导读:本文包含了语义对象提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:中文评价对象,语义,语法,序列标注
语义对象提取论文文献综述
周浩,王莉[1]（2019）在《融合语义与语法信息的中文评价对象提取》一文中研究指出鉴于常规的序列化标注方法提取中文评价对象准确率低,存在忽略中文语义与语法信息的缺陷,提出了融合语义与语法信息的中文评价对象提取模型。该模型在原始字向量的基础上通过优化字符含义策略强化语义特征,弥补忽略的字符与词语的内部信息;并通过词性序列标注,对句子的词性信息进行表征,深化输入的语法特征。网络训练使用双向长短期记忆网络并用条件随机场克服标注标签的偏差,提高了提取准确率。该模型在BDCI2017数据集上进行验证,与未融入语义和语法的提取模型相比,中文主题词与情感词提取准确率分别提高了2.1%与1.68%,联合提取的准确率为77.16%,具备良好的中文评价对象提取效果。(本文来源于《智能系统学报》期刊2019年01期）
林熙[2]（2016）在《联合语义约束和面向对象方法提取山区居民地信息》一文中研究指出山区居民地空间分布情况与山区农村人口变化、经济发展以及统筹规划具有较强的空间关系,同时也是山区地质灾害应急响应和评估的重要基础资料,因此及时掌握山区居民地分布情况对山区农村发展建设以及防灾抗灾救灾具有重要意义。然而我国地缘辽阔,山区地形复杂,居民地分布受多种因素的影响,且农村居民地较分散,其分布信息获取较困难。遥感技术的发展,尤其是高分辨率遥感技术的发展,为山区居民地的快速获取提供了可能。面向对象的图像分析方法因其分析单位由像元变为同质对象、分析过程模拟人大脑思维等特点,成为目前高分辨率遥感影像信息提取的主要研究手段。然而面向对象图像分析方法仍然存在分割尺度、特征选择等多种问题。再加上高分辨率遥感影像本身的复杂性以及地物本身的复杂性,使得面向对象的信息提取结果存在大量误分对象,以至于不能满足实际生产需要,尤其是大范围信息提取时。针对此问题,本文以高分一号(GF-1)数据为数据源,在面向对象的山区居民地提取的基础上,加入居民地的空间分布规律以及与其他地物的逻辑联系信息等地学专家知识,提出联合语义约束和面向对象的方法,用以提取山区居民地。具体研究工作主要包括以下内容：(1)基于面向对象的山区居民地提取。本文首先对面向对象的图像分析方法基本原理做了阐述,并针对其中最优分割尺度选择的问题,以内部方差变化率(ROC)为指标进行了影像分割尺度分析,作为最优分割尺度参考。由于山区居民地影响因素多,特征较难统一,所以本文对其光谱特征、几何特征、纹理特征做了系统分析,并与其他典型地物做了对比。实验结果表明,纹理特征相对统一,可作为山区居民地提取的主要典型特征。在此基础上,以覆盖康定县塔公乡地区的一景高分一号遥感影像为实验数据,进行了居民地提取,并分析提取结果中存在的问题。(2)基于语义约束的山区居民地提取。在山区这种特殊的地理环境中,居民地有着明显的分布规律。因此,本文首先分析了山区居民地的分布规律,在此基础上制定了山谷线语义约束条件、坡度语义约束条件、雪线语义约束条件,并详细阐述了制定语义约束条件时需要考虑的因素。最后将语义约束条件应用于康定县塔公乡实验中,对面向对象的提取结果做进一步处理,使得提取正确率相对于未使用语义约束的结果提高了1.2倍。实验结果表明,联合语义约束和面向对象的山区居民地提取方法能有效改善山区居民地提取效果,得到更符合实际的效果。(3)大范围山区居民地提取。视野的扩大必定导致获取信息的减少,范围的增加必定会造成针对局部的规则不能适用于其他区域,这使得高分辨率遥感影像大范围信息提取更加困难。针对此问题,本文提出应主要使用对象自身的特征以及全局特征来进行信息提取,其中,对象与对象之间的特征也应满足于全局。语义约束条件实质为地学专家知识,属于一种全局特征,因此本文将联合语义约束和面向对象的方法应用于大范围山区居民地提取实验中。实验以雅安市石棉县为研究区域,面积约3000 km2,实验数据为6景高分一号PMS数据拼接而成,提取结果正确率为82.06%,漏分率为6.02%。实验结果表明,本文所采用的方法在大区域居民地提取实验中得到了较好的效果,有效的屏蔽了高山云雪、山坡裸土、部分区域沙滩地等多种因素造成的居民地误分的情况,为大区域高分遥感影像居民地提取提供了方法参考。同时,论文也分析了大范围提取会受多景影像拼接、DEM精度,以及语义约束条件会变得更为复杂等方面的影响。通过理论论述以及实验研究表明,本文所提出的联合语义约束和面向对象的方法提取山区居民地能有效提取复杂山区居民地信息,排除大部分不合理的误分对象,提取结果符合实际,为高分遥感影像应用于实际生产提供了借鉴意义。同时,实验也表明,综合提取多种影像特征,包括多源数据,并与GIS相结合,加入地学专家知识,对特征“组合优化”,不同特征互为补充,有助于提高计算机自动解译精度。(本文来源于《西南交通大学》期刊2016-05-01）
