻义多功能性等差异。汉日语气语势在功能系统精密度上程度一致,内在语势均包含确实、料悟、能力、必然、或然、允许、意愿、义务八类;外在语势均含程度、速度两类,其中程度语势包括高、中、低三个水平,速度语势包含急、平、缓三个水平。体现形式手段方面,汉日语气语势呈现出对成分重复、隐喻式表达、不完整表达、投射结构、骂詈语、填充词等手段使用的共性。此外,由于外在语势关注语言的物理特征,本文对其语音手段进行简要分析并发现,汉日外在语势语音手段在音量与情绪对应、元音发声变化等方面存在共性;日语还可使用卷舌、促音、非常规浊化等手段体现外在语势,其中促音、非常规浊化也可在文字书写系统中体现。从语序类型与形态类型探讨汉日语气系统的共性及差异,发现汉日语气系统的语气构成均不依赖语序,呈现出相似的问答模式;在前置语语言典型性、词汇性与词法性、句法成分与形式对应关系、句法顺序与规则侧重等方面展现出差异。从思维维度关注汉日语气系统的共性及差异,发现汉日民族对人际关系呈现出相似的理解模式,展现出务实性与情感性、整体性与群体性、直觉性与规约性三组对照思维差异。从社会文化观察汉日语气系统的共性及差异,发现中日社会在社会交往中均强调互动协商,中日社会宗族性架构与集团性架构的差异影响汉日民族思维,从而使其在语言类型、语气系统上呈现出差异。总的来说,本研究基于系统功能语言学对汉日语气系统进行描述、例证,基于理论框架对语气的语言体现形式及语境特点进行较为全面的对比分析,通过语言体现形式对比发掘汉日语言在语气表达上的异同,通过语境特点描写明确语气的互动属性,并最终从语言、思维、社会文化维度探讨汉日语气系统的共性与差异,丰富了系统功能语言学对语气的研究,回应了学界语气研究存在的问题。
周璐[2](2019)在《基础教育数学教材语言研究》文中研究表明学科教材是培养公民学科知识技能和学科素养的重要依托、必要途径。学科教材语言与学科知识相互依存、不可分割。由于知识的领域性,表述的专业性,从学生学科教育知识学习来看,日常交际语言水平高,并不等于学科语言能力就高,而学科语言能力的高低一定会影响学科知识的学习、理解与运用。这个认知已被大多数人所接受,但至目前,由于学科教材语言的基本问题未被充分探讨,学界对其地位和价值认识仍然不足,除了领域概念、定理、命题外,我们不知道,实际影响学生学科知识学习的语言问题是什么,为什么影响了学生对知识的理解和运用。本文欲以此为研究的目标,以典型的学科教材语言——数学教材语言为主要研究对象,对其从性质、构成、分布及类型划分展开研究,试图从语言类型划分和知识表述的特征上,发现问题所在,并对学科教材语言研究理论建构进行探索。基础教育阶段是学生学科语言能力培养的关键期,为此,本研究拟将关注的重点置于基础教育阶段,旨在理清数学教材语言的类型与构成以及数学语言能力培养等重难点问题。本文围绕着数学教材语言的构成、领域性、特殊性展开,采用语料库数据驱动的方式、定量与定性相结合的研究方法,以数学术语作为切入点,由内核向外缘,由术语向非术语,由对象语言向学科专用叙述语言、通用叙述语言推进,对数学教材语言的使用实态、分布、构成与类型进行了全面、系统的分析研究,并重点关注数学学科范式语言的使用,取得了以下几项研究结论:1.针对学科教材语言的特殊性,融合了功能语境理论与语言实态观,构拟了其构成及类型的模型,揭示了其所具有的内部层次性、连续体等特征。尤其是对学科教材语言进行了三分:对象语言、学科专用叙述语言以及通用叙述语言。本文将学科专用叙述语言从叙述语言范畴里离析出来,提出了“学科范式语言”的概念,认为其包括对象语言和学科专用叙述语言,是数学教材语言特殊性的重要体现,由此将学科教材语言研究与语文教材语言研究作了根本上的区分。构建了基于真实文本构成的数学教材语料库,以术语组合为基础,将数学教材词语从语义功能的维度进行了类型范畴的划分;同时,还构建了学科专用叙述语言格式库,以语言实态的描写、分析及统计显示了所构拟模型的合理性。2.深入解析学科教材语言的知识性特征,从语义、语法聚合以及词与词组合的角度去探析数学教材词级、短语级的语言单位的使用实态与分布,并重点讨论了其与知识对象间的互动,分别建立了数学术语、数学术语组合、学科专用叙述语言格式与基础教育数学学科知识主题的映射关系,推进了对语言与知识的关系、语言与功能的关系以及学科语言性质特征的探讨,提升了研究成果的应用价值。3.发掘数学教材领域特色语言单位——学科专用叙述语言格式,其具有较强的知识对应性、结构有限性以及低扩展性等特征,是学科教材语言特殊性的重要体现。基于数学教材语言使用实态,本文构建了包含10个属性字段、451条记录的学科专用叙述语言格式知识库,其中包含了学科专用叙述语言格式与知识主题、初现年级间的对应关系。该知识库在学科教育领域的应用价值高、实用性强,有利于推动对领域构式的探讨,辅助学生对学科专业表述的掌握,以及推进专门针对学科教育特点的领域语言规范的制定与实施。4.使用语料库、数据库技术以及计算语言学方法,分析语言事实,确定数学语言学习的重点为学科范式语言,是学生数学语言能力培养的核心;学习难点为跨域术语以及长距短语。据统计,属于学科范式语言的词数量为3843,典型的术语组合数为9147,学科专用叙述语言格式数为451,数量共计为13651。其中,领域专用度和通用度都不高的跨域术语,以及具有中高等级复杂度的多重修饰语的长距短语,最值得注意。针对语言难点的学习,本文还提出诸如强化术语义与一般义之间的区别性特征、突出隐性义素、重视“语数形”不同模态转换能力培养等教学策略。同时,本文分别构建了包含10个属性字段的跨域术语数据库,以及17个属性字段的长距组合数据库,以供语言研究、数学学科教育研究使用。5.以数学教材语言构成及类型的基本理论为依托,在理论研究成果基础上,面向应用构建多表、多库相互关联,多属性、多层级的数学教育语言知识资源库。该库为多模态型动态资源库,主要分为文件资源库及数据资源库两大子库,其中数据资源库又可分为学科范式语言数据库(包含对象语言数据库、学科专用叙述语言数据库)和通用叙述语言数据库。数据资源库包括9个子数据库、25899条数据记录以及102个属性字段,平均属性字段数为11。数学教育语言知识资源库的构建,可以作为对学科教材语言、数学教材语言、学科汉语深入研究的资源,也可为数学学科知识教育、相关教育领域语言规范制定提供参考。本文突破了以往学界以定性、举例式分析学科教材语言、数学教材语言、数学语言的研究方法,弥补了忽略学科教材语言特殊性,仅从频次与词形的维度分析学科特色词、数学学科特色词的研究缺失,避免了囿于某种理论致使研究结论在一定程度上所存在的偏差,尽量吸收、融合各方长处,考察研究遵循客观、写实的原则,实现定量研究与定性研究的优势互补,以促进本文研究目标的实现。研究中提出的面向术语自动标注的术语分类以及构建的多属性标注的数学教育语言知识资源库,在一定程度上也有助于中文信息处理,尤其是领域自然语言处理。对学科教材语言的考察不应仅限于某个年段的数学教材语言,若能将数学教育语言知识资源库进一步扩大与延伸,使其发展成为多学科的、动态的、多元的资源库,以反映学科语言的使用现状、发展变化趋势以及共性、个性特征,于语言相关本体及应用研究大有裨益。
