一、通用语义原理解析及其应用研究(论文文献综述)
张翼腾[1](2021)在《基于图像的城区场景三维重建方法研究》文中指出城区场景三维模型作为一种现实世界的虚拟数字表示,不仅提供了对城区建筑物三维几何形态与空间分布的直观描述,还反映了城区场景的细节结构,对现代数字城市的构建有重要意义。近年来,对三维数字城市资源的需求不断增长,但城区三维数字模型的传统获取方法仍依赖于复杂的手工采集过程,无法满足众多现实应用对三维数字模型即时获取的需要。随着计算机视觉技术的进步,基于图像的城区场景重建方法得到了长足的发展,为城区场景重建提供了新的技术手段。基于图像的城区场景重建的目标是从二维城区场景图像中恢复城区场景的三维结构,能够高效支持三维城区模型的获取。然而,由于城区场景建筑形态的多样性、立面结构的复杂性以及图像中物体间的频繁遮挡,从复杂城区场景图像中恢复合理而真实的三维结构仍是极具挑战性的问题。本文立足于城区场景重建过程中的整体与细节结构恢复问题,重点对城区场景数字表面模型预测与城区建筑立面解析这两个关键问题进行研究,具体如下:(1)设计了一种基于数字表面模型(DSM)预测的城区场景重建架构,结合DSM预测、建筑物掩模提取、建筑物轮廓提取等技术对城区场景进行重建。DSM预测是本文重建架构的重点部分,本文基于编码器-解码器框架,提出了一种多路特征融合网络,以对称的网路结构将多尺度特征递归地细化与融合,产生结构合理且富含几何细节的DSM预测结果。通过在三个公开数据集上的对比分析,验证了所提方法较好地保持了场景结构性信息,并能够产生高分辨率的高质量DSM预测结果。(2)提出了一种基于建筑立面元素排布上下文的立面解析网络。与现有基于语义分割的立面解析网络不同,本文将立面元素表达为规则的参数化包围框,基于目标检测框架对立面进行解析,能够对立面元素相互交叠或嵌套的区域进行合理表达,更好地支持建筑立面的程序化重建。在此基础上,充分利用立面元素排布的规整性与外观的相似性,设计了一种元素排布上下文模块,沿着行与列方向聚合空间上下文信息,将建筑立面元素的排布规则嵌入深度神经网络中对解析过程进行指导,有效提升了在复杂光照与遮挡环境中建筑立面解析的准确性。
黄茜[2](2021)在《基于深度学习的人体解析》文中研究表明在计算机视觉领域,理解人物目标是关键且具有挑战性的一个话题,而人体解析是实现这一目标的任务之一。人体解析是语义分割的子任务。人体解析是一个密集预测的任务,其目标是定位人体所在区域,并进一步将其划分成多个语义区域。近期,人体解析被广泛应用于其他分析人物目标的任务中,例如行人再识别、姿态估计、人体图片生成等。现有的基于深度学习的方法可以归纳总结为:基于特征增强、基于人体结构、基于多任务学习、基于生成对抗网络。其中,基于多任务学习的方法表现较为突出,因此,本文在此基础上做了进一步地探索。本文提出了以下两种方法来解决人体解析这一任务:(1)我们提出通过显着性检测处理单个人体解析的方法。现有的方法通常尝试采用边缘、姿态关键点信息来探索信息融合。然而,多种具有不同优化目标的任务在同一网络中训练,固然具有一定的不兼容性。为了克服这一问题,我们考虑采用具有更紧密的任务关联的显着性检测来进行探索,并提出了注意力机制引导的渐进式划分网络。在该网络中,注意力模块被设计用于提炼空间维度的全局信息,并融合多层级的注意力权重。同时,为采集适当感受野的多尺度特征,结构中也设计了一个特征提取模块。大量实验表明,这一方法超越了其他利用额外域信息增强和基于注意力机制的方法。(2)我们提出通过边缘检测增强人体解析的方法。从损失函数规划这一角度出发,除网络最后输出的损失外,大多数方法尝试探索增加其他损失项来增强解析结果,而这种做法较难通过调整损失比例来达到训练的平衡。因此,我们提出了一个边缘增强模块,着重于探索边缘信息和其损失项的潜力。同时,局部和全局信息通过密集连接的空间空洞卷积池化金字塔结构来提取。最终,构建了一个针对人体解析的边缘增强网络。经过大量实验,这一方法在LIP和CIHP数据集上实现了最好的数据结果,mIoU分别为56.55%、62.60%。
覃桂双[3](2020)在《基于LDA模型的财经主题建模与演化研究》文中进行了进一步梳理相比于传统的财经统计数据,财经文本中的信息能够有效体现微观层面的经济生态,覆盖全部经济生活及相关领域,同时具有更强的时效性。当前财经文本挖掘被广泛应用于各种经济领域,如股票价格预测、经济不确定性度量以及经济周期预测等。准确进行财经主题建模,并保证模型的时效性,是对财经统计数据的一种有效补充,对于促进经济领域中的预测市场波动和趋势、抑制通货膨胀、改善投资策略等都至关重要同时大有裨益。然而传统的主题建模技术存在非动态、稀疏性、噪声性、计算复杂度高、演化分析维度单一等问题,因此采用传统方法难以准确识别财经文本的主题以及有效分析财经主题的动态演化规律。LDA模型可以识别大量文本集中的主题,提高计算精度同时降低复杂度,包含时间变量的主题模型,能够跟踪文本流中的主题变动,有效辨识财经主题模型的动态性规律。然而,由于当前关于主题模型的研究依然存在以下不足:对时间进行切分导致不同时间片间的主题间断、对语料的研究仅关注稀疏性而忽略噪声性、未能系统地研究主题演化情况等,导致主题建模及演化分析效果不佳。针对以上问题,本文在对LDA模型深入研究的基础上,考虑时间因素,基于滑动窗口技术(sliding-window technique),引入财经主题遗传因子(genetic factor of financial topic)和通用财经主题(common financial topic),提出一种SGCLDA财经主题模型和一种多维财经主题演化分析模型,分别用于识别和分析财经文本的主题及演化规律。本文研究工作包括:(1)设计财经主题建模框架,在LDA模型的基础上,结合等时间切分和等文本数量划分两种方法对文本语料进行切分,引入财经主题遗传因子保持不同时间片间主题连续性,定义用于捕获通用语义和噪声干扰词的通用财经主题,从而构建SGC-LDA模型,并基于该模型进行财经主题建模。(2)在对财经主题演化关系分析的基础上,结合财经主题强度、财经主题状态和财经主题路径三个维度构建多维财经主题演化模型,并设计财经主题的演化分析流程,从而进行财经主题的演化分析。(3)将SGC-LDA模型应用到财经主题建模中,运用财经文本进行实证分析,验证SGC-LDA模型的优越性。进而结合定性方式和定量方式证实本文演化模型的有效性并分析财经主题演化特点规律。
