中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 周萌重庆邮电大学 2019年硕士导师: 曾宪华共80页

摘要 : 哈希方法被广泛研究并应用于基于内容的图像检索领域。哈希方法旨在学习一组哈希函数将原始数据映射成一串二进制编码并在汉明空间保持数据在原始空间中的相似性。使用哈希方法生成的二进制编码来进行图像检索可以提高检索的效率，并且大幅减小存储开... 展开哈希方法被广泛研究并应用于基于内容的图像检索领域。哈希方法旨在学习一组哈希函数将原始数据映射成一串二进制编码并在汉明空间保持数据在原始空间中的相似性。使用哈希方法生成的二进制编码来进行图像检索可以提高检索的效率，并且大幅减小存储开销。决策树是一种运行速度快，可解释性强的模型，但目前基于决策树的哈希方法由于使用浅层的决策树而造成了学习能力不足的问题。目前大多数的深度哈希方法都是基于深度神经网络设计的。考虑到基于深度神经网络的哈希方法超参数过多，可解释性差，训练过程需要昂贵且强大的计算设备，因此设计一种超参数少，可解释性好，并且训练速度快的深度哈希方法是非常必要的。多粒度级联森林是一种不同于深度神经网络的深度模型，这种模型由多粒度扫描和级联森林组成，通过将森林构建成级联结构对数据进行逐层处理。目前为止，多粒度级联森林还没有被应用到哈希学习中，因此本文提出了基于多粒度级联森林的哈希图像检索方法和基于流形相似度保持的多粒度级联森林哈希图像检索方法。为了进一步减少图像数据库的存储开销，本文提出了基于随机森林自动编码器的哈希图像检索方法。具体研究工作如下： 1.针对目前基于决策树的哈希图像检索方法中使用浅层的决策树而造成的学习能力不足的问题，以及基于深度神经网络的哈希方法中具有过多的超参数，可解释性差，训练过程需要昂贵的计算设备和大规模的数据集等不足，本文提出了基于多粒度级联森林的哈希图像检索方法。该方法首先使用不同尺寸的滑动窗口扫描原始数据以提取多粒度的特征，然后采用两步学习策略——初始哈希码推理和深度森林哈希函数学习——来实现哈希映射。实验结果表明，该方法超参数设置简单，检索精度也高于基于决策树的哈希方法和基于深度神经网络的哈希方法。 2.为了充分利用数据的语义标签信息和数据本身的属性信息，本文提出了基于流形相似度保持的多粒度级联森林哈希图像检索方法。该方法在构造目标函数时同时考虑了语义相似度和流形相似度，将数据从原始空间映射到汉明空间后，同时保持了数据在原始空间的语义相似度和流形相似度。在检索图像时，根据图像的内容信息可以检索到在标签语义和内容语义上同时保持的相关图像，从而获得更接近待检索图像语义信息的图像。实验结果表明，该方法的检索精度高于基于决策树的哈希方法和基于深度神经网络的哈希方法，并较基于多粒度级联森林的哈希图像检索方法有所提高，且获得了在语义上更加符合用户需求的图像。 3.为了进一步减小图像检索任务中图像数据库的存储开销，本文提出了基于随机森林自动编码器的哈希图像检索方法。该方法利用随机森林自动编码器将图像检索任务分为前向编码过程和后向解码过程，前向编码过程是将数据从图像空间映射到汉明空间，后向解码过程是将哈希码从汉明空间解码到图像空间。因此，在完成前向编码后图像检索系统中无需再保存图像库，可以直接将哈希码重构成图像，从而大大减小存储开销。实验结果表明，该方法在检索精度上有所降低，但能够较好地重构图像。收起