曹爽[3](2016)在《现代汉语抽象名词性成分与单音方位词的组合研究》文中研究指明汉语表达空间关系最重要的手段之一,是将方位词置于名词之后,构成“名词+方位词”结构。该结构既能表示具体空间关系和空间意义,也能表示抽象空间关系和空间意义,前人研究多关注具体名词与方位词组合表达的具体空间关系和意义,对抽象空间关系和意义关注不多,研究也不够全面深入。抽象名词性成分与方位词的组合是方位结构抽象义最直接的体现,因此,本文从抽象名词性成分与单音方位词组合的角度出发,对现代汉语中抽象名词性成分与单音方位词的组合及相关问题进行观察、描写和解释。本文除绪论、结语外,共有十章。绪论,主要介绍研究的对象、研究的意义、研究的理论背景和研究方法,研究的主要内容和研究体例,并对语料来源进行说明。第一章回顾现代汉语抽象名词、方位词、抽象名词性成分与单音方位词组合研究的历史,梳理和总结已有的相关研究成果,分析现有研究存在的不足和缺陷,确定本文的研究目标和研究方向。第二章对本文主要运用的认知隐喻理论进行阐释,介绍认知隐喻理论的来源、基本观点、认知隐喻的类型等内容,指出汉语的“NP/N抽+F”结构属于本体隐喻结构,它以隐喻的方式将抽象事物和抽象概念具体化,用理解具体物的方式来理解抽象物。第三章对抽象名词性成分与单音方位词的组合进行综论。首先确定抽象名词的判断标准,提出抽象名词确定的意义标准和形式标准,讨论抽象名词范畴的原型效应;其次分析现代汉语“NP/N抽+F”结构的类型和性质,指出“NP/N抽+F”结构有开放式和封闭式两种类型,有短语和词两种性质。第四章分析“NP/N抽+上”结构,考察“NP/N抽+上”的类型、语义性质、语义特点和功能扩展。指出“NP/N抽+上”是一个基于整体-平面的隐喻结构,其语义系统呈现出层级性和相对性、多面性和游移性相互交织的特点,并发展出具有指称功能的“VP/V+上”结构。第五章分析“NP/N抽+上”结构的一个实例“理论上”,考察“理论上”的性质和语义,指出“理论上”有情态标记化倾向,认为“理论上”具有提供可能性、增强委婉性、弱化确切性、提示焦点性的语用功能。第六章研究“(在)NP/N抽+下”结构,首先分析“(在)NP/N抽+下”的构成特点;其次通过对与“下”组合的抽象名词性成分的考察,分析“(在)NP/N抽+下”结构的语义性质,指出它是一个基于“条件”的隐喻结构;最后分析它与“在NP/N(的)VP/V下”结构在句法、语义上的同质性,确定二者之间的功能扩展关系。第七章从句法、语义、语用三个方面考察“NP/N抽+上”结构和“NP/N抽+下”结构的不对称,并从人类的生理功能、原型空间语义、认知识解方式、有标记无标记等多个方面分析造成不对称的动因。第八章分析“NP/N抽+里”结构,考察“NP/N抽+里”的结构形式和“NP/N抽”的构成,重点分析“NP/N抽+里”结构的语义性质,指出它是一个基于离散性容物的容器隐喻结构,讨论“NP/N抽+里”容器隐喻的特点并分析容器隐喻发达的原因。第九章对“NP/N抽+里”和“NP/N抽+内”进行对比分析,考察它们在对抽象名词的选择倾向、隐喻映射范围、功能扩展、适用语体等方面的不同表现;指出它们虽然同为容器隐喻结构,但语义性质不同,反映在容器和容物上都存在差异;“NP/N抽+里”结构和“NP/N抽+内”结构在共时上的差异与历时演变具有一定的关系。第十章分析“NP/N抽+F”结构的来源和发展。“NP/N抽+F”来源于“NP/N具+F”结构,并扩展出“VP/V+F”和“AP/A+F”结构,在语言发展过程中,一部分“N抽+F”结构出现了词汇化现象,从方位短语演变为词。最后是结语,对本文的主要结论、主要创获之处以及本研究的不足进行总结。
许天兵[4](2003)在《一个用语义分类实现的图象检索框架》文中认为基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,文章提出了基于语义的图像检索概念模型,在此基础上给出了一个用语义分类实现的的图像检索框架,重点讨论了图像语义分类、图像特征提取、检索匹配等问题。
谭立球[5](2009)在《基于本体的图像检索相关技术研究》文中研究指明随着计算机技术和国际互联网的飞速发展,包括图像在内的各种多媒体数据的数量正以惊人的速度增长。如何有效、快速地从大规模图像数据库中检索出所需要的图像是目前一个急需解决的重要问题。人们对于图像的理解,往往是建立在基于视觉的基础上,基于内容的图像检索存在低层语义与高层语义的语义鸿沟,而基于语义的图像检索是以单个概念为基础,并没有考虑概念之间的彼此关系。基于此,本文将本体论引入到图像检索中,提出了基于本体的图像检索方法,主要工作如下:1.在综述了基于内容、基于语义的图像检索相关技术的基础上,将领域本体引入图像检索中,提出了基于本体的图像检索框架,在该框架下图像描述包含了视觉低层特征、高层语义概念,既能充分利用图像本身的低层特征,又能符合人的图像视觉理解;通过本体,可以定义图像的语义概念之间的关系;同时通过本体还可以进行语义扩展,弥补语义查询过程中的信息不足。2.将信息瓶颈算法用于图像分割,提出了基于信息瓶颈算法的图像基元提取方法,考虑到图像中距离接近的两个区域很有可能属于同一个图像基元,而远离的两个区域则很可能属于不同的基元,在使用凝聚的信息瓶颈算法对图像像素进行聚类时,同时考虑互信息的损失和聚类区域之间的空间距离,以得到更有效的图像基元。该方法与传统的聚类方法相比,其聚类的结果与距离函数无关,且不依赖于初始聚类中心的选取。实验验证了算法的可行性和有效性。3.提出基于本体的图像自动标注方法,在训练阶段,采用基于语义约束的半监督信息瓶颈聚类方法对提取基元进行聚类,对信息瓶颈聚类算法进行了改进,提出了基于半监督约束聚类的信息瓶颈算法,使用少量的标记样本来帮助无监督的学习,将特定的一已知知识以“约束”的形式表达,并嵌入到聚类过程中的方法,使得聚类算法获得更多的启发式信息,提高了效率和聚类质量。采用统计法和半监督学习方法建立了图像基元类与本体中语义概念关系概率表。在自动标注阶段,采用二次标注方法实现对于图像语义的自动标注,首先通过分类方法获得获得图像属性概念标注,然后结合本体知识,获得图像的概念标注。实验验证了方法的可行性和有效性。4.定义了图像本体框架下图像相似度模型,并给出了基于近似向量的相似度计算方法;提出了在本体框架下基于LPP VA-File的图像快速检索方法,在保局投影变换域中建立近似向量文件,通过保局投影消除了原图像特征数据各分量之间的相关性,并保留了图像数据的非线性特性;给出了图像检索K近邻查询算法,该算法减少了对原图像特征向量的访问数量,即降低对原图像特征向量的I/O访问时间,大大提高搜索效率。实验验证了方法的有效性。5.提出了基于结合先验知识SVM的相关反馈方法。结合领域本体的先验知识定义了新的带权值的训练样本,解决了支持向量机训练过程中已知样本少的问题,样本的权值反映了本体的先验知识和用户的关注兴趣,权值越大的样本说明该样本可信度越大,在支持向量机学习中所起作用的越大;提出了结合先验知识的支持向量机;在此基础上提出了基于结合先验知识的支持向量机的短期学习和长期学习的相关反馈算法。
刘伟[6](2007)在《图像检索中若干问题的研究》文中指出图像含有比文本更为丰富的信息,在人们日常生活中发挥着重要作用。近年来由于因特网技术的发展及各种消费型电子产品的普及,每天都有巨量的数字图像产生和发布。在多媒体数据库中快速、有效地寻找所需要的图像是一个非常有意义的课题。目前工业界的许多图像搜索引擎(如GoogleTM和百度TM)在搜索图像时并没有按照图像内容本身来搜索,而是根据与图像相关联的文字信息来完成搜索任务。导致搜索结果不尽如人意。基于内容的图像检索是有望解决这一问题的关键技术。本文对这一技术中的几个问题进行了研究,取得了如下结果:纹理特征是图像检索中广泛使用的重要底层视觉特征。本文将图像纹理视为非线性动力系统产生的信号,使用2种非线性信号分析方法-复杂性方法和希尔伯特-黄变换(HHT)方法来提取图像的纹理特征并将之用于纹理图像检索。得出的结果有:(1)将时间序列复杂性方法用于图像纹理分析与检索。所做的工作和得到的结论是:比较了8种时间序列复杂性方法用于图像检索时的性能,发现基于符号动力学和基于熵的方法不适于图像检索;基于频谱分析的CO复杂性特征适于图像检索,该特征的检索性能与二维图像一维化的扫描方法有关;实验表明采用Hilbert扫描方式的CO复杂性特征在Brodatz纹理库上取得了和Gabor特征极为接近的检索结果,计算特征所需要的时间比Gabor特征少了一个数量级;由图像阈值化算法得到启发,提出了一个新的一维时间序列粗粒化框架;提出了多种基于二维CO复杂性测度的纹理特征:复杂度直方图和多尺度复杂度直方图、复杂度共生矩阵、复杂度纹理谱和多尺度复杂性特征;实验表明基于金字塔分解的多尺度复杂性特征在不同的实验图像库上检索性能稳定,是一种较好的纹理特征;(2)将希尔伯特-黄变换方法用于图像纹理分析与检索,所做的工作和得到的结论是:提出了一种新的基于聚类的边界处理算法以改善经验模式分解(EMD)方法所产生的边界效应问题;使用二维Hilbert变换计算了内禀模态函数(IMF)的幅值作为检索用的图像纹理特征。