汪诚愚[4](2020)在《面向中文短文本的关系抽取算法设计》文中研究指明海量互联网数据的异构、多源和异质等问题使得高效、精准的知识获取成为巨大的挑战。关系抽取是自然语言处理中的一项基础性任务,从无结构化的文本数据中自动获取结构化的关系型事实,为大规模知识图谱的构建和互联网智能知识服务提供支持。随着深度学习技术的广泛应用,神经关系抽取模型的精度获得了很大提升。然而,现有的主流研究一般关注英语语言的、句子级别的关系抽取。与英语不同,中文表述灵活多变,语法和构词规则相对不固定,大量语义知识蕴含在中文短文本中,通常很难被现有算法有效抽取。本文主要研究面向中文短文本的关系抽取问题。由于中文短文本独特的语言学特征,其关系抽取任务与传统工作相比具有诸多挑战。短文本的语法结构和语义一般不完整,部分短文本蕴含的语义关系属于常识性知识,关系表述的上下文高度稀疏。与英语相比,中文基础自然语言分析较低的准确度,以及短文本关系抽取标注数据集的缺乏也增大了这一问题的难度。本文分别从基于词嵌入的上下位关系抽取、知识增强的语义关系抽取、以及非上下位关系抽取与语义理解等三个方面进行深入研究,设计了面向中文短文本的关系抽取框架,较好地解决了上述挑战。本文的主要工作和贡献概述如下:(1)基于词嵌入的上下位关系抽取:分类体系是知识图谱中概念的层次化表示和重要组织形式,由大量上下位关系构成。与英语相比,由于中文语言表述高度灵活,中文上下位关系抽取不能简单采用文本匹配算法来实现。本文结合神经语言模型和中文语言学特性,采用词嵌入作为中文术语的特征表示,建模中文上下位关系在词嵌入空间的表示,即学习中文下位词在词嵌入空间中投影到对应上位词的过程。本文首先提出了半监督式上下位关系扩展模型,即迭代地从互联网数据中发现新的上下位关系元组,解决了中文上下位关系数据集大小有限的问题。为了精确建模中文上下位关系与非上下位关系分类的决策边界,我们进一步提出基于转导学习和模糊正交投影学习的两个上下位关系分类模型。实验效果表明,提出的模型在精度上超过了现有最佳方法,有效实现中文上下位关系抽取。(2)知识增强的语义关系抽取:上述基于词嵌入的上下位关系抽取模型依赖于特定领域的训练集,对其他类别的数据源和相关任务没有加以良好运用。本文以词嵌入投影模型为基础,探索知识增强的语义关系抽取算法,从多知识源、多语言、多词汇关系三个角度,抽取多种类型的语义关系。首先,由于大规模分类体系中含有大量上下位关系,本文提出分类体系增强的对抗学习框架,利用双重深度对抗学习机制,将互联网中的海量上下位关系知识融入基于特定训练集的词嵌入投影神经网络中。其次,本文扩展了模糊正交投影模型,分别提出了迁移模糊正交投影模型和其扩展版本迭代迁移模糊正交投影模型,结合了深度迁移学习和双语术语对齐技术,在小样本学习场景下,实现了面向小语种的跨语言上下位关系抽取。最后,由于知识本体中一般包含多种类别的词汇关系,本文提出超球关系嵌入模型,对多种类别的词汇关系分别进行语义建模,学习其超球嵌入表示,使投影模型可以对多种词汇关系进行分类。相应自然语言处理任务的实验效果证明了这三种模型的有效性。(3)非上下位关系抽取与语义理解:中文短文本中通常具有类别繁多的非上下位关系,前述模型预测的关系类别由人工定义,难以扩展至开放领域,而且缺乏常识性关系检测和深度关系理解的能力。在这一部分研究中,首先提出基于模式的非上下位关系抽取算法,它采用图挖掘技术,从中文短文本中挖掘出表达丰富语义关系的频繁语言模式,无监督地抽取出与这些模式相对应的非上下位关系三元组。由于上述方法只能抽取出频繁模式对应关系,本文进一步提出数据驱动的非上下位关系抽取算法,它采用三阶段的数据驱动架构,实现从中文短文本的切分到关系生成的完整流程,提升关系抽取的覆盖率。最后,我们观察到,基于习语性分析的语义理解技术可以从中文短文本中推导出更多关系,实现深度知识推理。本文据此提出了关系性与组合性表示学习框架,对中文复合名词的习语性程度进行分类,并且探究这一算法对自然语言理解的提升作用。实验结果表明,上述算法在面向中文短文本的关系抽取中,不局限于人工定义关系类别,可以在多个领域准确地抽取出多种非上下位关系。综上所述,本文从三个方面解决从中文短文本中抽取语义关系的问题,在多个自然语言处理任务相关的公开数据集上进行实验,实验结果证明了提出方法的有效性。本文的研究工作也为实现面向互联网海量中文短文本的关系自动抽取和语义理解系统提供技术基础,在尽可能减少人工干预的情况下,充分挖掘短文本中蕴含的知识,从而对现有大规模中文知识图谱系统进行扩展和补全。
黄至行[5](2020)在《面向程序合成问题的通用语义线性遗传编程算法》文中指出程序合成是根据用户需求及领域特定语言,求解一段程序以满足用户需求的优化问题。它目前已在软件开发与维护,工业程序设计,和知识发现等各种实际场景中被广泛应用。现有的程序合成方法仍存在高度依赖专家知识,成功率低,或解决方案难以解释等局限性。因此,本文提出了一种语义线性遗传编程算法来缓解这些问题。本文的主要工作如下:一、首先,本文设计了一种泛化的线性遗传编程染色体编码方式来对程序进行编码。泛化的线性遗传编程染色体编码方式的主要创新在于使用更深的解析树对指令进行编码,而不是现有的3寄存器机器语言。这种线性染色体编码方法还结合了程序的过程性语义输出作为程序的语义上下文。二、为了提高算法性能,本文提出了一种通用的语义进化机制(包括频率开关,语义感知器,插入和分割传递以及进化语义库维护),用于理解和利用语义,并发现指令,从而在降低对专家知识依赖的同时提高搜索效率与解的可解释性。三、为了验证所提出方法的性能,本文设计了一个程序合成问题的基准问题集。该基准问题集涵盖了四类程序合成问题以验证所提算法的通用性。基于该基准问题集,本文进行了成功率比较,学习速率比较,和解释性分析等一系列实验。实验结果表明,本文提出的方法成功克服了上述的缺点,在各种应用中具有较高的成功率,而且所提方法产生的解决方案也具有更好的可解释性。