关键词 : 哈希学习图像检索多粒度级联森林流形相似度

2. 基于稀疏约束的流形数据相似性度量学习研究

[学位论文] 王瑞瑞安徽大学 2020年硕士导师: 陈思宝共74页

摘要 : 近年来，随着现代科学技术的不断发展，流形学习已经成为信息科学领域的重要的研究方向之一，在真实世界中，存在很多高维度的流形数据，如果直接对这些高维数据操作会面临很多的困难，所以解决高维数据所面临的问题是如今的难题，经过许多学者的不断... 展开近年来，随着现代科学技术的不断发展，流形学习已经成为信息科学领域的重要的研究方向之一，在真实世界中，存在很多高维度的流形数据，如果直接对这些高维数据操作会面临很多的困难，所以解决高维数据所面临的问题是如今的难题，经过许多学者的不断钻研，很多经典的流形学习方法被提出，这些流形学习方法主要被分为两种，线性的流形学习算法和非线性的流形学习算法，但研究者们发现线性学习方法并不适合具有高维非线性结构的流形数据，因此，提出了一种新的方法即在流形数据上学习一种非线性映射，使得映射之后的数据依然具有流形结构。拉普拉斯特征映射（LE）是一种基于图论的方法，是一种非线性的降维方法，主要思想是通过构建邻接矩阵来重新构建数据流形的局部结构特征，是从局部的角度去考虑构建数据的关系，希望在降维后依然能保持之前数据的结构，所以相近的点在降维后的空间中尽可能的靠近，也就是说相近的数据点在降维后相似度更高。对于流形数据，我们通常使用相似度度量方式来得到不同样本数据的相似度，常用的传统的相似度度量方式有余弦相似度，调整余弦相似度，Jaccard相似度和皮尔逊相关系数等。一个好的相似度度量不仅可以明显的提高算法的分类的准确率，还可以更好的反映流形数据间的结构，若把数据样本对应空间中的数据点，则点间距离远近反映了样本数据间的差异，距离越近，相似度越大，距离越远，相似度越小。所以在此基础上本文提出了一个新的流形数据的相似度学习方法，主要思想是尽可能的让同类间的样本相似度更大，不同类间的样本相似度更小。本文的主要研究内容如下：（1）基于拉普拉斯秩约束的相似度学习算法研究。对于高维数据来说，很多特征都是无效的，我们希望能在高维的数据中提取出有效的部分，来让我们的结果变得更加准确，低秩可以自动分离噪声和干净的数据，若在算法中加入低秩则可以获取更为有效的数据，基于这个理论想法，我们把秩约束加入到算法中，提出了一种基于拉普拉斯秩约束的相似度学习算法，并详细介绍了相似度算法的迭代求解过程，然后在多个数据集上进行实验和跟别的算法比较来验证我们算法的有效性。（2）基于流形数据的多视角相似度学习算法研究。在许多现实世界的应用程序中，实际数据的表示方式不是单一的，而是具有多种表达形式，例如一个人从不同的角度观看，就可以从不同的角度收集不同的信息。通常对于每个事物，我们都可以从不同的角度观察从另一个角度无法观察到信息，因此，为了了解事物更全面的信息，我们可以从多个角度观察来获得更多的信息。与单视角算法相比，把多个视角的信息进行融合的多视图算法可以得到更好的效果。所以我们提出了一种基于流形数据的多视角相似度学习算法，并详细介绍了算法的迭代求解过程，在一些数据集上进行了大量实验并比较了单视角算法和多视角算法的实验结果，验证了多视角算法的高效性和鲁棒性。（3）基于拉普拉斯秩约束的多视角相似度学习算法研究。在这一工作中，我们结合了前两个工作的想法，即保持数据的多样性，也保持数据的有效性，我们将低秩想法融合到多视角相似度算法中，提出了一种基于拉普拉斯秩约束的多视角相似度学习算法，并给出了对应的算法求解过程和迭代求解公式，最后在多个数据集上进行大量的实验来验证算法的有效性。收起