实验表明,提出的HHT特征可以取得和Gabor特征较为接近的图像检索结果。图像的显着性区域是表达图像语义的主要部分。本文尝试使用一个基于视觉生理和心理物理实验基础的选择性视觉注意计算模型用于自然图像检索的研究。所做的工作和得到的结果是:(1)使用视觉注意计算模型计算了图像中的兴趣点并提取兴趣点周围的局部特征用于图像检索。提出的检索特征有图像的显着性直方图特征、图像的显着性标签和注意焦点(FOA)空间关系直方图特征。实验结果表明显着性标签和FOA空间关系混合编码的直方图特征可以取得比全局直方图特征更好的检索结果;在采用视觉注意计算模型计算得到的图像显着性区域上提取的一些区域特征可以取得比全局特征更好的检索结果;(2)提出了将潜在语义标引方法和视觉注意计算模型结合起来用于自然图像检索的方法;(3)提出了在多示例学习框架下基于视觉注意计算模型和JSEG图像分割算法的包生成器方法,并将其用于自然图像检索。图像检索实验表明基于JSEG分割算法的包生成器取得了比一些文献中提出的包生成器更好的实验结果。本文提出了“图像语义阈值”的新概念及其度量方法。通过计算机实验和心理物理学实验初步得到如下结论:在自然图像认知或理解时存在一个语义阈值;可以通过图像的图像熵和图像分维数及类似Weber律的方法来度量该阈值;差别阈限图像及其原始图像的度量值的比值与图像语义内容无关,而和色彩模式(彩色或灰度)及图像的变换方法相关。本文作者还设计与开发成功了一个图像检索实验平台。使用该平台方便了研究者进行图像检索实验研究,提高了工作效率,便于他们之间进行学术交流。这项工作具有一定的应用价值。
林春漪[7](2006)在《基于混合贝叶斯网络的医学图像语义建模及其检索的研究》文中认为医学图像语义检索的研究正成为医学图像检索研究的新热点,也是医学迫切需要解决的问题,它是实现医学图像理解的多学科交叉的研究课题,融合了医学、图像处理、模式识别、计算机视觉、机器学习、数据库与人工智能等研究领域。图像语义检索的难点和重点在于语义建模和语义相似度度量,而图像语义建模的核心任务是从反映图像内容的低层视觉特征提取出隐含的、预先未知的高层语义,弥补“语义鸿沟”问题。本文针对医学图像的特点和医学临床的需求,提出了基于混合贝叶斯网络(hybrid Bayesian network, HBN)的医学图像语义建模的方法,分别研究了医学图像语义的多层统计模型、对象语义和高级语义的获取以及语义相似度度量等内容,并将以上方法应用于星形细胞瘤恶性程度的预测,设计了星形细胞瘤恶性程度的语义模型和检索系统。本论文的主要研究成果及其创新点包括:1、提出了引入条件高斯模型来模糊离散化连续变量的基于混合贝叶斯网络的医学图像语义建模的方法(1)考虑到医学图像的特点以及贝叶斯网络的性能和优势,提出了利用贝叶斯网络来对医学图像的语义建模,但传统的贝叶斯网络只适用于离散变量,而自动提取的图像特征往往是连续的,为了可以在贝叶斯网络中使用连续变量,并考虑到医学图像特征的模糊性和不确定性,提出了使用条件高斯(conditional Gaussian, CG)模型对连续的视觉特征进行模糊离散化处理,然后嵌入到贝叶斯网络中,建立仅利用低层视觉特征的智能模型BN-CG-Low。仿真实验结果表明,该模型可以很好地描述图像的内容,从低层视觉特征自动提取高层语义,有效解决“语义鸿沟”问题,并提供了符合医学习惯的知识表达。(2)在第1(1)点的基础上,考虑到贝叶斯网络的数据融合能力,为了更完整地描述图像内容和提高语义提取的准确率和查全率,提出了融合低层视觉特征和中层语义的语义模型BN-CG,通过与BN-CG-Low的比较实验,BN-CG可以进一步提高准确率和查全率。2、给出了基于BN-GMM的医学图像的三层语义模型医学图像的诊断中,医生的思维是着重病变区域的性质和特点,然后综合考虑从不同角度对病变区的理解和判断,最后得出病症语义。从这个特点出发,我们提出了首先利用高斯混合模型(Gaussian mixture models, GMM)对病变区域进行模糊识别,实现从视觉特征到对象语义的映射,然后利用贝叶斯网络融合各种从不同理解角度得到的对象语义,从而建立一个基于BN-GMM的医学图像三层语义模型。与使用K近邻分类器(KNN)代替GMM的BN-KNN相比,取得了更好的精度和语义的可解释性。3、研究了分层的基于语义概率空间距离的语义相似度度量方法在前面所提出的语义模型中,不同层次的语义其重要性是不一样的,语义的概率反映了语义的置信度,这也符合医学诊断的习惯,因此提出了按照语义层次的不同进行分层处理,在每一层分别通过度量语义的后验概率空间距离进行语义相似度的度量。将这种度量方法应用于医学图像的语义检索,取得了令人满意的查询结果。4、设计了基于BN-SVM的医学图像三层语义模型考虑到临床实际中取得大量具有病理结果的医学图像训练样本的困难,很多研究成果表明,在小样本的情况下,支持向量机(Support vector machine,SVM)能取得比GMM更高的识别精度,因此提出了首先利用支持向量机对病变区域进行识别,实现从低层视觉特征到对象语义的映射,然后利用贝叶斯网络融合各种从不同理解角度得到的对象语义(来源于不同的SVM),从而建立一个适用于小样本的基于BN-SVM的医学图像三层语义模型。实验结果表明,与采用K近邻分类器或GMM取代SVM的贝叶斯网络相比,取得了更好的结果。在本文所提供的相同图像样本下,本文所提出的三种方法用于医学图象语义建模,均比以往的嵌入KNN的混合贝叶斯网络有着更高的准确率和查全率。医学图像内容的分层和结构性表达、语义的自动获取、语义相似度的研究为实现能应用于医学临床的不同语义层次的检索提供了条件和基础。
蔡昌许[8](2005)在《基于语义的图像标注与检索系统研究》文中进行了进一步梳理随着网络技术、多媒体技术、数据库技术的发展和互联网的不断普及,图像信息应用越来越广泛,人们对图形、图像等多媒体数据的需求也越来越强烈。传统的检索技术,如基于文本的图像检索,已不能完全满足人们的要求,基于内容的检索方式的出现,解决了人们对图像视觉特征所代表的特征语义,但不能完全解决高层语义的图像检索。因而建立图像的语义表示和检索机制势在必行。因此本文选择“基于语义图像标注与检索系统研究”为研究课题。 基于语义的图像检索系统是图像发展的必然,它融合了以往的许多图像检索的技术。本文首先介绍了图像检索的发展与概况,重点介绍了几种典型的图像检索技术。然后介绍图像语义的提取和描述工作,最后是图像标注与检索系统的框架与实现。论文全文分为五个部分: 第一章简要介绍图像处理的内容,图像检索的发展阶段以及对目前几个典型检索系统进行介绍。 第二章主要介绍图像语义的层次模型、提取模型,提取方法以及图像分割技术。语义提取方法包括对象类别及对象空间关系语义提取,场景和行为语义提取,情感语义提取。 第三章主要介绍语义表示方法,图像描述标准MPEG-7中的术语,框架,主要内容以及MPEG-7标准的描述语言XML。最后介绍了图像描述工具和方案。 第四章介绍了几个多媒体标注工具,图像标注系统的系统设计和框架设计,以及图像检索系统的系统框架,系统接口,文本检索技术,用户模型和用户评价等。 第五章介绍了基于语义的图像检索系统的实验系统的功能、流程、交互界面、评价,并探讨基于语义的图像检索有待进一步研究的问题。