郭江涛[6](2020)在《基于深度学习的盐体语义分割算法研究》文中提出地震图像分析在工业应用中起着至关重要的作用,并受到了广泛的关注。地震图像分析面临的主要挑战之一是检测地下的盐体结构,这对于识别油气储藏和规划钻探路径至关重要。当前,传统的地震图像分析仍然需要专业人员来分析盐体。卷积神经网络已成功应用于许多领域,并在地震成像领域进行了多次尝试。盐体的数据特征与自然图像不同。例如,盐体的形状是不确定的,并且没有形状的先验知识;地质数据的纹理更加突出等等。因此,一般的语义分割网络在盐体数据上表现不佳。针对盐体数据的这些特性,本文设计了一种深度监督的语义分割模型,并通过边缘预测分支对分割结果进行了优化。本文主要研究内容如下:首先,针对盐体数据不定形的问题,设计了一种多任务深度监督的盐体语义分割方法,通过构建分类,分割多路径的协同优化模型,实现了对盐体数据的有效分割,提高了分割结果的准确性。其次,针对小目标难以准确分割的问题,设计了一个边缘预测分支来预测盐体的边界,它通过对边界损失的监督来指导特征学习,从而使网络可以更加明确地区分盐体语义边界两侧的特征,有效提升了盐体边界分割的准确性,进而提升对小目标的分割性能,最终提升盐体分割的整体性能。最后,针对盐体数据分辨率有限且数据量不足的特点,将盐体分割模型解码器中不同分辨率的特征谱全部加以利用,通过语义分割损失函数进行监督,提高了解码器特征的利用效率。此外,通过将边缘预测分支的特征与分割分支的特征加以融合,提高了特征的表达能力,有效提高了盐体分割的性能。实验证明本文算法通过多任务深度监督方法有效提高了整体分割性能,边缘预测分支的引入有效提升了小目标的分割准确度,同时多尺度监督的盐体分割方法与边界特征的融合有效提高了盐体分割的性能。
戴茹冰[7](2020)在《汉语抽象语义表示体系、资源构建及其应用研究》文中认为语义表示作为自然语言处理的重难点,一直是学界研究的热点问题。面对语言计算从句法向语义层面转型的大趋势,现有的语言资源包括概念语义、框架语义和情境语义方面都有不同程度的发展,将多层次多类型的语义资源融合,构建一个深层语义表示的语言知识库成为现阶段亟待解决的问题之一。目前对于语义表示的研究不论是从语言理论还是自动分析领域,研究方向都逐渐从句法走向了语义,句法结构的表示方法也由最初树形(tree)结构,到非投影树(non-project tree)结构,再到初步尝试和应用图(graph)结构,经历了由树到图的发展进程。而抽象语义表示AMR(Abstract Meaning Representation,AMR)作为一种全新的语义表示方法,将句子的语义抽象为一个单根有向无环图。这种抽象语义表示方法将句法和语义信息相结合,以图结构来表示语义,揭示树结构所无法表征的论元共享现象,给句子语义以更加清晰的表达。然而句子中的词语和AMR图的概念对齐信息缺失,一定程度上影响自动分析效果和语料标注质量,同时中文还未有较大规模的AMR语料库。本文借鉴英文AMR语义表示理念,结合汉语自身特点并融合概念对齐信息,提出一套适用于汉语的句法语义一体化的表示方法,即概念对齐汉语抽象语义表示CA-CAMR(Concept-to-word Alignment Chinese Abstract Meaning Representation,CA-CAMR)体系。具体内容包括以图结构处理论元共享问题,融合句子词语到AMR图的概念对齐信息以提升语义表示能力,并在CA-CAMR标注体系中规定汉语特殊结构及复句关系标注方法。通过英汉AMR在语义表示的对比,总结CA-CAMR对AMR的继承及在此基础上的发展,证明本文提出的CA-CAMR表示体系在描写汉语语义的优势,并且融合概念对齐信息对于语言学研究和自动分析算法设计都具有一定价值。CA-CAMR表示体系的建立为进一步开展概念对齐的汉语抽象语义表示语料库奠定基础。在此基础上,本文进行了CA-CAMR语料库构建。以CA-CAMR标注规范为指导,采用人机结合的语料库标注方式,通过CAMR语料标注平台CAMR Anno Kit构建汉语抽象语义标注语料库。CA-CAMR语料库目前包含来自《小王子》、宾州中文树库CTB8.0(the Penn Chinese Treebank,CTB)的网络媒体语料和小学语文教材(人教版)共20149句语料。本文详细展示语料标注情况,针对试标语料的不一致现象给出消解策略,并对语料库数据进行系统地统计与分析,包括图结构、论元共享现象及汉语特殊句法结构的标注情况。统计结果表明所标CA-CAMR语料库达到一定规模,并在深层语义表示及特殊句法结构上具有优势,实现句法语义一体化标注,可以为相关研究提供语料资源支持。最后探索构建CA-CAMR表示体系及语料库在语言本体及自然语言处理两个方面的应用价值。省略是汉语中常见的语言现象,在传统的句法语义表示方式中,含有省略信息的语言结构往往被忽视。本文利用CA-CAMR语料库考察汉语语义省略结构在大规模真实文本中的分布情况,大致描写出汉语省略现象的概貌。然后以省略现象中所占比例最高(47.3%)的省略“的”字结构为研究对象,构建一套自动识别与自动补全省略中心语的实验方案,实验结果表明该方法能够在CA-CAMR语料中有效识别及补全省略的“的”字结构,证明CACAMR表示体系及语料库对汉语深层语义关系表达的研究价值。