孙超[3]（2013）在《基于对象提取的语义标注研究》一文中研究指出随着互联网的不断普及和各种图像采集设备的持续发展，图像作为人类感知世界的重要信息源，在实际中的应用也变得更为重要。如何从海量的数字图像集合中快速查找目标图像，是研究的热点。相较日益庞大的数据量和大规模图像数据库的发展，传统基于文本检索的技术已经不能够适应用户的检索需求，传统的信息分析与检索技术面临着新的挑战。基于内容的图像检索方式的出现，也不能完全满足人们通过高层语义检索图像的意图。因为建立在低层视觉特征的相似性度量不能完全表达图像高层语义。基于语义的图像检索是一种更好地选择。基于语义图像检索的关键问题是如何将底层视觉特征同人类认知的语义对应起来。目前的语义提取方式，按照高层语义划分有以下叁种：是基于外部信息源的语义提取、基于人工交互的语义提取和基于知识的语义提取。图像的语义信息可以通过自动图像标注技术来获得，这样可以实现在语义级别上对图像进行检索。一般，将各种底层特征组合起来对应高层语义信息的关键词，其中使用各种的机器学习方法，将图像特征和文本描述对应起来，底层的视觉特征是高层语义信息的基石。本文绪论介绍了物体提取和自动图像语义标注的研究背景；然后介绍了在物体提取中使用的彩色图像处理方法，图像滤波、图像量化、图像分割和人工智能中的BP神经网络。第3章，在预处理的基础下，提出了一种图像中主要对象的提取方法。图像是由各种物体组成的，不同的物体，在有颜色分布和图像纹理上会有较大的不同。第4章，提出了本文使用的自动语义标注方法。同时对该方法进行了验证。最后，对本文进行了总结和展望。(本文来源于《中北大学》期刊2013-06-03）
孙超,周海英[4]（2013）在《面向语义的图像中主要对象的提取方法》一文中研究指出图像中主要对象的提取对于图像语义的抽取以及图像内容的自动标注具有重要作用。提出了一种面向语义的图像主要目标的提取方法。对于分割后的图像,计算不同区域的显着相关色得到核心目标,然后从中提取训练样本集,通过人工神经网络对图像中的块进行分类训练,获得各个区域的主要对象。实验表明,该方法可以较准确地提取出中心区域的对象以及周围区域的对象,并能保留图像的主要信息。(本文来源于《电视技术》期刊2013年05期）
孙小丹[5]（2009）在《基于语义相关的面向对象林地信息提取》一文中研究指出基于地物间的语义相关关系,结合面向对象的影像分析技术,提出了适用于高分辨率影像的林地信息提取方法,包括影像分割和林地信息提取2大步骤;并以福州市2003年6月成像的IKONOS卫星影像数据为例进行了林地信息提取实验。结果表明:①通过模糊和最近邻2种分类技术分别完成植被、林地信息的提取,提高了提取过程的合理性;②以面向对象的方式进行信息提取,不仅能避免细节信息的干扰,还能利用影像的纹理信息,这相当于对影像数据进行了优化,提取结果的精度和完整性均得到了提高。(本文来源于《福建林业科技》期刊2009年03期）
李春燕,杨树堂,陆松年[6]（2008）在《基于内容的多层次语义视频对象提取方法研究》一文中研究指出视频对象的提取在序列图像的分析中起着重要作用。提出一个基于内容的多层次视频的对象提取算法,利用高斯马尔可夫模型对其进行颜色和纹理的混合特征图像分割。利用Normalize-cut准则,对其运动信息进行分析,然后进行区域聚合,即得到具有语义的视频对象。对于背景运动信息较丰富的序列图像可以取得良好的提取效果。(本文来源于《信息技术》期刊2008年09期）