余卫宇[9](2005)在《几种图像结构语义模型和图像》文中进行了进一步梳理本论文对图象语义理论和应用做了深入的研究,图象语义是图象处理学科的一个崭新的方向,它包括图象的低层语义特征和图象的高层语义特征以及如何从低层语义映射到高层语义。目前国内外较少有关图象语义的理论研究,本文主要针对图象结构语义信息、人对图象的主观感知、图象结构模型、彩色图象分割和基于语义的图象物体和区域的提取等进行了深入的研究。本论文的主要工作如下: 1. 较严格的导出了图象结构信息的表达式,定义了一个由结构参数组成的结构空间T,用心理测度函数的变换函数族把图象从结构空间T 映射到结构信息空间IT, IT反映人从图象结构中了解到接收到的结构信息。并用δ函数反应人对某个结构参数刺激的特殊响应。指出结构信息是在分析图象结构后得出人对图象结构了解越清楚,则人所得的结构信息就越大,从而人对图象的结构语义的判断就越正确。2. 研究了人对图象的主观感知,分析了人对图象特征点、颜色、形状等的心理响应。由此构造出类似于人的接收机模型,试图把主观感觉和通信及信号处理联系起来进行分析,并说明该模型是可实现的。3.提出了几种图象结构模型。首先应用一维信号的进化模型,建立图象广义空间的进化模型,指出各种参数与图象物理参量的关系。据此建立了图象结构信息模型,指出H(Tran)是图象结构熵,图象应向结构熵最大的方向进化,建立了层次结构模型,指出各个终节点构成语义字符串,定义了图象语义码,码包含的信息量及熵称为语义信息及语义熵。4. 应用聚类算法提取图象的语义物体区域。本文主要考虑了在彩色空间中,用最近邻算法和K-均值算法根据彩色信息进行语义提取。最后根据实际要求提取出具有语义性质的物体,并对两者进行了比较。k-均值算法分割效果较好。通过上述两种方法,可以提取出感兴趣的物体,对于语义分析提供了较大的帮助。Lab5 提出了一种基于形态学分水岭算法的边缘和区域合并的方法,由于分水岭算法具有过分割的效果,在分割之前进行预处理,通过开闭运算分割出图象的前景和背景,实验验证该方法能够节省时间,是一种较好的彩色图象分割方法。6 主要对语义的客观和主观进行了初步研究,提出了一个客观语义与主观语义结合的语义分析模型。7.在图象语义的基础上,提出了一种新的彩色图象检索方法,主要考虑了在HSV
邓子建[10](2005)在《基于区域的多特征图象目标识别与检索研究》文中研究指明随着计算机技术、存储技术以及互联网的发展,大规模图象集中的自动快速检索技术已经成为人们的研究焦点。传统基于文本标注的图象检索技术有两个缺点:一是标注工作量巨大;二是难以避免标注过程中的主观性。为了克服基于文本图象检索技术的缺陷,基于内容的图象检索技术(content based image retrieval,CBIR)从90年代开始得到了广泛而深入的研究,并且取得了丰硕的研究成果。基于内容的图象检索技术根据底层特征的相似度进行图象检索,由于底层特征相似度与检索者融入了先验知识的主观感知之间往往存在较大差距,因此CBIR技术在满足使用者的一般检索需求方面遇到了困难。为了克服CBIR的缺陷,更好地满足用户语义检索需求,基于语义的图象检索研究正日益受到重视,然而,目前该方向上的研究还只处于探索阶段,取得的成果还不多。 本文在现有技术的基础上,对图象检索问题进行了深入学习,以基于区域的多特征目标识别与检索为中心,对具有普遍重要意义的图象分割与图象目标识别问题进行了重点研究,取得了一些初步成果。在这些成果的基础上,本文构造了一个检索实验系统原型,对基于区域的多特征图象检索方法的检索性能作了实验评估。 在图象分割方面,本文主要做了两个工作:首先,对经典基于沉浸模拟的Vincent&Soille算法作了改进,改进算法充分利用了图象像素空间排列的规律性,使用顺序扫描的办法代替了Vincent&Soille算法中梯度层级内部的泛洪步骤,从而在保持图象分割效果的同时加快了分割算法的执行速度;其次,针对传统基于特征空间分析图象分割算法对分割区域连通性考虑不够的缺点,利用Vincent&Soille算法的沉浸模拟思想,结合均值平移技术得到一个新的图象分割算法,该分割算法更好地考虑了像素点之间的拓扑连通关系,在一定程度上弥补了传统特征空间分析方法的不足。 在图象目标识别方面,本文提出了一种基于SVM与证据理论的图象目标识别方法,该方法适应了图象检索中可能目标对象繁多的特殊情况,主要解决在不同目标识别任务中,怎样调整不同特征对识别过程的影响程度问题。为此目的,本文在支持向量机的基础上构造了多个单特征分类器用于分类,同时,在分析支持向量机泛化误差的基础上,通过使用证据理论融合来自不同特征支持向量机的分类信息,实现了对不同特征在不同目标识别任务中作用的适当调节。该方法是一种健壮、可重用的目标识别方法。 在图象分割与多特征图象目标识别工作的基础上,本文构建了一个基于区域的多特征图象检索实验系统,并在一个最新的图象测试库——Amsterdam目标图象库(ALOI)上对本文的相关工作进行了测试,最终结果证明了本文工作的有效性。
二、一个用语义分类实现的图象检索框架(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、一个用语义分类实现的图象检索框架(论文提纲范文)
(1)汉日语气系统之功能视角对比研究(论文提纲范文)
摘要 |
Abstract |
致谢 |
缩略语表 |
第一章 引言 |
1.1 选题缘起 |
1.2 研究视角 |
1.3 研究目的与研究问题 |
1.4 研究对象与语料选取 |
1.5 研究方法及研究意义 |
1.5.1 研究方法 |
1.5.2 研究意义 |
1.6 论文结构 |
第二章 文献综述 |
2.1 引言 |
2.2 汉语语气研究 |
2.2.1 汉语语气研究历史溯源 |
2.2.2 汉语语气类别一致式研究回顾 |
2.2.3 汉语语气类别隐喻式研究回顾 |
2.3 日语语气研究 |
2.3.1 日语语气研究历史溯源 |
2.3.2 日语语气类别一致式研究回顾 |
2.3.3 日语语气类别隐喻式研究回顾 |
2.4 汉日语气对比研究 |
2.5 系统功能视角下的语气研究 |
2.5.1 人际功能研究 |
2.5.2 人际隐喻研究 |
2.5.3 汉语语气研究 |
2.5.4 日语语气研究 |
2.5.5 语气对比研究 |
2.6 小结 |
第三章 理论框架 |
3.1 引言 |
3.2 系统功能语言学核心概念 |
3.2.1 系统 |
3.2.2 功能 |
3.2.3 精密度 |
3.2.4 盖然率 |
3.2.5 体现 |
3.2.6 例示 |
3.2.7 语境 |
3.3 语气系统 |
3.3.1 语气类别系统 |
3.3.2 语气语势系统 |
3.4 小结 |
第四章 汉日语气类别一致式及体现形式对比 |
4.1 引言 |
4.2 陈述语气一致式及体现形式对比 |
4.2.1 精密度对比 |
4.2.2 句法手段对比 |
4.2.3 词汇手段对比 |
4.3 感叹语气一致式及体现形式对比 |
4.3.1 精密度对比 |
4.3.2 句法手段对比 |
4.3.3 词汇手段对比 |
4.4 疑问语气一致式及体现形式对比 |
4.4.1 精密度对比 |
4.4.2 句法手段对比 |
4.4.3 词汇手段对比 |
4.5 祈使语气一致式及体现形式对比 |
4.5.1 精密度对比 |
4.5.2 句法手段对比 |
4.5.3 词汇手段对比 |
4.6 小结 |
第五章 汉日语气类别隐喻式及体现形式与语境特点对比 |
5.1 引言 |
5.2 陈述语气隐喻式及体现形式与语境特点对比 |
5.2.1 精密度对比 |
5.2.2 句法手段对比 |
5.2.3 词汇手段对比 |
5.2.4 语言形式共现手段对比 |
5.2.5 语场特点对比 |
5.2.6 语旨特点对比 |
5.2.7 语式特点对比 |
5.2.8 语境共现特点对比 |
5.2.9 语言-语境共现特点对比 |
5.3 疑问语气隐喻式及体现形式与语境特点对比 |