雷连心[8](2020)在《基于深度特征提取的中文文本分类算法研究》文中研究说明现如今文本数量与日俱增,对文本进行正确的分类有助于理解文本内容以及开展后续的工作。文本分类有众多的应用前景,如垃圾邮件识别,实时新闻分类,情感分析等,因此其得到了学者们的广泛关注与研究。然而,中文文本语义丰富且隐晦,中文文本分类的数据集语料质量较低,而且多标签分类存在标签数量不固定,标签之间的相关性多样等问题,上述因素使得中文文本分类成为一项极具挑战性的任务。本文针对中文文本多分类和多标签分类任务的特征提取问题进行了深入的研究。对于中文文本多分类任务,本文提出两种基于深度特征提取与融合的中文文本多分类算法。其次,对于中文文本多标签分类任务,本文设计并提出一种基于序列生成的中文文本多标签分类算法。总的来说,本文研究的主要内容包括以下几点:1.基于层次化语义信息特征提取的中文文本多分类算法:针对基于神经网络的中文文本多分类算法未对文本进行结构化建模,以及其特征提取能力不足的问题,本文就短文本和长文本分别提出了基于词-文本和词-句-文本层次化语义信息特征提取的中文文本多分类算法,同时引入注意力机制区分不同特征向量的重要性。最终,该算法在多个中文文本多分类公开数据集上取得了优越的性能效果。2.基于多元语义信息特征融合的中文文本多分类算法:针对长短时记忆网络处理序列长度有限以及特定语境语义信息存在缺失的问题,本文提出基于语义信息特征融合的中文文本多分类算法。该方法不仅采用转换单元双向编码表示作为特定语义信息特征提取器,而且基于词向量采用循环卷积神经网络提取了丰富的通用语义特征,有效的解决了序列长度过长带来的特征取问题,同时统一了长短文本的分类算法。本文在多个中文文本多分类数据集上进行了对比实验,实验结果充分证明了算法的有效性3.基于序列生成的中文文本多标签分类算法:针对现有文本多标签分类算法语义信息特征提取不足,且无法较好地建模标签之间关系的问题,本文提出基于序列生成的中文文本多标签分类算法。该方法采用转换单元双向编码表示作为文本语义信息特征的编码器,同时采用长短时记忆网络作为解码器,通过序列生成的方式得到标签组,并引入重复思考的机制,让该网络能够自主的对生成的标签组进行思考过滤,有效地增强了算法鲁棒性。本文也在多个中文文本多标签分类数据集上进行了对比实验,测试结果均达到该领域领先的水平。
宋思蒙[9](2019)在《信息物理融合生产系统辅助开发与仿真平台》文中研究表明信息物理融合生产系统(CPPS)是信息物理融合系统(CPS)在制造行业内的实际应用,是实现工业4.0的基础。信息物理融合技术赋予生产系统内节点智能特性,使能制造资源能够以服务的方式存在、共享和调用。CPPS的运行体现为实时任务驱动下以生产业务流程为核心的各种服务化制造资源的组合配置与动态运行。CPPS系统的设计是根据业务逻辑对CPS环境下服务化的制造资源进行整合,定义系统行为。在CPPS系统设计过程中需要解决两大问题即系统内节点的行为模型构建和行为模型信息物理融合的实现。CPPS的设计过程具有复杂性,不仅需要在设计过程中对CPPS的自适应、可重构、互操作功能进行建模和验证,还需要在运行阶段支持系统的扩展、重构和管控。当前,制约CPPS发展的一个重要因素是缺乏一个CPPS设计和管理一体化方法学和模型支持。系统的建模和仿真是设计复杂系统的一种重要方法,能够帮助系统设计人员理解、描述系统,并对系统的功能进行验证。论文综合应用面向对象、系统建模和仿真、系统组态等思想和技术,针对CPPS设计过程中需要解决的两大问题,提出并研发面向CPPS系统设计、运行的信息物理融合生产系统辅助开发与仿真平台(CPPS-ADSP)。首先,通过分析CPPS-ADSP的应用场景,提炼出CPPS-ADSP的功能和特征,并提出系统的参考框架、运行机制和网络物理环境;在此基础上,针对CPPS的设计和建模问题,提出一种融合多智能体架构和扩展Petri网OTCKPN的混合建模方法,通过预定义的系统模型库构建系统内CPS节点的协商行为模型和生产行为模型,支撑CPPS的自适应和可重构特性;在实现CPPS系统建模的基础上,提出一种基于面向服务架构的信息物理融合方法,定义系统中服务的类型和面向服务架构的运行机制。通过建立CPPS-ADSP和物理设备层、信息资源层之间的互操作机制,实现CPPS和异构设备、系统之间的互联互通;最后,基于本文的研究成果,采用基于平台的设计方法,开发CPPS-ADSP原型系统,并结合实际生产场景,对CPPS-ADSP进行了验证试验,结果表明CPPS-ADSP能够有效支撑CPPS的开发和验证。
铁钟[10](2019)在《文化遗产信息模型的虚拟修复研究》文中指出信息技术的发展改变了文化遗产诠释与展示的模式,文化遗产数字化保护及其理论研究逐渐成为具有跨学科与综合性特征的研究方向。随着对文化遗产信息模型与三维可视化的研究逐渐深入,沉浸式与交互式的三维可视化设计改变了受众感知与汲取历史信息的方式。由于可视化内容无法评估来源和引用参考文献,使得大多数信息模型被认为是一种技术工具,而不是作为一种标准的档案文件为相关研究提供佐证,作为新兴的研究领域需要逐步地建立自身的科学性与规范性。本文在文化遗产信息模型研究的基础之上提出虚拟修复理论,将可视化内容作为开放的数据链接与定制的领域本体,通过感知模拟、定位跟踪、三维打印、逆向建模与虚拟现实等技术手段,建立跨学科的交互性研究框架,解决文化遗产多元化带来的数据异构性问题,最终建立虚拟修复的三维可视化研究方法与原则。研究首先从现代文化遗产保护发展史切入,对现行保护原则进行了分析,从历史文化价值认知的角度提出了虚拟修复研究的必要性;其次数字技术的思维模式不同于人类的思维模式,计算的过程忽略了情感和精神的价值,但价值理性的实现,必须以工具理性为前提。这就需要在全面的文献和实证基础之上,对虚拟修复的技术思维模式进行内容判断与自我审视。针对于三维可视化数据的异构性等研究难点,依据数据的采集方法与文献特征,提出了信息模型虚拟修复的可视化解决方案。将计算机科学的工具引入人文研究的过程中,因可视化内容不可控的主观特性,需要将其放在持续的批评理论体系中,批评应该先于可视化的产生,而不是事后证明的手段;最后,基于虚拟修复的信息模型构建,对信息建模的本体与语义进行了深入的研究,并对与之相关的解释性、整体性和交互性等问题进行了逐一分析并加以解决。通过交互元数据的引入,加强虚拟修复的透明度,并将这种虚拟修复的理论体系在敦煌数字化展示设计项目中加以实践。为了保护日益受到威胁的文化遗产,三维可视化作为一种开放性、交互性和系统性的知识体系框架,逐渐纳入文化遗产保护项目管理与长期保护的机制中。同时虚拟修复也被视作一种交互性的解读行为,一种明确的内省方法,帮助我们更好地理解文化遗产的文化与历史价值,从而推动文化遗产原真性与整体性保护的发展。