关键词 : 高维数据相似度学习流形学习稀疏约束

3. 面向流形数据的邻域优化密度峰值聚类算法研究

[学位论文] 马清南昌工程学院 2023年硕士导师: 赵嘉;方勇共65页

摘要 : 聚类分析在数据挖掘的过程中扮演了重要的角色。密度峰值聚类算法是一种基于密度聚类的较新算法。该算法原理简单、快速高效，可以在无先验知识的条件下识别任意类簇，因此成为众多领域的研究热点。然而算法面对流形数据时依旧存在不足，具体表现为：... 展开聚类分析在数据挖掘的过程中扮演了重要的角色。密度峰值聚类算法是一种基于密度聚类的较新算法。该算法原理简单、快速高效，可以在无先验知识的条件下识别任意类簇，因此成为众多领域的研究热点。然而算法面对流形数据时依旧存在不足，具体表现为：（1）两种局部密度均有不同程度的信息缺失；（2）仅以欧氏距离为依据的局部密度难以准确描述流形数据；（3）分配剩余样本时未充分考虑流形数据中样本的空间因素；（4）样本的链式就近分配的策略会连续地将错误的类簇标签在样本间传递。这些都会降低算法聚类流形数据时的质量。对此，本文提出如下改进： 1）提出了面向流形数据的加权自然近邻密度峰值聚类算法。针对原算法计算局部密度时造成样本信息缺失和分配剩余样本时仅参考样本距离因素而忽略空间位置的问题，该算法首先结合自然近邻和逆近邻的思想，设计了新的局部密度，综合分析了样本的局部信息和全局信息，解决了原算法造成的信息缺失问题；其次，结合共享近邻和逆近邻计算样本相似度，弥补了原算法空间因素的缺失，提高了聚类流形数据时的精度。实验结果表明，该算法在流形和真实数据集上均有较高的聚类质量。 2）提出了面向流形数据的共享近邻密度峰值聚类算法。流形数据的类簇中样本往往距离类簇中心较远，原算法的局部密度定义仅以欧氏距离为依据且分配样本时链式就近分配，没有考虑到样本所处的具体环境，从而降低聚类流形数据时的质量。首先，提出了一种基于共享近邻的样本相似度度量，使得同一流形类簇样本相似度尽可能高；其次，基于上述相似度定义局部密度，不忽略距类簇中心较远样本的密度贡献，能更好地区分出流形数据的类簇中心与其他样本；最后，根据样本的相似度分配剩余样本，避免了样本的连续误分配。实验结果表明，该算法在流形和真实数据集上均有较高的聚类质量，且能较好地应用到图像识别中。收起

关键词 : 流形数据密度峰值聚类分析共享近邻样本相似度

4. 基于流形空间主曲线相似度的状态评估方法研究

[学位论文] 李江重庆大学 2017年硕士导师: 尹爱军共89页

摘要 : 现代机械设备更加智能化、集成化、精细化。面临的运行环境更加复杂多变，在国民经济体系中承担着越来越重要的责任。一旦设备发生故障，就有可能造成一定的经济损失，严重时甚至会引发重大安全事故。因此，对机械设备进行运行状态评估，分析其性能退... 展开现代机械设备更加智能化、集成化、精细化。面临的运行环境更加复杂多变，在国民经济体系中承担着越来越重要的责任。一旦设备发生故障，就有可能造成一定的经济损失，严重时甚至会引发重大安全事故。因此，对机械设备进行运行状态评估，分析其性能退化趋势非常重要。机械设备振动信号复杂化、非线性、耦合度高，针对其故障信号微弱，难以发现等特点，本文提出了基于流形空间主曲线相似度的机械设备运行状态评估方法，并完成了软件系统开发与算法验证实验。本文主要完成了以下三个方面的内容： ①机械设备运行状态评估首要解决的是特征提取过程，本文首先提取单一时域、频域、小波包能量等38个常用特征量，然后，结合振动信号的 Wigner-Ville时频分布与图像相似度评价指标复小波指数，提出了新的特征量─WVD&CW-SSIM，通过滚动轴承全寿命实验验证了该特征量对振动信号变化的敏感性，且能发现滚动轴承运行过程中的早期故障。最后，针对机械振动信号的非线性、耦合度高，单一域特征无法全面表征其特性的特点，提出了基于流形学习的多特征融合方法，将时域、频域、小波包能量以及WVD&CW-SSIM等39个特征量融合构成原始高维特征集，多域、多空间、多角度地描述振动特性，同时，使用基于图谱的流形学习算法拉普拉斯特征映射（LE）将高维特征空间最大程度无失真地转换到低维空间。 ②针对机械设备故障信号微弱，无法准确发现其早期故障等特点以及常规状态评估方法HMM模型与DBN网络参数选取困难、训练学习过程复杂等缺点，本文提出了基于流形空间Hausdorff距离的主曲线相似度运行状态评估方法。并针对原始软-K主曲线初始迭代次数必须人为设定的缺陷，通过引入评判函数实现了自适应迭代次数设定，同时，建立了基于流形空间主曲线相似度的机械设备运行状态评估算法总流程。最后，通过滚动轴承加速退化实验验证了本文算法对轴承故障信号比较敏感，能更早地发现轴承故障，且无需复杂的训练学习与参数选取过程。 ③结合 VC++与 Matlab开发了机械设备运行状态评估软件系统，并对现场环境下的风电机组齿轮箱振动运行数据进行检测评估，描述其性能退化过程。收起