5.3.1 精密度对比 |
5.3.2 句法手段对比 |
5.3.3 词汇手段对比 |
5.3.4 语场特点对比 |
5.3.5 语旨特点对比 |
5.3.6 语式特点对比 |
5.3.7 语言-语境共现特点对比 |
5.4 祈使语气隐喻式及体现形式与语境特点对比 |
5.4.1 精密度对比 |
5.4.2 句法手段对比 |
5.4.3 词汇手段对比 |
5.4.4 语言形式共现手段对比 |
5.4.5 语场特点对比 |
5.4.6 语旨特点对比 |
5.4.7 语式特点对比 |
5.4.8 语言-语境共现特点对比 |
5.5 小结 |
第六章 汉日语气语势及体现形式对比 |
6.1 引言 |
6.2 内在语势及体现形式对比 |
6.2.1 精密度对比 |
6.2.2 句法手段对比 |
6.2.3 词汇手段对比 |
6.3 外在语势及体现形式对比 |
6.3.1 精密度对比 |
6.3.2 句法手段对比 |
6.3.3 词汇手段对比 |
6.3.4 语音手段对比 |
6.4 结语 |
第七章 从语言、思维、社会文化看汉日语气系统的共性和差异 |
7.1 引言 |
7.2 汉日语气系统共性与差异总结 |
7.2.1 汉日语气系统共性 |
7.2.2 汉日语气系统差异 |
7.3 从语言类型看汉日语气系统的共性与差异 |
7.3.1 从语序类型看共性 |
7.3.2 从语序类型看差异 |
7.3.3 从形态类型看差异 |
7.4 从思维维度看汉日语气系统的共性与差异 |
7.4.1 从思维维度看共性 |
7.4.2 从思维维度看差异 |
7.5 从社会文化看汉日语气系统的共性与差异 |
7.5.1 从社会文化看共性 |
7.5.2 从社会文化看差异 |
7.6 小结 |
第八章 总结 |
8.1 研究发现及创新 |
8.2 研究局限及展望 |
参考文献 |
附录 |
附录1 英汉、日汉对照人名术语表 |
附录2 莱比锡标注符号说明 |
附录3 文中语料 |
(2)基础教育数学教材语言研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
第一节 研究背景及研究目标 |
第二节 研究对象及研究内容 |
第三节 研究意义 |
第四节 学界研究实态 |
第五节 研究方法与研究语料 |
第六节 论文的组织 |
第二章 数学教材语言的性质与类型划分 |
第一节 语域、功能与数学教材语言 |
第二节 数学教材的词汇语法选择与言语行为模式 |
第三节 数学教材语言的实态与类型 |
第四节 数学教材语言的内部层次性 |
第三章 数学教材术语的性质、结构及分布研究 |
第一节 数学教材术语的结构、语义的分布 |
第二节 数学教材术语的类型分布与使用 |
第三节 数学教材术语“的字结构”的使用实态 |
第四章 数学教材跨域术语分析 |
第一节 数学教材跨域术语的界定 |
第二节 数学教材跨域术语的领域专用度 |
第三节 数学教材跨域术语领域专用度分级的应用 |
第五章 数学术语的组合研究 |
第一节 数学术语组合的抽取与跨距研究 |
第二节 数学术语组合的概况与类型 |
第三节 基于术语组合的数学教材语言的类型及范畴分析 |
第四节 数学术语组合的典型性分析 |
第六章 数学教材长距短语分析 |
第一节 数学教材长距短语的语言特征分析 |
第二节 数学教材长距短语的知识表述功能 |
第三节 数学教材长距短语的难度与学习 |
第七章 数学学科专用叙述语言格式研究 |
第一节 数学学科专用叙述语言格式的界定 |
第二节 数学学科专用叙述语言格式的性质及特征 |
第三节 数学学科专用叙述语言格式的抽取 |
第四节 数学学科专用叙述语言格式的使用与分布 |
第五节 数学学科专用叙述语言格式的使用问题 |
第八章 数学教育语言知识资源库建构研究 |
第一节 数学教育语言知识资源库的整体定位及架构 |
第二节 数学教育对象语言数据库的构建 |
第三节 数学教育学科专用叙述语言数据库的构建 |
第四节 数学教育通用叙述语言数据库的构建 |
第五节 数学教育语言知识资源库的应用说明及示例 |
第九章 结语 |
附录 |
参考文献 |
致谢 |
(3)现代汉语抽象名词性成分与单音方位词的组合研究(论文提纲范文)
摘要 |
Abstract |
绪论 |
0.1 研究对象和意义 |
0.1.1 研究对象 |
0.1.2 研究意义 |
0.2 研究理论和方法 |
0.2.1 理论背景 |
0.2.2 研究方法 |
0.3 研究内容和体例 |
0.4 语料来源 |
第一章 相关研究综述 |
1.1 抽象名词研究综述 |
1.1.1 抽象名词的描写性研究 |
1.1.2 抽象名词的解释性研究 |
1.1.3 抽象名词的应用性研究 |
1.1.4 研究评价 |
1.2 方位词研究综述 |
1.2.1 方位词的定性研究 |
1.2.2 方位词的演化研究 |
1.2.3 方位词的功能和认知研究 |
1.2.4 方位词的类型学研究 |
1.2.5 研究评价 |
1.3 抽象名词性成分与单音方位词组合研究综述 |
1.3.1 共时视角的研究 |
1.3.2 历时视角的研究 |
1.3.3 研究评价 |
1.4 本章小结 |
第二章 认知隐喻理论述略 |
2.1 认知隐喻理论概说 |
2.1.1 认知隐喻理论的来源 |
2.1.2 认知隐喻理论的基本观点 |
2.1.3 关于认知隐喻理论的讨论 |
2.2 认知隐喻的类型 |
2.2.1 Lakoff& Johnson的三种隐喻类型 |
2.2.2 对Lakoff& Johnson隐喻分类的讨论 |
2.3 本章小结 |
第三章 抽象名词性成分与单音方位词组合综论 |
3.1 抽象名词的确定标准 |
3.1.1 意义标准 |
3.1.2 形式标准 |
3.2 抽象名词的典型性 |
3.2.1 经典范畴理论和原型范畴理论 |
3.2.2 词类范畴是原型范畴 |
3.2.3 抽象名词的原型效应 |
3.3 单音方位词的选择及其性质与命名 |
3.3.1 选择“上”“下”“里”研究的依据 |
3.3.2 “NP/N_抽+F”结构中单音方位词的性质和命名 |
3.4 “NP/N_抽+F”结构的类型和性质 |
3.4.1 “NP/N_抽+F”结构的类型 |
3.4.2 “NP/N_抽+F”结构的性质 |
3.5 本章小结 |
第四章 基于整体和平面的隐喻:“NP/N_抽+上”结构 |
4.0 引言 |
4.1 “NP/N_抽+上”的构成类型 |
4.1.1 开放式和封闭式 |
4.1.2 熟语化和附缀化 |
4.1.3 单义性和多义性 |
4.2 “NP/N_抽+上”的语义性质 |
4.2.1 述人:个人是整体,属性是平面 |
4.2.2 述物:事物是整体,构成是平面 |
4.2.3 述事:事件是整体,阶段是平面 |
4.2.4 述时:时间是整体,时段/时点是平面 |
4.2.5 其他“NP/N_抽+上” |
4.3 “NP/N_抽+上”的语义特点 |
4.3.1 层级性和相对性 |
4.3.2 多面性和游移性 |
4.4 “NP/N_抽+上”的指称功能及功能扩展 |
4.4.1 “NP/N_抽+上”的指称功能 |
4.4.2 “NP/N_抽+上”的功能扩展 |
4.5 本章小结 |
第五章 “理论上”的语义及情态标记化 |
5.0 引言 |
5.1 “理论上”的结构和性质 |
5.1.1 方位短语“理论上” |
5.1.2 情态标记“理论上” |
5.1.3 两种“理论上”的区别与联系 |
5.2 方位短语“理论上”的语义和语义模式 |
5.2.1 名词“理论”的语义 |
5.2.2 “理论上”的语义 |
5.2.3 “理论上”的语义模式 |
5.3 “理论上”的语用功能 |
5.3.1 提供可能性 |
5.3.2 增强委婉性 |
5.3.3 弱化确切性 |
5.3.4 提示焦点性 |
5.4 “理论上”情态标记化的机制 |