李春燕[7]（2007）在《基于内容的多层次语义视频对象提取技术研究》一文中研究指出近年来,随着视频信号的压缩、传输和存储等方面技术的迅速发展,引发了基于内容的视频分析的研究热潮,人们对多媒体信息的需求也从简单的播放转向了以基于内容的访问、检索和操作为特征的交互式视频服务、娱乐视频应用以及各种媒体的视频点播等。由于MPEG-4和MPEG-7等标准的提出,理解和提取语义视频对象成为一个视频压缩、检索等领域中非常重要的一个研究方向。尽管利用各种区域特征进行图片分割的研究已经取得了很大成效,但从众多视频资源中提取语义视频对象,建立具有健壮性的多层次的语义视频树还是一个亟待研究的课题。但由于特征和语义之间并不存在一一匹配的关系,传统视频内容分析方法带来了语义鸿沟问题。如何利用现有的视频分割提取及内容分析技术,建立合理有效且更加具有一般性的语义视频信息描述模型,提出基于具体模型和内容的多层次语义视频对象提取算法是本文的主要工作。本文的主要思路是:首先在前期的研究基础上,对语义视频信息描述模型进行研究和探讨,提出一种基于内容的多层次语义视频对象描述模型,进而基于该语义视频对象提取结构框图设计和实现了一个足球视频对象提取算法。主要工作包括如下几个方面:在语义视频对象描述与分析方面,本文在分析了基于结构建模和基于内容建模的传统语义视频对象描述模型及改进的视频语义信息层次化描述模型基础上,提出了一种适用于足球视频信息检测的多层次语义视频对象描述模型。在语义视频对象提取方面,本文在提出的描述模型的基础上进一步提出了一个基于内容的多层次语义视频对象提取结构框图,并设计了基于多层次语义视频对象提取算法。算法具体如下:首先进行镜头边缘检测,利用光流法在一段连续的视频序列中提取关键帧。然后用高斯马尔可夫模型对其进行颜色和纹理的混合特征进行图像分割。用Normalize-cut准则,对其运动信息进行分析,分离背景,最后进行区域聚合,即得到具有语义的视频对象。本算法对于背景运动信息较丰富的序列图像取得良好的提取效果。最后,论文还研究和预测了该技术在视频会议、视频对象监控的应用前景,并结合国家863高科技项目需求,开发出了一套“基于宽带网络的流媒体信息检测与内容监控”系统,并将具体的算法应用于系统中。(本文来源于《上海交通大学》期刊2007-12-01）
杨树堂,汤志平[8]（2007）在《基于分水岭-隐马尔可夫模型联合的语义视频对象提取技术》一文中研究指出针对3C无线网络的增值服务业务,提出一种语义对象基于分水岭算法的视频帧内的分割,及基于隐马尔可夫模型的视频帧间跟踪提取技术。其主要的特点是首先采用基于标识集的分水岭算法来进行初始帧内语义视频对象的标定和分割处理,随后再进行二值化掩膜处理,最后借助隐马尔可夫测量场模型,将后续帧中视频对象的跟踪处理演化为跟踪区域与非跟踪区域的二值离散化标定问题。实验结果证明,该算法能很好地实现视频帧序列中语义视频对象的连续提取。(本文来源于《计算机应用与软件》期刊2007年11期）
陈久军,肖刚,高飞,高济,张元鸣[9]（2007）在《基于HAB优化算法的图像语义目标对象提取研究》一文中研究指出提出了一种基于优化Adaboost算法(HAB优化算法)的半监督图像语义目标对象获取方法。在分析Adaboost算法评估函数不足的基础上,设计并实现HAB优化算法。对比实验结果表明,HAB优化算法在训练误差与抗干扰能力方面具有更好的性能。在此基础上,研究应用HAB优化算法的图像语义目标对象获取方法,从图像对象特征预处理、对象识别器训练、语义对象获取3个方面进行论述。通过实验分析,该方法具有良好的图像目标对象获取性能。(本文来源于《中国图象图形学报》期刊2007年08期）
高英,郭荷清,邹智敏[10]（2007）在《信息源中对象间精确语义相似性的提取方法》一文中研究指出为了从半结构化的信息源中提取本体和统一地分析和处理所有信息源,该文为数据源提供了一个统一的概念模型,并定义了半结构化信息源到概念模型的转换规则。基于该模型,提出了计算模式中对象间精确语义相似性的方法。(本文来源于《计算机工程》期刊2007年02期）
语义对象提取论文开题报告
（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：