关键词 : 状态评估流形学习主曲线相似度故障诊断机械设备

5. 基于流形相似度及增广规整的半监督图卷积网络研究

[学位论文] 田绣枝安徽大学 2021年硕士导师: 丁宏强;陈思宝共76页

摘要 : 卷积神经网络的研究由来已久，由于它强大的学习能力以及数值计算设备的支持，其被广泛地用于解决图像检测、图像识别、以及图像分类等方面的问题。图像是有规则的网格数据集，卷积操作很容易被定义。然而，在现实世界当中，有很多不规则的图数据，比... 展开卷积神经网络的研究由来已久，由于它强大的学习能力以及数值计算设备的支持，其被广泛地用于解决图像检测、图像识别、以及图像分类等方面的问题。图像是有规则的网格数据集，卷积操作很容易被定义。然而，在现实世界当中，有很多不规则的图数据，比如引文网络、交通网络、社交网络和人体骨架识别网络。针对这些不规则的数据集，标准的卷积神经网络已然失效，新类型的图卷积网络需要被探索。本文通过解决半监督图节点分类的问题，来进行图卷积算法的改进。本文工作如下所示：（1）基于数据增广规整的半监督图卷积网络研究：半监督学习的图节点分类任务当中，只有少部分的图节点是有标签的，而无标签节点的数目是非常多的。在图卷积网络当中，只有有标签的节点将会进入损失函数当中，而无标签节点将不会进入。由于无标签节点不受约束的本性，模型不太稳定，这将导致过拟合问题的出现。为了解决这个问题，我们将增加一个约束无标签节点变化的规整项，该规整项是两次模型数据增广之后的输出结果差值的平方值。在本小节中，我们主要做出了以下几点贡献：①为验证规整项在线性模型和非线性模型上都有效，我们主要在非线性模型GCN（GraphConvolutionalNetworks）和线性模型SGC（SimplifyingGraphConvolutionalNetworks）上进行实验；②图数据主要是由图节点和图结构所组成，因此，我们针对这两方面设计丰富的增广技巧，包括特征扰动，边的扰动以及两者的结合；③图卷积网络是典型浅层网络，不像卷积神经网络那样可以做得很深，因此我们探索了数据增广强度对模型的影响。最后，我们在引文网络数据集上进行了大量的对比实验，我们方法的节点分类准确率大大超过标准的图卷积网络模型。（2）基于流形相似度学习的半监督图卷积网络研究：图卷积网络是基于二进制邻接矩阵来聚合近邻节点的信息，预测节点的类别。图中的目标节点总是被一些异构节点所环绕，对于该节点而言，周围节点的影响是不同的。然而，二进制邻接矩阵并没有体现这一点，这些噪声节点将会影响节点分类的性能。基于这个问题，我们试图使用相似度来衡量各近邻节点的影响因子。欧式空间的高斯热核相似度首先被提出，它代替了二进制近邻矩阵来衡量欧式空间中节点间的相似度。进一步地，为了更好地学习局部流形结构，捕捉图数据的拓扑结构，我们迭代地学习流形相似度来表示近邻节点的关系。最后，我们将其拓展到核空间（reproducingkernelHilbertspace，RKHS），运用不同的核函数来学习节点间的相似度，将获得的相似度替换掉原始的二进制邻接矩阵。最后，在标准数据集上进行对比实验。实验结果证明我们方法能够抑制不相关节点的干扰，强化标签一致节点对中心节点的影响力。（3）基于流形相似度及增广规整的半监督图卷积网络研究：在这一工作中，我们将前两个工作的想法进行了结合，我们将缓解过拟合的方法融合到流形相似度学习的图卷积网络算法中，提出了基于流形相似度及增广规整的半监督图卷积网络算法研究。该工作既能够缓解过拟合，还能够抑制不相关近邻的影响，强化标签一致近邻的特征传播的权重。最后在半监督图节点分类的数据集上进行了实验，并与第一个工作和第二个工作进行了对比，均验证了该算法的有效性。收起