二、通用语义原理解析及其应用研究(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、通用语义原理解析及其应用研究(论文提纲范文)
(1)基于图像的城区场景三维重建方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景与研究意义 |
1.2 本文的工作与主要贡献 |
1.3 本文的组织架构 |
第2章 相关工作 |
2.1 基于图像的城区场景点云模型重建 |
2.2 基于图像的城区建筑物参数化重建 |
2.3 城区建筑物提取 |
2.4 城区建筑物立面解析与重建 |
2.5 小结 |
第3章 基于数字表面模型预测的城区场景重建 |
3.1 概述 |
3.2 基于DSM预测的重建架构 |
3.3 基于多路特征融合网络的高分辨率DSM预测 |
3.3.1 网络结构概览 |
3.3.2 多路特征细化模块 |
3.3.3 多路特征融合模块 |
3.3.4 损失函数 |
3.4 建筑物轮廓提取与区块模型构建 |
3.5 小结 |
第4章 基于元素排布上下文网络的建筑立面解析 |
4.1 概述 |
4.2 立面解析结果的表达 |
4.3 元素排布上下文网络 |
4.3.1 网络结构概览 |
4.3.2 元素排布上下文模块 |
4.3.3 检测器头部 |
4.3.4 损失函数 |
4.4 小结 |
第5章 实验结果与分析 |
5.1 基于DSM预测的城区场景重建 |
5.1.1 数据集与评价指标 |
5.1.2 实现细节 |
5.1.3 实验结果与分析 |
5.2 基于元素排布上下文网络的立面解析 |
5.2.1 数据集与评价指标 |
5.2.2 实现细节 |
5.2.3 实验结果与分析 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(2)基于深度学习的人体解析(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 人体解析的国内外研究历史与现状 |
1.2.1 基于特征增强 |
1.2.2 基于人体结构 |
1.2.3 基于多任务学习 |
1.2.4 基于生成对抗网络 |
1.2.5 实例人体解析 |
1.3 本文的主要贡献与创新 |
1.4 本论文的结构安排 |
第二章 人体解析基础技术 |
2.1 深度学习基础 |
2.1.1 卷积神经网络 |
2.1.2 ResNet |
2.2 语义分割 |
2.2.1 深度学习处理方法 |
2.2.2 关键技术 |
2.3 多任务学习 |
2.3.1 多任务学习架构 |
2.3.2 多任务学习优化策略 |
2.4 实验 |
2.4.1 数据集 |
2.4.2 评价标准 |
2.5 本章小结 |
第三章 注意力机制引导的渐进式划分网络 |
3.1 引言 |
3.2 注意力机制 |
3.3 方法框架 |
3.3.1 特征抽取模块 |
3.3.2 注意力模块 |
3.3.3 损失函数 |
3.4 实验 |
3.4.1 实现细节 |
3.4.2 实验结果对比 |
3.4.3 消融实验 |
3.4.4 可视化实验结果 |
3.4.5 实验总结与分析 |
3.5 本章小结 |
第四章 基于边缘检测增强多分类的人体解析 |
4.1 引言 |
4.2 边缘检测 |
4.3 方法框架 |
4.3.1 人体解析模块 |
4.3.2 边缘增强模块 |
4.3.3 损失函数 |
4.4 实验 |
4.4.1 实现细节 |
4.4.2 实验结果对比 |
4.4.3 消融实验 |
4.4.4 可视化实验结果 |
4.4.5 实验总结与分析 |
4.5 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读专业硕士学位期间取得的成果 |
(3)基于LDA模型的财经主题建模与演化研究(论文提纲范文)
中文摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及目的 |
1.2 国内外研究现状 |
1.2.1 文本挖掘技术研究 |
1.2.2 主题模型及主题演化研究 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
第2章 相关理论基础 |
2.1 财经文本信息挖掘的应用 |
2.1.1 股票价格预测 |
2.1.2 经济不确定性度量 |
2.1.3 经济周期预测 |
2.2 财经主题建模及演化分析基本框架 |
2.2.1 财经文本数据获取和财经主题模型表示 |
2.2.2 财经主题建模的方法 |
2.2.3 财经主题模型的更新及演化分析 |
2.3 LDA模型 |
2.3.1 模型基本原理 |
2.3.2 参数估计和求解 |
2.3.3 Gibbs抽样 |
第3章 基于SGC-LDA模型的财经主题建模 |
3.1 财经主题建模框架 |
3.2 财经文本获取及预处理 |
3.2.1 数据采集 |
3.2.2 数据预处理 |
3.3 财经主题模型的表示 |
3.4 基于SGC-LDA模型的财经主题建模 |
3.4.1 基于通用财经主题的文本噪声过滤建模 |
3.4.2 引入财经主题遗传因子 |
3.4.3 财经主题建模 |
3.5 财经主题描述 |
3.6 实验及结果分析 |