5.4.1 句法位置 |
5.4.2 语义虚化 |
5.5 本章小结 |
第六章 基于条件的隐喻:“(在)NP/N_抽+下”结构 |
6.0 引言 |
6.1 “(在)NP/N_抽+下”结构的构成特点 |
6.1.1 “在”的隐现性 |
6.1.2 “NP/N_抽”的类别性 |
6.1.3 “(在)NP/N_抽+下”的修饰性 |
6.2 “(在)NP/N_抽+下”结构的语义性质 |
6.2.1 客体条件 |
6.2.2 主体条件 |
6.2.3 “条件”与“事件”的语义关系 |
6.3 “在NP/N(的)VP/V下”与“(在)NP/N_抽+下”的关系 |
6.3.1 “在NP/N(的)VP/V下”的抽象指称性 |
6.3.2 “在NP/N(的)VP/V下”与“(在)NP/N_抽+下”的同质性 |
6.4 本章小结 |
第七章 “NP/N_抽+上”与“NP/N_抽+下”的不对称研究 |
7.0 引言 |
7.1 “NP/N_抽+上/下”结构形式不对称 |
7.1.1 与介词的搭配不对称 |
7.1.2 与修饰成分的共现不对称 |
7.1.3 功能扩展的形式不对称 |
7.2 “NP/N_抽+上/下”结构语义不对称 |
7.2.1 有“上”无“下”的语义不对称 |
7.2.2 有“下”无“上”的语义不对称 |
7.2.3 有“上”有“下”的语义不对称 |
7.3 “NP/N_抽+上/下”结构表达作用不对称 |
7.3.1 强调:“NP/N_抽+上”结构的表达作用 |
7.3.2 衬托:“NP/N_抽+下”结构的表达作用 |
7.4 “NP/N_抽+上/下”结构不对称的动因 |
7.4.1 人类生理功能的不对称 |
7.4.2 原型空间语义的不对称 |
7.4.3 认知识解方式的不对称 |
7.4.4 无标记有标记的不对称 |
7.5 本章小结 |
第八章 基于离散性容物的容器隐喻:“NP/N_抽+里”结构 |
8.0 引言 |
8.1 “NP/N_抽+里”的构成 |
8.1.1 “NP/N_抽+里”的结构形式 |
8.1.2 “NP/N_抽”的构成 |
8.2 容器隐喻与“NP/N_抽+里”的语义及认知理据 |
8.2.1 容器隐喻 |
8.2.2 “NP/N_抽+里”的语义及认知理据 |
8.3 “NP/N_抽+里”的容器隐喻特点 |
8.3.1 容物的必有性 |
8.3.2 容物形式的复杂性 |
8.4 容器隐喻发达的原因 |
8.4.1 基于身体的体验性 |
8.4.2 容器图式的简便性 |
8.4.3 容器图式的普适性 |
8.5 本章小结 |
第九章 “NP/N_抽+里”和“NP/N_抽+内”的比较研究 |
9.0 引言 |
9.1 “NP/N_抽+里”和“NP/N_抽+内”对抽象名词的选择倾向 |
9.1.1 倾向于出现在“NP/N_抽+里”中的抽象名词 |
9.1.2 倾向于出现在“NP/N_抽+内”中的抽象名词 |
9.1.3 对“NP/N_抽+里”和“NP/N_抽+内”无选择倾向的抽象名词 |
9.2 “NP/N_抽+里”和“NP/N_抽+内”的其他差异 |
9.2.1 隐喻映射范围的大小差异 |
9.2.2 功能扩展的远近差异 |
9.2.3 适用语体的差异 |
9.3 “NP/N_抽+里”和“NP/N_抽+内”的语义分析 |
9.3.1 容器差异——可开放容器与唯封闭容器 |
9.3.2 容物差异——离散性容物与弥散性容物 |
9.3.3 相关语言现象的解释 |
9.4 方位词“里/内”的语义演变及“NP/N+里/内”的历时发展 |
9.4.1 方位词“里”和“内”的语义来源及演变 |
9.4.2 “NP/N+里”和“NP/N+内”的历时发展 |
9.5 本章小结 |
第十章 “NP/N_抽+F”结构的来源及发展 |
10.1 从“NP/N具+F”结构到“NP/N_抽+F”结构 |
10.1.1 “F”:从无到有 |
10.1.2 “NP/N”:从具体到抽象 |
10.2 从“NP/N_抽+F”结构到“VP/V+F”和“AP/A+F”结构 |
10.2.1 “NP/N_抽+F”功能扩展的可能性 |
10.2.2 “NP/N_抽+F”功能扩展的表现 |
10.3 “NP/N_抽+F”结构的词汇化 |
10.3.1 结构凝固 |
10.3.2 语义融合 |
10.4 本章小结 |
结语 |
参考文献 |
附录 |
攻读学位期间取得的研究成果 |
致谢 |
(4)一个用语义分类实现的图象检索框架(论文提纲范文)
1 引言 |
2 基于语义分类的图像检索概念模型 |
3 用语义分类实现的图像检索框架 |
3.1 特征提取 |
3.2 检索引擎 |
3.3 图像检索过程 |
4 结论 |
(5)基于本体的图像检索相关技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 基本文本的图像检索 |
1.2.2 基于内容的图像检索技术 |
1.2.3 基于语义的图像检索技术 |
1.3 本文的主要工作及创新点 |
1.4 本文主要内容及组织结构 |
第二章 基于本体的图象检索框架 |
2.1 引言 |
2.2 本体的基本概念 |
2.2.1 本体的定义 |
2.2.2 本体的建模元语 |
2.2.3 本体的分类 |
2.2.4 构造本体的规则 |
2.2.5 本体中概念之间的关系 |
2.3 本体的结构 |
2.4 基于本体的图像描述 |
2.5 基于本体的图像检索框架 |
2.5.1 图像基元提取 |
2.5.2 图像标注 |
2.5.3 本体框架下的图像检索 |
2.5.4 图像的相关反馈 |
2.6 结论 |
第三章 基于信息瓶颈算法的图像基元提取 |
3.1 引言 |
3.2 基于信息瓶颈算法的聚类方法 |
3.2.1 信息论基础 |
3.2.2 信息瓶颈算法 |
3.2.3 基于信息瓶颈算法的聚类方法 |
3.3 基于信息瓶颈算法的图像基元提取 |
3.3.1 改进的信息瓶颈算法 |
3.3.2 基于信息瓶颈算法的图像分割 |
3.4 实验结果 |
3.5 本章小结 |
第四章 基于本体的图像语义自动标注 |
4.1 引言 |
4.2 基于本体的图像语义标注过程 |
4.3 基于半监督信息瓶颈算法的图像基元聚类 |
4.3.1 基于半监督学习聚类 |
4.3.2 数据对象间的两种关联约束 |
4.3.3 基于半监督信息瓶颈算法的图像基元聚类 |
4.4 图像基元类与本体属性概念关联度的计算 |
4.5 基于概率关系表的第一次标注 |
4.6 基于本体的第二次标注 |
4.7 实验结果 |
4.8 结论 |
第五章 本体框架下的图像快速检索方法 |
5.1 引言 |
5.2 基于本体的语义查询扩展 |
5.2.1 概念语境信息的定义 |
5.2.2 结合本体与语境信息的语义扩展算法 |
5.3 图像相似度的模型 |
5.3.1 低层特征的相似度 |
5.3.2 语义特征相似度 |
5.3.3 本体概念相似度 |
5.4 基于LPP VA-FILE的图像快速检索方法 |
5.4.1 基于VA-File K近邻的检索方法 |
5.4.2 基于LPP VA-File的图像快速检索方法 |
5.5 实验结果 |
5.6 结论 |
第六章 基于先验知识的SVM的相关反馈 |
6.1 引言 |
6.2 支持向量机 |
6.3 基于先验知识的支持向量机的相关反馈 |
6.3.1 结合本体先验知识的支持向量机 |
6.3.2 短期学习的相关反馈 |
6.3.3 长期学习的相关反馈 |
6.4 实验结果与分析 |
6.5 小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 研究与展望 |
参考文献 |
致谢 |
攻读学位期间主要研究成果 |
(6)图像检索中若干问题的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 底层视觉特征 |