关键词 : 半监督学习图卷积网络数据增广流形相似度社交网络

6. 基于共用本体与语义相似度的本体映射

[学位论文] 陈涛安徽大学 2008年硕士导师: 郑诚共68页

摘要 : 当前语义Web中基于本体的应用越来越多,这意味着本体越来越受到重视。本体的长处在于能提供语义信息,正是这一能力使得万维网更具丰富的内容,以及提供更多的功能。在万维网最初的阶段,由于信息量较少,对于信息的处理大部分手动或者半自动的方式。而在... 展开

关键词 : 共用本体语义相似度本体映射相似度算法语义Web

7. 基于知网的词汇语义计算研究及应用

[学位论文] 余超沈阳航空工业学院 2007年硕士导师: 张桂平;蔡东风共50页

摘要 : 词语相似度、相关度计算一直是机器翻译、语义消歧、信息检索等领域的基础，本文介绍了目前国内外关于词语相似度、相关度计算的研究现状，阐述了几种具有代表性的词语相似度、相关度计算方法，分析了它们的理论基础和算法特点。论文指出目前基... 展开

关键词 : 知网语境相似度概念-义原树词语相似度

8. 基于流形学习的图像检索框架

[学位论文] 王益同济大学 2013年硕士导师: 李宏宇共70页

摘要 : 计算机技术、多媒体技术以及网络技术的长足发展导致了大量图像的出现,如何有效地、快速地从大规模图像数据库中检索出所需的图像是目前一个相当重要又富有挑战性的研究课题。研究基于内容的图像检索技术(CBIR:content-basedimageretrieval)正是为了解... 展开