3.6.1 实验数据集及预处理 |
3.6.2 对比基准模型及模型评价指标 |
3.6.3 财经主题建模过程与结果分析 |
第4章 财经主题演化分析 |
4.1 财经主题演化分析框架 |
4.2 财经主题演化关系分析 |
4.3 多维财经主题演化分析建模 |
4.3.1 财经主题强度维度 |
4.3.2 财经主题状态维度 |
4.3.3 财经主题路径维度 |
4.4 财经主题演化分析流程 |
4.5 实验及结果分析 |
4.5.1 多维财经主题演化分析 |
4.5.2 演化结果评价方法 |
第5章 总结与展望 |
5.1 全文总结 |
5.1.1 主要内容 |
5.1.2 主要创新点 |
5.2 研究展望 |
致谢 |
参考文献 |
攻读学位期间获得与学位论文相关的科研成果目录 |
(4)面向中文短文本的关系抽取算法设计(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 知识图谱 |
1.1.2 分类体系与上下位关系抽取 |
1.1.3 通用语义关系抽取 |
1.2 面临的挑战 |
1.3 整体研究内容与研究思路 |
1.4 研究意义 |
1.5 主要贡献 |
1.6 章节安排 |
第二章 基于词嵌入的上下位关系抽取 |
2.1 引言 |
2.2 相关工作 |
2.2.1 基于模式匹配的上下位关系抽取 |
2.2.2 分布式上下位关系预测 |
2.2.3 讨论 |
2.3 半监督式上下位关系扩展模型 |
2.3.1 算法模型 |
2.3.2 实验分析 |
2.4 基于转导学习的上下位关系分类模型 |
2.4.1 算法模型 |
2.4.2 实验分析 |
2.5 基于模糊正交投影的上下位关系分类模型 |
2.5.1 算法模型 |
2.5.2 实验分析 |
2.6 小结 |
第三章 知识增强的语义关系抽取 |
3.1 引言 |
3.2 相关工作 |
3.2.1 对抗学习在NLP的应用 |
3.2.2 跨语言迁移学习在NLP的应用 |
3.2.3 词汇关系分类 |
3.3 基于对抗学习的跨知识源上下位关系融合 |
3.3.1 算法模型 |
3.3.2 实验分析 |
3.4 基于迁移学习的跨语言上下位关系抽取 |
3.4.1 算法模型 |
3.4.2 实验分析 |
3.5 基于超球学习的词汇关系分类 |
3.5.1 算法模型 |
3.5.2 实验分析 |
3.6 小结 |
第四章 非上下位关系抽取与语义理解 |
4.1 引言 |
4.2 相关工作 |
4.2.1 基于短文本的关系抽取 |
4.2.2 常识性关系抽取 |
4.2.3 名词短语的习语性分析 |
4.3 基于模式挖掘的非上下位关系抽取 |
4.3.1 算法模型 |
4.3.2 实验分析 |
4.4 数据驱动的非上下位关系抽取 |
4.4.1 算法模型 |
4.4.2 实验分析 |
4.5 中文短文本的语义理解 |
4.5.1 习语性分类问题 |
4.5.2 算法模型 |
4.5.3 实验分析 |
4.5.4 应用研究 |
4.6 小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 未来工作展望 |
参考文献 |
附录 |
致谢 |
简历 |
攻读博士学位期间发表的学术论文和科研情况 |
(5)面向程序合成问题的通用语义线性遗传编程算法(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 程序合成简介 |
1.2 程序合成的应用简介 |
1.3 程序合成的特征与挑战 |
1.4 本研究的主要工作及贡献 |
1.5 本文组织结构 |
第二章 相关研究背景 |
2.1 遗传编程算法简介 |
2.2 语义误差传播遗传编程算法简介 |
2.3 国内外程序合成领域的研究现状 |
2.3.1 程序合成中的搜索技术 |
2.3.2 程序合成中的语义遗传编程算法 |
2.4 可行性论证 |
2.5 本章小结 |
第三章 语义线性遗传编程算法 |
3.1 染色体编码机制 |
3.2 SLGP算法框架 |
3.3 频率开关 |
3.4 语义感知器 |
3.5 插入与分割传递 |
3.6 进化语义库维护 |
3.7 本章小结 |
第四章 实验及分析 |
4.1 实验设置 |
4.2 成功率对比 |
4.3 可解释性对比 |
4.4 组件分析 |
4.5 为什么SLGP表现的更好 |
4.6 本章小结 |
总结 |
1.本研究相关议题 |
2.未来研究方向 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(6)基于深度学习的盐体语义分割算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的研究背景与意义 |
1.2 盐体分割的国内外研究现状 |
1.2.1 图像语义分割方法 |
1.2.1.1 基于编码器-解码器结构的语义分割方法 |
1.2.1.2 基于DilatedFCN结构的语义分割方法 |
1.2.2 盐体语义分割方法 |
1.3 论文的主要工作 |
1.4 论文的章节安排 |
第二章 盐体分割数据集 |
2.1 通用语义分割数据集及评价方式 |
2.1.1 通用语义分割数据集 |
2.1.2 通用数据集评价方式 |
2.2 盐体数据集及评价方式 |
2.2.1 盐体数据集 |
2.2.2 盐体数据集评价方式 |
2.3 通用分割算法在盐体语义分割中面临的问题及分析 |
第三章 基于多任务深度监督机制的盐体语义分割算法 |
3.1 引言 |
3.2 本章算法框架 |
3.3 基于深度监督机制的现有语义分割算法介绍 |
3.3.1 基于语义分割的深度监督方法 |
3.3.2 基于图像分类的深度监督方法 |
3.4 基于多任务深度监督的盐体语义分割算法 |
3.4.1 盐体语义分割中多任务深度监督机制的必要性 |
3.4.2 不同监督机制的组合方法 |