1.2.2 区域检索和显着性特征 |
1.2.3 图像的高维特征约减和索引 |
1.2.4 图像的相似性度量 |
1.2.5 图像的聚类 |
1.2.6 相关反馈 |
1.2.7 其他相关的研究工作 |
1.2.8 目前存在的问题和发展趋势 |
1.3 本文的主要工作 |
2 纹理分析的非线性方法及其在图像检索中的应用 |
2.1 一维时间序列复杂性与纹理检索 |
2.1.1 一维时间序列复杂性算法 |
2.1.2 二维图像一维化的扫描方法 |
2.1.3 一个新的时间序列粗粒化框架 |
2.1.4 一维时间序列复杂性算法与图像纹理分析 |
2.1.5 基于一维时间序列复杂性算法的纹理图像检索实验 |
2.2 二维序列复杂性与纹理检索 |
2.2.1 二维CO复杂性 |
2.2.2 二维CO复杂性的一些讨论 |
2.2.3 二维复杂度纹理特征 |
2.2.4 多尺度分维数 |
2.2.5 基于二维序列复杂性算法的纹理图像检索实验 |
2.3 复杂性算法在医学图像检索中的应用 |
2.4 希尔伯特-黄变换与纹理检索 |
2.4.1 图像的二维经验模式分解 |
2.4.2 一种新的基于聚类的边界处理方法 |
2.4.3 生成IMF的迭代次数和筛法终止条件 |
2.4.4 特征提取 |
2.4.5 基于希尔伯特-黄变换的纹理图像检索实验 |
2.5 小结 |
3 选择性视觉注意计算模型与自然图像检索 |
3.1 视觉注意机制的神经生理基础及其模型 |
3.1.1 视觉注意机制的神经生理基础 |
3.1.2 视觉注意机制的心理物理模型 |
3.1.3 视觉注意机制的计算模型 |
3.1.4 选择性视觉注意计算模型 |
3.2 基于选择性视觉注意计算模型的自然图像检索 |
3.2.1 图像兴趣点个数的选取 |
3.2.2 基于选择性视觉注意计算模型的图像检索特征 |
3.2.3 图像检索实验 |
3.3 潜在语义标引与视觉注意计算模型在图像检索中的应用 |
3.3.1 图像检索中的潜在语义标引方法 |
3.3.2 图像检索算法 |
3.3.3 图像检索实验 |
3.4 多示例学习与视觉注意计算模型在图像检索中的应用 |
3.4.1 多示例学习及其算法 |
3.4.2 基于视觉注意计算模型的包生成器和图像检索实验 |
3.5 小结 |
4 自然图像认知阈值的度量 |
4.1 图像认知阈值的度量 |
4.1.1 图像认知阈值 |
4.1.2 图像信息量的计算 |
4.1.3 图像视觉复杂性的计算 |
4.1.4 语义阈值计算函数 |
4.2 图像认知阈值的影响因素 |
4.2.1 实验步骤 |
4.2.2 使用Weber律计算函数的实验 |
4.2.3 使用信噪比计算函数的实验 |
4.2.4 结论 |
4.3 心理物理学实验 |
4.3.1 方法 |
4.3.2 结果与分析 |
4.4 小结 |
5 通用图像检索实验平台的研制与开发 |
5.1 系统总体设计 |
5.2 系统详细设计 |
5.2.1 图像检索类谱系树 |
5.2.2 其他设计 |
5.3 平台运行界面和运行实例 |
5.3.1 用户端程序主界面 |
5.3.2 图像库管理 |
5.3.3 数据管理 |
5.3.4 特征数据库生成 |
5.3.5 图像检索和相关反馈 |
5.3.6 运行实例 |
5.4 小结 |
6 总结与展望 |
6.1 本文工作的总结 |
6.2 下一步的工作 |
参考文献 |
附录 |
致谢 |
攻读博士学位期间的科研成果 |
(7)基于混合贝叶斯网络的医学图像语义建模及其检索的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及其意义 |
1.2 研究现状 |
1.2.1 图像语义提取的方法 |
1.2.2 语义相似度的度量 |
1.2.3 图像检索系统的性能评价 |
1.2.4 医学图像语义检索的研究现状 |
1.3 核磁共振图像(MRI)的产生 |
1.4 本文的主要工作 |
第二章 医学图像语义建模的相关技术 |
2.1 统计学习理论与方法 |
2.1.1 机器学习问题的表示 |
2.1.2 支持向量机的分类方法 |
2.2 贝叶斯网络 |
2.2.1 贝叶斯法则 |
2.2.2 贝叶斯网络的知识表达 |
2.2.3 贝叶斯网络的学习 |
2.2.4 贝叶斯网络的推理 |
2.3 高斯混合模型 |
第三章 引入条件高斯的基于模糊贝叶斯网络的医学图像语义建模 |
3.1 引言 |
3.2 贝叶斯网络的性能分析 |
3.3 医学影像诊断的特点 |
3.4 嵌入条件高斯模型(CG)的模糊贝叶斯网络 |
3.5 语义建模的知识结构 |
3.6 星形细胞瘤恶性程度的语义建模 |
3.6.1 训练样本的选择 |
3.6.2 图像特征提取 |
3.6.3 语义模型的结构设计 |
3.6.4 星形细胞瘤恶性程度语义模型的参数学习 |
3.7 仿真实验结果与分析 |
3.8 讨论 |
3.9 本章小结 |
第四章 基于BN-GMM 的多层医学图像语义建模及其检索 |
4.1 引言 |
4.2 嵌入高斯混合模型的模糊贝叶斯网络 |
4.2.1 使用高斯混合模型(GMM)提取对象语义 |
4.2.2 使用模糊贝叶斯网络BN-GMM 的病症语义提取 |
4.3 基于BN-GMM 的星形细胞瘤恶性程度语义模型的建立与推理 |
4.3.1 结构的设计 |
4.3.2 参数学习 |
4.3.3 概率推理 |
4.4 图像语义检索 |
4.4.1 语义相似度量 |
4.4.2 匹配策略 |
4.4.3 检索方式 |
4.5 实验结果 |
4.5.1 语义建模的结果 |
4.5.2 语义标注 |
4.5.3 知识表达 |
4.5.4 检索结果 |
4.6 讨论 |
4.7 本章小结 |
第五章 基于BN-SVM 的多层医学图像语义建模 |
5.1 引言 |
5.2 嵌入支持向量机的混合贝叶斯网络 |
5.3 基于BN-SVM 的星形细胞瘤恶性分级语义模型的表达与推理 |
5.3.1 结构设计 |
5.3.2 贝叶斯网络BN-SVM 的参数学习 |
5.3.3 贝叶斯网络BN-SVM 的推理 |
5.4 实验结果 |
5.4.1 使用支持向量机提取中层语义 |
5.4.2 使用贝叶斯网络提取高层语义 |
5.4.3 高级语义的准确率和查全率随训练样本数量的变化规律 |
5.4.4 图像的语义标注及其知识表达 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表或已录用的论文 |
致谢 |
(8)基于语义的图像标注与检索系统研究(论文提纲范文)
中文摘要 |
英文摘要 |
引言 |
1 图像检索研究现状 |
1.1 图像内容处理技术 |
1.2 图像检索进展 |
1.2.1 基于文本的图像检索 |
1.2.2 基于内容的图像检索 |
1.2.3 基于语义的图像检索 |
1.3 图像检索系统介绍 |
2 图像语义提取技术 |
2.1 图像语义层次模型 |
2.2 语义提取模型 |
2.3 语义提取方法 |
2.3.1 对象类别及对象空间关系语义提取 |
2.3.2 场景和行为语义提取 |
2.3.3 情感语义提取 |
2.4 图像分割技术 |
2.4.1 图像分割意义 |
2.4.2 图像分割定义 |
2.4.3 图像分割分类 |
2.5 基于图像主区域的语义提取 |
3 图像语义描述 |
3.1 语义描述概述 |
3.1.1 文本表示法 |
3.1.2 传统知识表示法 |
3.2 MPEG-7描述标准 |
3.2.1 MPEG-7系列介绍 |
3.2.2 MPEG-7标准综述 |
3.2.3 基本描述语 |
3.2.4 MPEG-7框架 |
3.2.5 MPEG-7标准的主要内容 |
3.3 MPEG-7标准的XML描述语言 |
3.3.1 产生背景 |
3.3.2 XML的现状 |
