导读:本文包含了上下文论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:上下文,目标,卷积,向量,稀疏,时空,算法。
上下文论文文献综述
赵俊齐,伍海龙,刘婕,刘朝荣[1]（2019）在《联合时空上下文和反稀疏模型的目标跟踪方法》一文中研究指出针对基于反稀疏表示跟踪方法存在的跟踪准确性不高的问题,提出了一种结合时空上下文和反稀疏表示的目标跟踪方法。首先,使用模板对目标进行表示,并利用粒子滤波的方法生成相应的候选目标。然后,利用时空上下文置信图的方法对候选目标进行优化。最终,再由选出的候选目标和目标模板利用反稀疏表示方法得到最终的跟踪结果。实验结果验证了论文方法在跟踪准确性方面的有效性。(本文来源于《计算机与数字工程》期刊2019年12期）
杨越,黄瑞章,魏琴,陈艳平,秦永彬[2]（2019）在《基于上下文语义的新闻人名纠错方法》一文中研究指出新闻文本中的人名纠错存在以下难点:1)人名中含有错误字段会影响甚至改变文本语义表达,故无法用传统命名实体识别方法识别句中人名;2)人名字段的特殊性极易产生重名或者歧义,使得误报率增加,并提升了人名纠错的难度。为此,本文提出了一种基于上下文语义的新闻人名纠错方法。该方法使用卷积神经网络提取文本语义信息,并使用词激活力模型计算文本中其他词语与人名字段的关联程度来捕捉并使用文本上下文语义信息。同时,针对文本中人名字段中含有错误而导致的识别效果低下的问题,使用人名实体边界识别算法提高对文本中疑似含有错误人名的识别提取效果。实验结果表明,该方法能够有效地识别文本中的人名并对其中的错误内容进行纠正。(本文来源于《电子科技大学学报》期刊2019年06期）
张尧,才华,曹露,王冰雪,陈广秋[3]（2019）在《基于字典学习改进的时空上下文算法》一文中研究指出针对强遮挡导致的跟踪目标失效问题,提出一种基于字典学习改进的时空上下文算法.先在目标和上下文区域构建前景字典和上下文字典,再利用稀疏解的特性,给提取目标特征更高的权重,并参与模板的更新,构造新的条件概率.实验结果表明,在出现严重遮挡的数据集中,时空上下文算法跟踪成功率为19.5%,改进算法成功率达94.5%,改进算法能在出现强遮挡情况下有效对抗遮挡问题,稳定跟踪.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
张作省[4]（2019）在《高分遥感视频改进型时空上下文目标跟踪》一文中研究指出针对时空上下文(STC)目标跟踪算法在高分辨率视频卫星影像中目标经过复杂背景时跟踪准确度过低的问题,提出适用于视频卫星影像数据的改进型时空上下文目标跟踪算法。算法结合感知哈希算法对STC目标跟踪算法中置信图模型加以改进以提升跟踪算法的目标定位精度,使用帧间学习率自适应更新方法以提升跟踪算法准确度。另外,对系列视频卫星影像进行了仿真实验,结果表明,所提算法在保证实时跟踪速度的同时克服了视频卫星影像中复杂背景对目标跟踪算法的干扰,实现了针对高分辨率视频卫星影像的精准目标跟踪。(本文来源于《机电信息》期刊2019年33期）
梁尔真,袁学群,夏磊[5]（2019）在《增强可靠自适应系统的上下文规范：数据挖掘方法》一文中研究指出背景:自适应系统有望通过实现其目标的多种策略以及将策略与实际环境匹配的逻辑来满足各种操作环境。在设计时对相关背景的预测对于可靠性是至关重要的。随着当前使用数据挖掘来支持需求工程过程的趋势,在设计时理解自适应系统的上下文的任务也可以从这些技术中受益。目标:目标是提供一种方法来改进上下文变量的规范及其与可靠性策略的关系。这种改进应检测这些变量之间的依赖关系,监控它们的优先级,并决定它们在决策树中选择正确策略的相关性。方法:除了感知信息的操作值之外,我们的需求驱动方法还采用上下文目标建模结构,以将上下文映射到系统的行为。我们提出了一种设计时分析过程,该过程使用数据挖掘算法的子集来提取相关上下文及其相关变量,任务和/或目标的列表。结果:我们通过实验评估了我们关于身体传感器网络系统(BSN)的建议,模拟了12个资源,这些资源可能导致4096种可能的背景条件的可变性空间。我们的方法能够引出微妙的背景,这将严重影响为辅助患者提供的服务和上下文之间的关系,协助他们的需求决策和监控的优先级。结论:使用一些数据挖掘技术可以减少缺乏对上下文的精确定义及其与系统可靠性策略的关系。我们的方法是实用的,并且支持传统的需求规范方法,这些方法通常需要强烈的人为干预。(本文来源于《科学技术创新》期刊2019年33期）
王瑞,李弼程,杜文倩[6]（2019）在《基于上下文词向量和主题模型的实体消歧方法》一文中研究指出传统词向量训练模型仅考虑词共现而未考虑词序,语义表达能力弱。此外,现有实体消歧方法没有考虑实体的局部特征。综合实体的全局特征和局部特征,该文提出一种基于上下文词向量和主题模型的实体消歧方法。首先,在传统词向量模型上增加上下文方向向量,用于表征语序,并利用该模型与主题模型训练主题词向量;其次,分别计算实体上下文相似度、基于实体上下文主题的类别主题相似度以及基于主题词向量的实体主题相似度;最后,融合叁种相似度,选择相似度最高的实体作为最终消歧实体。实验结果表明,相比于现有的主流消歧方法,新方法是有效的。(本文来源于《中文信息学报》期刊2019年11期）