3.5 实验结果及分析 |
3.5.1 本章算法实验环境 |
3.5.2 本章算法实现细节 |
3.5.3 主观实验结果分析 |
3.5.4 客观实验结果分析 |
3.6 本章小结 |
第四章 基于边界预测的盐体分割方法 |
4.1 引言 |
4.2 本章算法框架 |
4.3 基于边界预测的盐体语义分割方法 |
4.3.1 盐体边界预测方法对比 |
4.3.1.1 基本理论背景 |
4.3.1.2 基于原有分割结果提取对应目标边界 |
4.3.1.3 通过单独的边界预测子网络来预测目标边界 |
4.3.2 边界预测子网络 |
4.4 实验结果及分析 |
4.4.1 主观实验结果分析 |
4.4.2 客观实验结果分析 |
4.5 本章小结 |
第五章 边界特征引导的多尺度监督的盐体分割算法 |
5.1 引言 |
5.2 本章算法框架 |
5.3 边界特征引导的多尺度监督盐体分割算法 |
5.3.1 多尺度监督的盐体分割方法 |
5.3.2 边界特征引导的盐体分割算法 |
5.4 实验结果及分析 |
5.4.1 主观实验结果分析 |
5.4.2 客观实验结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(7)汉语抽象语义表示体系、资源构建及其应用研究(论文提纲范文)
摘要 |
Abstract |
引言 |
第一章 句法语义的理论发展及应用探索 |
第一节 句法语义理论研究综述 |
第二节 句法结构表示方法及资源建设概述 |
第三节 英文AMR发展现状及应用研究 |
本章小结 |
第二章 CA-CAMR表示体系 |
第一节 英汉AMR表示体系 |
第二节 CA-CAMR表示方法 |
第三节 CA-CAMR标注体系 |
第四节 CA-CAMR的特点 |
本章小结 |
第三章 CA-CAMR语料库构建 |
第一节 人机结合的CAMR语料标注方法 |
第二节 语料标注一致性统计与问题分析 |
第三节 语料标注不一致现象消解策略 |
第四节 CA-CAMR语料标注规范完善 |
本章小结 |
第四章 CA-CAMR语料库标注结果统计及分析 |
第一节 CA-CAMR基本数据及图结构统计分析 |
第二节 CA-CAMR论元共享统计分析 |
第三节 CA-CAMR特殊句法结构表示及统计分析 |
本章小结 |
第五章 CA-CAMR应用:语义省略研究 |
第一节 相关研究 |
第二节 基于CA-CAMR汉语语义省略研究 |
第三节 基于CA-CAMR省略“的”字结构自动识别与补全 |
本章小结 |
结语 |
附录 A |
参考文献 |
在读期间相关成果发表情况 |
致谢 |
(8)基于深度特征提取的中文文本分类算法研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究困难与挑战 |
1.3 国内外研究现状 |
1.3.1 中文文本多分类研究现状 |
1.3.2 中文文本多标签分类研究现状 |
1.4 研究内容与创新点 |
1.5 论文组织结构 |
第二章 相关理论概述 |
2.1 中文文本预处理 |
2.2 词向量 |
2.2.1 词袋模型 |
2.2.2 神经网络语言模型 |
2.2.3 Word2Vec模型 |
2.3 文本多标签分类任务 |
2.4 神经网络模型 |
2.4.1 卷积神经网络 |
2.4.2 循环神经网络 |
2.5 注意力机制 |
2.6 评价指标 |
2.7 小结 |
第三章 两种多元语义信息特征提取的中文文本多分类算法 |
3.1 基于层次化语义信息特征提取的中文文本多分类算法 |
3.1.1 研究动机 |
3.1.2 算法设计 |
3.1.3 数据集介绍及预处理 |
3.1.4 训练细节 |
3.1.5 实验结果 |
3.2 基于多元语义信息特征融合的中文文本多分类算法 |
3.2.1 研究动机 |
3.2.2 BERT模型 |
3.2.3 算法设计 |
3.2.4 训练细节 |
3.2.5 实验结果 |
3.3 小结 |
第四章 基于序列生成的中文文本多标签分类算法 |
4.1 研究动机 |
4.2 算法设计 |
4.3 实验结果 |
4.3.1 数据集介绍及预处理 |
4.3.2 训练细节 |
4.3.3 实验结果总结与分析 |
4.4 小结 |
第五章 中文新闻文本分类应用 |
5.1 中文新闻文本分类数据集 |
5.2 中文新闻文本分类系统 |
5.2.1 整体流程 |
5.2.2 前端设计 |
5.2.3 后端设计 |
5.3 小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续研究 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(9)信息物理融合生产系统辅助开发与仿真平台(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.2.1 CPPS系统设计方法研究现状 |
1.2.2 CPPS关键特性研究现状 |
1.2.3 CPPS系统建模研究现状 |
1.3 研究目的与意义 |
1.4 课题主要来源 |
1.5 课题的主要研究内容及整体架构 |
2 CPPS-ADSP内涵及总体运行框架研究 |
2.1 引言 |
2.2 CPPS-ADSP功能与特征 |
2.2.1 CPPS-ADSP应用场景 |
2.2.2 CPPS-ADSP主要功能 |
2.2.3 CPPS-ADSP特征 |
2.3 CPPS-ADSP总体运行框架构建 |
2.3.1 CPPS-ADSP总体运行框架 |
2.3.2 CPPS-ADSP框架运行机制 |
2.4 CPPS-ADSP网络物理环境 |
2.5 本章小结 |
3 基于OTCKPN与多智能体系统的混合建模方法研究 |
3.1 引言 |
3.2 混合建模方法概述 |
3.2.1 混合建模方法的构成 |
3.2.2 混合建模方法的运行机制 |