3.3.3 XML的应用 |
3.3.4 文档对象模式(DOM) |
3.4 MPEG-7的语义描述方案 |
3.4.1 MPEG-7描述符 |
3.4.2 MPEG-7多媒体描述工具简介 |
3.4.3 MPEG-7内容描述方案 |
3.5 XML文档的解析 |
4 基于语义的图像标注与检索系统 |
4.1 基于语义的图像标注系统 |
4.1.1 几个多媒体标注工具简介 |
4.1.2 系统模型设计 |
4.1.3 系统设计框架 |
4.1.4 功能展示 |
4.2 基于语义的图像检索系统 |
4.2.1 系统框架介绍 |
4.2.2 系统接口 |
4.2.3 图像检索中的文本检索技术 |
4.2.4 语义图像检索的用户模型 |
4.2.5 检索系统评价 |
5 一个基于语义的图像检索演示系统 |
5.1 检索系统功能 |
5.2 检索流程 |
5.3 查询系统交互界面 |
5.4 本系统评价 |
5.5 有待进一步研究问题 |
5.5.1 语义鸿沟 |
5.5.2 相关反馈问题 |
结束语 |
参考文献 |
后记 |
(9)几种图像结构语义模型和图像(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 课题的研究背景 |
1.1.2 研究语义的意义 |
1.2 国内外研究状况 |
1.2.1 图象语义的研究方向 |
1.2.2 图象语义特征 |
1.2.3 图象语义的提取 |
1.2.4 MPEG-7,21 的框架 |
1.2.5 人视觉系统的特性 |
1.2.6 图象语义检索 |
1.3 汉字文本语义研究中的重要进展 |
1.4 图象语义发展方向及存在问题 |
1.5 本研究课题的来源 |
1.6 本文的主要工作及主要创新点 |
第二章 图象语义结构信息的理论分析 |
2.1 引言 |
2.2 与本章相关的一些数学方法 |
2.2.1 拓扑空间 |
2.2.2 度量空间 |
2.2.3 Hilbert 空间 |
2.2.4 同调代数基本概念 |
2.3 图象语义 |
2.3.1 图象语义的定义 |
2.3.2 图象结构信息的分析 |
2.4 结构信息映射函数族的选择 |
2.5 结构参数的表达形式 |
2.6 图象语义的形式化的数学模型 |
2.7 小结 |
第三章 人对图象主观感知响应 |
3.1 引言 |
3.2 人视觉系统 |
3.2.1 视觉的空间特性 |
3.2.2 视觉的时间特性 |
3.2.3 视觉的方向选择性 |
3.3 图象输入刺激的分析 |
3.3.1 人眼的信息处理机制 |
3.3.2 视觉处理分析过程 |
3.3.3 模拟人视觉特性 |
3.3.4 边缘轮廓提取 |
3.4 对图象刺激的心理响应 |
3.4.1 心理响应函数 |
3.4.2 知觉颜色和语义颜色的作用 |
3.5 近似的人接收机模型 |
3.6 小结 |
第四章 基于彩色特征的图象区域的提取 |
4.1 引言 |
4.2 语义颜色特征 |
4.3 彩色分类 |
4.4 用最近邻算法提取语义物体 |
4.4.1 最邻近聚类准则 |
4.4.2 具体实现 |
4.4.3 实验结果与分析 |
4.5 用 K-均值算法提取语义区域 |
4.5.1 具体算法 |
4.5.2 实验结果与分析 |
4.6 小结 |
第五章 几种图象结构模型的分析 |
5.1 引言 |
5.2 图象结构的进化模型 |
5.2.1 一维进化模型 |
5.2.2 图象进化模型 |
5.3 图象结构信息模型 |
5.3.1 信息熵、条件熵及平均互信息 |
5.3.2 图象结构的信息模型 |
5.4 图象层次结构的字符串模型 |
5.5 小结 |
第六章 基于数学形态学的彩色图象分割 |
6.1 引言 |
6.2 彩色特征 |
6.3 图象分割预处理 |
6.3.1 图象去噪 |
6.3.2 梯度算子的选择 |
6.4 形态学灰度膨胀与腐蚀 |
6.4.1 二值形态学 |
6.4.2 灰度形态学 |
6.6 分水岭算法原理 |
6.6.1 基本原理 |
6.6.2 分水岭算法 |
6.7 前景和背景物体的标记 |
6.7 实验结果与分析 |
6.8 小结 |
第七章 一种视频语义的表述模型 |
7.1 引言 |
7.2 视频语义信息的客观描述 |
7.3 语义信息的分析 |
7.4 主观语义 |
7.5 结束语 |
第八章 基于物体空间位置的图象语义分类 |
8.1 引言 |
8.2 HSV 彩色分量量化 |
8.3 彩色-空间特征的提取 |
8.3.1 彩色-空间特征的提取 |
8.3.2 划分颜色区域 |
8.3.3 特征提取 |
8.3.4 三种颜色的排列顺序 |
8.4 图象语义分类 |
8.5 小结 |
结论 |
参考文献 |
攻读学位期间发表的与学位论文内容相关的学术论文 |
致谢 |
(10)基于区域的多特征图象目标识别与检索研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外发展现状与动态 |
1.2.1 基于特征相似度匹配的图象检索 |
1.2.2 基于语义的图象检索 |
1.3 本文技术路线以及本文工作在系统中的位置 |
1.4 论文组织 |
第二章 图象分割技术研究 |
2.1 图象分割技术简介 |
2.2 对分水岭算法的一种改进算法 |
2.2.1 分水岭算法简介 |
2.2.2 对V-S分水岭算法的一种改进算法 |
2.2.3 算法结果与性能讨论 |
2.3 基于均值平移与模拟泛洪的图象分割算法 |
2.3.1 均值平移技术 |
2.3.2 图象空间中的均值平移 |
2.3.3 与均值平移相适应的模拟泛洪图象分割 |
2.3.4 实验结果 |
2.4 小结 |
第三章 基于 SVM与证据理论的图象目标识别 |
3.1 机器学习与SVM |
3.1.1 学习的泛化性 |
3.1.2 线性最大间隔分类器与支持向量机 |
3.1.3 核函数与非线性支持向量机 |
3.2 证据理论简介 |
3.2.1 证据理论及其合成公式 |
3.2.2 证据处理的一般模型 |
3.3 基于 SVM与证据理论的多特征图象目标识别 |
3.3.1 基本思想 |
3.3.2 支持向量机分类与基本信度分配 |
3.3.3 多特征图象目标识别 |
3.3.4 实验结果与性能比较 |
3.4 小结 |
第四章 基于区域的多特征图象检索 |
4.1 基于区域的多特征图象检索方法 |
4.2 基于区域的多特征图象检索实验系统 |
4.2.1 程序与数据库结构 |
4.2.2 实验结果 |
第五章 结论与展望 |
5.1 下一步的研究工作 |
5.2 结论与展望 |
参考文献 |
附录A: 本文作者硕士期间发表论文情况 |
四、一个用语义分类实现的图象检索框架(论文参考文献)
- [1]汉日语气系统之功能视角对比研究[D]. 耿芳. 北京外国语大学, 2021(09)
- [2]基础教育数学教材语言研究[D]. 周璐. 厦门大学, 2019(08)
- [3]现代汉语抽象名词性成分与单音方位词的组合研究[D]. 曹爽. 上海师范大学, 2016(06)
- [4]一个用语义分类实现的图象检索框架[J]. 许天兵. 计算机工程与应用, 2003(02)
- [5]基于本体的图像检索相关技术研究[D]. 谭立球. 中南大学, 2009(02)
- [6]图像检索中若干问题的研究[D]. 刘伟. 浙江大学, 2007(02)
- [7]基于混合贝叶斯网络的医学图像语义建模及其检索的研究[D]. 林春漪. 华南理工大学, 2006(06)
- [8]基于语义的图像标注与检索系统研究[D]. 蔡昌许. 武汉大学, 2005(05)
- [9]几种图像结构语义模型和图像[D]. 余卫宇. 华南理工大学, 2005(01)
- [10]基于区域的多特征图象目标识别与检索研究[D]. 邓子建. 中国人民解放军信息工程大学, 2005(04)