摘要：由于装备信息的敏感性,军事领域的跨语言实体匹配问题会面临缺乏标注好的平行语料、依赖机器翻译质量等问题。从这些问题出发,提出了一种跨语言舰船实体匹配算法。首先归纳匹配规则,通过融合机器翻译和词典短语释义取得语言转换结果,设计了检测后缀相同字符串的相似度度量suffix-matter优化候选集,提高了算法的效率。还设计了捕捉字符和发音特征的混合相似度度量MixSim协助寻找匹配的实体。利用从互联网上爬取各国舰船活动事件的新闻报道和简式舰船数据进行实验,结果表明算法取得了较好的效果,而且证明了两种相似度度量在字符串比对中的有效性。

摘要：针对复杂网络中节点相似度度量的问题,在物理学相关知识的启发下,运用相关模型提出了一种基于物理学中电路模型的节点相似度度量的方法。纯粹从节点间的链接图结构来计算节点间的相似度,节点间的相似度用物理学电路模型中的电阻来衡量:电阻越小,相似度越大;电阻越大,相似度越小。实验结果表明了该方法的有效性和合理性,提供了一种借用其它学科方法来解决复杂网络节点相似度度量的新颖方法。

摘要：代码剽窃是程序设计课程中经常出现的一种作弊行为,检测剽窃的源代码、验证学生程序作业的原创性在教学中很重要。程序代码的相似度度量是剽窃检测的关键技术。通过对现有程序代码相似度度量技术进行研究后,基于Karp-Rabin和最长公共子串算法思想,提出了一种改进的源代码相似度度量算法,即串的散列值匹配算法。

摘要：介绍了孪生胶囊网络,这是一种新颖的体系结构,将胶囊网络扩展到成对学习,从而实现图像相似度度量技术。模型以两个样本为输入,输出其嵌入高维度空间的表征,比较两个样本的相似程度。设计思路结合了胶囊网络,以记录信息更丰富的胶囊神经元代替传统神经网络的标量神经元,通过胶囊特征间的对比损失来训练模型。实验表明,孪生胶囊网络在小数据样本训练任务中的表现出色,能够完成相似度度量任务。

摘要：传统的数据清洗方法因需专家手动定义数据质量规则,不仅复杂且耗时巨大,且清洗后的数据可能不能被重复利用,降低了数据清洗的质量和效率.为此,提出基于双重深度Q网络的否定约束迁移(double deep Q-network for denial constraints transfer,DDQN-DCT)算法.该算法设计否定约束(denial constraint,DC)的相似性度量方法,并结合相似性和DC的简洁性和覆盖度,使用双重深度Q网络(double deep Q-network,DDQN)对DC规则中的谓词进行修改从而实现DC迁移,目标是使迁移后的规则与原规则具有最大的相似性,以保留原有规则的信息.基于DDQN-DCT进一步设计了DDQN-DCT+算法,把DDQN的动作选择策略划为增加和删除2个阶段,并通过对比实验证明DDQN-DCT+在DC简洁性上有更好的表现.通过与暴力依赖约束迁移(brute-force dependency constraint transfer,BFDC)、DDQN-DCT+和结构扩大/缩小(structure expansion/reduction,SER)方法进行对比实验,发现DDQN-DCT算法在规则相似度上相较于BFDC平均提升约10%,相较于DDQN-DCT+平均提升约10.6%,相较于SER平均提升约16.4%.DDQN-DCT能够有效地将源域的规则迁移到相似的目标域数据上.

摘要：为提高计算点云模型之间Hausdorff距离(HD距离)的效率,提出基于Z曲线和八叉树的Hausdorff距离计算方法.首先利用Z曲线和八叉树实现点云模型预处理;然后在八叉树结构中定义了2类邻居(邻居点和邻居节点),并提出基于八叉树的局部搜索,以某一个叶子节点作为搜索的起点,递归地搜索其邻居直到根节点;最后结合模型预处理和局部搜索,给出了算法的实现细节.针对三维高斯随机数据和点云模型进行大量实验,并与经典方法进行对比,结果验证了文中方法的高效性.

摘要：通过分析学生作业中存在的抄袭现象,介绍了一种用于抄袭检查的程序的设计和实现。程序能够计算一批程序代码之间的相似程度。为了保证检查精度和运行速度,程序中利用了语法解析、计算数字指纹、求解最长公共子序列等技术。

摘要：针对越来越丰富的电视节目资源和多用户同时观看电视的现实,文章提出了一种面向多用户的电视节目推荐生成方法,描述并设计了实现该方法的关键技术:用户对节目喜好程度度量,用户时间优先级度量,以及多个单用户节目单的融合算法。

摘要：Web服务的聚类能够改善基于服务的应用如服务发现、组合和QoS预测等.然而目前的聚类方法在相似度度量和信息预处理方面存在一些不足.提出Web服务的QoS和功能两种相似度模型,从不同角度度量服务间的相似度.在此基础上,提出一种特殊的考虑到编程风格和命名规则的预处理方法.最后结合SCAN算法实现了本方法并设计了对比实验对提出的方法进行验证.实验结果表明提出的模型和方法能够有效地提高Web服务的聚类效果.

摘要：对于大型遥感图像数据库,如何快速有效的检索到需要的图像是一个关键问题。虽然许多不同的检索技术被设计用于减少需要检索的目标图像的数量,可是绝大多数检索技术都是基于低级特征并且没有或很少考虑高级语义信息。因此使用这些检索技术,检索到的图像在低级特征空间比较相似而在语义方面却关系不大。为了解决这一问题,本文提出了一种分布式卫星图像检索方案。该方案首先利用贝叶斯网络预选一组与用户查询目的相关的候选图像,然后再利用计算代价更高的基于区域的相似度度量方法来对候选图像重新排序并返回给用户。这样检索到的图像不但与用户的查询目的高度相关,而且与查询图像有着相似的低级信号特征。另外,由于候选图像比数据库中存储的图像要少的多,因此本文提出的检索方案大大减少了对大型数据库的检索时间。