3.3 OTCKPN模型定义 |
3.3.1 OTCKPN的定义与形式化表达 |
3.3.2 OTCKPN建模仿真元素的定义 |
3.3.3 OTCKPN模型建模及运行规则 |
3.3.4 OTCKPN建模对象 |
3.4 基于多智能体系统协商机制的OTCKPN模型构建 |
3.4.1 基于多智能体系统的OTCKPN建模流程 |
3.4.2 基于合同网的多智能体系统协商机制构建 |
3.5 本章小结 |
4 基于面向服务架构的CPPS-ADSP信息物理融合方法研究 |
4.1 引言 |
4.2 基于面向服务架构的CPPS-ADSP服务总线 |
4.2.1 服务总线总体架构 |
4.2.2 CPPS-ADSP服务的分类与描述 |
4.2.3 CPPS-ADSP服务的注册与检索 |
4.2.4 CPPS-ADSP服务组态 |
4.3 CPPS-ADSP协议适配及服务化 |
4.3.1 工业通讯协议分类 |
4.3.2 CPPS-ADSP平台协议适配及服务化 |
4.4 CPPS-ADSP互操作方法 |
4.4.1 基于事件与实时信息驱动的设备互操作 |
4.4.2 基于任务需求的本体信息资源互操作 |
4.5 本章小结 |
5 CPPS-ADSP开发与验证 |
5.1 引言 |
5.2 CPPS-ADSP平台开发 |
5.2.1 CPPS-ADSP平台开发环境 |
5.2.2 CPPS-ADSP平台架构及功能 |
5.2.3 CPPS-ADSP平台运行流程 |
5.2.4 CPPS-ADSP平台数据结构 |
5.2.5 CPPS-ADSP部署 |
5.2.6 CPPS-ADSP平台功能实现 |
5.3 CPPS-ADSP建模仿真实例验证 |
5.3.1 CPPS-ADSP验证场景描述 |
5.3.2 CPPS-ADSP验证场景建模 |
5.3.3 CPPS-ADSP平台仿真 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(10)文化遗产信息模型的虚拟修复研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
第一节 研究现状 |
第二节 文献综述 |
第三节 研究方法 |
第四节 研究目的与意义 |
第二章 修复理念与历史框架 |
第一节 现代保护运动的发展 |
一、早期的修复概念 |
二、修复理念的批判性实践 |
三、二战的影响 |
第二节 古雅的追求 |
第三节 整旧如旧的中国理念 |
第三章 虚拟修复的工具论 |
第一节 虚拟修复的语义演变 |
一、虚拟考古 |
二、数字考古 |
三、虚拟遗产 |
第二节 虚拟的诠释与展示 |
第三节 虚拟修复的时间性 |
第四章 可视化数据额保存、内容访问与分析 |
第一节 数据本体研究 |
第二节 可视化数据的文献特征 |
第三节 可视化数据的采集方法 |
第四节 数据的异构性 |
一、斯卡尔左拉花园 |
二、佛罗伦萨火车站竞赛设计 |
三、东园胜概图界画重建 |
四、数据的思维 |
第五节 可视化元数据集成 |
一、元数据标准 |
二、基于本体的概念参考模型 |
三、语义的表达 |
第六节 交互元数据 |
第七节 可视化三维格式的保存与访问 |
第八节 数据生命周期 |
第五章 虚拟修复的信息模型构建 |
第一节 信息建模 |
一、编码、语义与解码 |
第二节 虚拟修复信息模型 |
一、历史建筑信息模型 |
二、信息模型构建流程 |
三、虚拟修复信息模型的本体、语义与重构 |
第三节 信息模型诊断与评估 |
第六章 虚拟修复的信息重构与解读 |
第一节 QUADRATURA幻境 |
第二节 虚拟修复的信息重构 |
第三节 现实的虚拟构建 |
一、虚拟的可靠性 |
二、严肃游戏 |
三、混合现实的交互性 |
第四节 虚拟现实与现象学 |
一、器官的投影 |
二、引入解释性 |
三、现象学的感知 |
四、场所精神与整体性保护 |
第五节 综合性描述解决方案 |
一、敦煌158 窟的实验 |
二、虚拟沉浸感与三维打印 |
第七章 虚拟修复的数字化国际框架 |
第一节 文化遗产数字化国际框架的形成 |
第二节 重建的批判性实践 |
第三节 伦敦宪章 |
一、三维可视化 |
二、不同学科领域的应用性 |
三、信息透明 |
四、交互元数据 |
五、可持续性 |
第四节 塞维利亚原则 |
第八章 数字化的理性反思 |
第一节 对个体感知的反思 |
第二节 对虚拟的反思 |
第三节 对真实性的反思 |
第四节 对可逆性的反思 |
第五节 对可视化的反思 |
结语真实的虚拟修复 |
参考文献 |
后记 |
附录 |
莫高窟158 窟Digitization结构关系图 |
伦敦宪章THE LONDON CHARTER(中英文版) |
四、通用语义原理解析及其应用研究(论文参考文献)
- [1]基于图像的城区场景三维重建方法研究[D]. 张翼腾. 中国科学技术大学, 2021(08)
- [2]基于深度学习的人体解析[D]. 黄茜. 电子科技大学, 2021(01)
- [3]基于LDA模型的财经主题建模与演化研究[D]. 覃桂双. 武汉理工大学, 2020(09)
- [4]面向中文短文本的关系抽取算法设计[D]. 汪诚愚. 华东师范大学, 2020(08)
- [5]面向程序合成问题的通用语义线性遗传编程算法[D]. 黄至行. 华南理工大学, 2020(02)
- [6]基于深度学习的盐体语义分割算法研究[D]. 郭江涛. 电子科技大学, 2020(07)
- [7]汉语抽象语义表示体系、资源构建及其应用研究[D]. 戴茹冰. 南京师范大学, 2020(02)
- [8]基于深度特征提取的中文文本分类算法研究[D]. 雷连心. 上海交通大学, 2020(09)
- [9]信息物理融合生产系统辅助开发与仿真平台[D]. 宋思蒙. 北京交通大学, 2019
- [10]文化遗产信息模型的虚拟修复研究[D]. 铁钟. 中国美术学院, 2019(02)