山区居民地空间分布情况与山区农村人口变化、经济发展以及统筹规划具有较强的空间关系,同时也是山区地质灾害应急响应和评估的重要基础资料,因此及时掌握山区居民地分布情况对山区农村发展建设以及防灾抗灾救灾具有重要意义。然而我国地缘辽阔,山区地形复杂,居民地分布受多种因素的影响,且农村居民地较分散,其分布信息获取较困难。遥感技术的发展,尤其是高分辨率遥感技术的发展,为山区居民地的快速获取提供了可能。面向对象的图像分析方法因其分析单位由像元变为同质对象、分析过程模拟人大脑思维等特点,成为目前高分辨率遥感影像信息提取的主要研究手段。然而面向对象图像分析方法仍然存在分割尺度、特征选择等多种问题。再加上高分辨率遥感影像本身的复杂性以及地物本身的复杂性,使得面向对象的信息提取结果存在大量误分对象,以至于不能满足实际生产需要,尤其是大范围信息提取时。针对此问题,本文以高分一号(GF-1)数据为数据源,在面向对象的山区居民地提取的基础上,加入居民地的空间分布规律以及与其他地物的逻辑联系信息等地学专家知识,提出联合语义约束和面向对象的方法,用以提取山区居民地。具体研究工作主要包括以下内容：(1)基于面向对象的山区居民地提取。本文首先对面向对象的图像分析方法基本原理做了阐述,并针对其中最优分割尺度选择的问题,以内部方差变化率(ROC)为指标进行了影像分割尺度分析,作为最优分割尺度参考。由于山区居民地影响因素多,特征较难统一,所以本文对其光谱特征、几何特征、纹理特征做了系统分析,并与其他典型地物做了对比。实验结果表明,纹理特征相对统一,可作为山区居民地提取的主要典型特征。在此基础上,以覆盖康定县塔公乡地区的一景高分一号遥感影像为实验数据,进行了居民地提取,并分析提取结果中存在的问题。(2)基于语义约束的山区居民地提取。在山区这种特殊的地理环境中,居民地有着明显的分布规律。因此,本文首先分析了山区居民地的分布规律,在此基础上制定了山谷线语义约束条件、坡度语义约束条件、雪线语义约束条件,并详细阐述了制定语义约束条件时需要考虑的因素。最后将语义约束条件应用于康定县塔公乡实验中,对面向对象的提取结果做进一步处理,使得提取正确率相对于未使用语义约束的结果提高了1.2倍。实验结果表明,联合语义约束和面向对象的山区居民地提取方法能有效改善山区居民地提取效果,得到更符合实际的效果。(3)大范围山区居民地提取。视野的扩大必定导致获取信息的减少,范围的增加必定会造成针对局部的规则不能适用于其他区域,这使得高分辨率遥感影像大范围信息提取更加困难。针对此问题,本文提出应主要使用对象自身的特征以及全局特征来进行信息提取,其中,对象与对象之间的特征也应满足于全局。语义约束条件实质为地学专家知识,属于一种全局特征,因此本文将联合语义约束和面向对象的方法应用于大范围山区居民地提取实验中。实验以雅安市石棉县为研究区域,面积约3000 km2,实验数据为6景高分一号PMS数据拼接而成,提取结果正确率为82.06%,漏分率为6.02%。实验结果表明,本文所采用的方法在大区域居民地提取实验中得到了较好的效果,有效的屏蔽了高山云雪、山坡裸土、部分区域沙滩地等多种因素造成的居民地误分的情况,为大区域高分遥感影像居民地提取提供了方法参考。同时,论文也分析了大范围提取会受多景影像拼接、DEM精度,以及语义约束条件会变得更为复杂等方面的影响。通过理论论述以及实验研究表明,本文所提出的联合语义约束和面向对象的方法提取山区居民地能有效提取复杂山区居民地信息,排除大部分不合理的误分对象,提取结果符合实际,为高分遥感影像应用于实际生产提供了借鉴意义。同时,实验也表明,综合提取多种影像特征,包括多源数据,并与GIS相结合,加入地学专家知识,对特征“组合优化”,不同特征互为补充,有助于提高计算机自动解译精度。
（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。
语义对象提取论文参考文献
[1].周浩,王莉.融合语义与语法信息的中文评价对象提取[J].智能系统学报.2019
[2].林熙.联合语义约束和面向对象方法提取山区居民地信息[D].西南交通大学.2016
[3].孙超.基于对象提取的语义标注研究[D].中北大学.2013
[4].孙超,周海英.面向语义的图像中主要对象的提取方法[J].电视技术.2013
[5].孙小丹.基于语义相关的面向对象林地信息提取[J].福建林业科技.2009
[6].李春燕,杨树堂,陆松年.基于内容的多层次语义视频对象提取方法研究[J].信息技术.2008
[7].李春燕.基于内容的多层次语义视频对象提取技术研究[D].上海交通大学.2007
[8].杨树堂,汤志平.基于分水岭-隐马尔可夫模型联合的语义视频对象提取技术[J].计算机应用与软件.2007
[9].陈久军,肖刚,高飞,高济,张元鸣.基于HAB优化算法的图像语义目标对象提取研究[J].中国图象图形学报.2007
[10].高英,郭荷清,邹智敏.信息源中对象间精确语义相似性的提取方法[J].计算机工程.2007