凌艳,陈莹[7]（2019）在《多尺度上下文信息增强的显着目标检测全卷积网络》一文中研究指出针对目前基于深度学习的显着目标检测算法存在的目标完整性和区域平滑度的不足,基于非局部深度特征提出一种多尺度上下文信息增强的全卷积网络算法,包含多级别特征提取、多尺度上下文特征增强、对比度特征提取和局部-全局信息融合预测4个模块.首先从VGG16模型提取多级别局部特征,利用多尺度上下文实现特征信息增强;然后设计组合的损失函数进行网络训练以学习对比度特征;最后用局部-全局融合的方式实现显着图的预测.与已有算法在ECSSD,HKU-IS和DUT-OMRON数据集上进行实验的结果表明,该算法在复杂场景图像上的鲁棒性更好,对背景噪声具有更有效的抑制作用,得到的显着目标区域更加连续和完整.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
罗恒利,王文博,葛宏孔[8]（2019）在《基于上下文约束的人脸聚类算法》一文中研究指出人脸聚类将属于同一身份的人脸图片自动分到同一组,可用于人脸标注和图像管理等领域。传统的聚类算法的准确率很高,其召回率往往较低。为了解决这个问题,文中提出了一种加入叁角约束关系和上下文约束的聚类算法。该聚类算法基于条件随机场模型,结合叁角约束关系,同时考虑图像中常见的上下文约束,分别在聚类迭代过程和初步聚类之后添加最大相似度约束和共同出现约束,并对簇类进行整合。实验结果显示,结合上下文约束的条件随机场模型可以快速进行人脸聚类,同时还能保证在较高准确率的基础上有较高的召回率,从而提高整体的聚类效果。(本文来源于《计算机科学》期刊2019年S2期）
张玉环[9]（2019）在《抓“文眼”，联系上下文破解文意》一文中研究指出"能联系上下文理解词句的意思,体会课文中关键词句表达情意的作用"是第二学段阅读教学的主要任务。由于小学生年龄小,阅历有限,对生活的认识比较肤浅,加之抽象思维能力尚未充分发展,认识事物有较大的局限性,体会"关键词语表达情意的作用"是阅读教学中的一个难点。笔者以《鱼游到了纸上》为例,来探讨如何抓关键词联系上下文理解文意的训练方法。师:有些课文中,在开头、中间或结尾处有一些关键语句,其中的关键词我们称之为"文眼",文眼是文章的精神凝聚点。同学们能聚焦"举止(本文来源于《河北教育(教学版)》期刊2019年10期）
陈丁,万刚,李科[10]（2019）在《多层特征与上下文信息相结合的光学遥感影像目标检测》一文中研究指出目标检测是遥感影像分析的基础和关键。针对光学遥感影像中目标尺度多样、小目标居多、相似性及背景复杂等问题,本文提出一种将卷积神经网络(CNN)和混合波尔兹曼机(HRBM)相结合的遥感影像目标检测方法。首先设计细节—语义特征融合网络(D-SFN)提取卷积神经网络低层和高层融合特征,提升目标特征的判别力,特别是小目标;其次考虑上下文信息对目标检测的影响,结合上下文信息进一步加强目标表征的准确性,提升检测精度。在NWPU数据集上试验表明,本文方法能够显着提升目标检测精度且具有一定程度的稳健性。(本文来源于《测绘学报》期刊2019年10期）
上下文论文开题报告
（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：
新闻文本中的人名纠错存在以下难点:1)人名中含有错误字段会影响甚至改变文本语义表达,故无法用传统命名实体识别方法识别句中人名;2)人名字段的特殊性极易产生重名或者歧义,使得误报率增加,并提升了人名纠错的难度。为此,本文提出了一种基于上下文语义的新闻人名纠错方法。该方法使用卷积神经网络提取文本语义信息,并使用词激活力模型计算文本中其他词语与人名字段的关联程度来捕捉并使用文本上下文语义信息。同时,针对文本中人名字段中含有错误而导致的识别效果低下的问题,使用人名实体边界识别算法提高对文本中疑似含有错误人名的识别提取效果。实验结果表明,该方法能够有效地识别文本中的人名并对其中的错误内容进行纠正。
（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。
上下文论文参考文献
[1].赵俊齐,伍海龙,刘婕,刘朝荣.联合时空上下文和反稀疏模型的目标跟踪方法[J].计算机与数字工程.2019
[2].杨越,黄瑞章,魏琴,陈艳平,秦永彬.基于上下文语义的新闻人名纠错方法[J].电子科技大学学报.2019
[3].张尧,才华,曹露,王冰雪,陈广秋.基于字典学习改进的时空上下文算法[J].吉林大学学报(理学版).2019
[4].张作省.高分遥感视频改进型时空上下文目标跟踪[J].机电信息.2019
[5].梁尔真,袁学群,夏磊.增强可靠自适应系统的上下文规范：数据挖掘方法[J].科学技术创新.2019
[6].王瑞,李弼程,杜文倩.基于上下文词向量和主题模型的实体消歧方法[J].中文信息学报.2019
[7].凌艳,陈莹.多尺度上下文信息增强的显着目标检测全卷积网络[J].计算机辅助设计与图形学学报.2019
[8].罗恒利,王文博,葛宏孔.基于上下文约束的人脸聚类算法[J].计算机科学.2019
[9].张玉环.抓“文眼”，联系上下文破解文意[J].河北教育(教学版).2019
[10].陈丁,万刚,李科.多层特征与上下文信息相结合的光学遥感影像目标检测[J].测绘学报.2019
论文知识图