关键词 : 图像检索流形学习特征空间信息熵视觉相似度禁忌搜索算法

9. 基于自然语言处理的主观题自动评分研究

[学位论文] 申震江苏科技大学 2021年硕士导师: 王逊共75页

摘要 : 近年来，人工智能、大数据等互联网技术的发展推动了教育领域向数字化、智能化方向发展，出现了多媒体教学、网络课程、在线考试系统等教育方式。目前的在线考试系统对客观题的评分技术已经成熟，但对主观题的评分主要还是依靠人工。实现主观题的自动... 展开近年来，人工智能、大数据等互联网技术的发展推动了教育领域向数字化、智能化方向发展，出现了多媒体教学、网络课程、在线考试系统等教育方式。目前的在线考试系统对客观题的评分技术已经成熟，但对主观题的评分主要还是依靠人工。实现主观题的自动评分可以提高教学效率，有着重大的学术价值和应用价值。针对目前主观题自动评分中存在语义和句法结构信息缺失的问题，本文使用中文信息处理中的相关技术对主观题评分系统进一步改善提高，使成绩计算更准确。本文使用了基于自然语言处理相关技术对主观题进行自动评分，对自动评分过程中多个环节进行改进，使成绩计算更加符合人们的认知。另外，为了降低人工评分和自动评分之间的误差，成绩计算公式中添加了一个调节系数。本文的主要工作如下： (1)研究分析中文分词技术和相关算法，提出了可识别专业词汇的中文分词算法。中文分词算法采用NLPIR汉语分词系统，引入正向最大匹配算法，切分出专业词汇。使用TF-IDF和余弦相似度计算关键词向量的相似度。 (2)综合《知网》和《同义词词林》两个知识库的词语相似度计算方法，采用动态加权策略利用了词语在两个不同知识库中层次体系结构和语义的信息，使可计算的词语范围得到了一定的扩充，从而使词语相似度的计算更加全面，也更加精确。 (3)借助语言技术平台LTP，本文提出了基于依存句法和词语语义的句子相似度计算，进而考虑到了多个语义特征对句子相似程度的影响。通过对两个句子中的依存关系三元组进行相似度计算，不同的依存关系赋予不同的权重，使得句子相似度计算更加全面，更为准确的衡量两个句子表达意思的相近程度。 (4)设计并实现自动评分系统的主观题评分模块。通过对考生答案和参考答案使用分词算法、相似度算法，得到考生的关键词得分和句子语义得分，然后根据各部分所占的比重带入成绩计算公式中，对考生答案进行综合评分。系统测试数据表明，本文方法在主观题自动评分系统中的应用是有效可行的，可以有效提高教学效率，帮助考生得到准确的得分。收起

关键词 : 自动评分人工评分词语相似度句子相似度依存句法

10. 程序代码相似度中的代码转换技术的研究

[学位论文] 裴冬梅内蒙古师范大学 2008年硕士导师: 刘东升共53页

摘要 : 程序代码的分词转换技术是实现程序代码相似度判别系统的一个重要技术，一个好的分词转换技术不仅可以提高相似度判别系统中对程序进行相似度计算的速度，还可以提高相似度计算的精度，这对相似度判别系统的发展具有重要的现实意义。在程序代码... 展开程序代码的分词转换技术是实现程序代码相似度判别系统的一个重要技术，一个好的分词转换技术不仅可以提高相似度判别系统中对程序进行相似度计算的速度，还可以提高相似度计算的精度，这对相似度判别系统的发展具有重要的现实意义。在程序代码相似度判别系统中，程序代码的分词转换技术得到了广泛的应用。我们可以把一个程序看作一个文本串，然后再通过一定的文法分析将这个文本串转换成描述程序基本信息的标记(token)串。所以对程序相似性的比较就转变成比较两个程序的标记串。而比较标记串的过程就是程序代码的分词转换的过程。本研究首先介绍了关于程序代码相似度判别技术，包括程序代码相似度判别的定义与分类，国内外研究发展的现状以及现有的程序代码相似度判别系统的相关介绍。然后对程序代码分词转换过程中所用到算法情况进行了介绍，包括分词算法，字符串匹配算法等。本研究设计了一个实验系统，该实验系统主要由四部分组成，第一部分，完成实验系统对程序代码的预处理及分词功能，预处理即去掉那些在程序中存在，但对相似度判别无影响的信息，如程序中的注释语句、连续的空格、空行等，接着对预处理后的程序代码进行分词；第二部分，创建程序代码转换所需的词表；第三部分，将程序代码的预处理及分词之后的程序采用字符串匹配算法转换为字符串标识；第四部分是通过用户界面可得到源程序代码转换后的结果输出。最后，通过一些实验对该实验系统进行简单的验证与分析。其中实验的数据来自于学生所做的程序作业，实验结果反映出该实验系统不仅可以支持多种程序语言的转换，而且转换后的实验结果可用于基于字符串相似度判别的算法中，为后续的研究，即对转换后的标记串进行相似度计算，从而得到相似程度的数据，提供了可靠的测试信息。收起

关键词 : 程序代码相似度