摘要：为提高维吾尔文文档图像检索精度,提出基于灰度共生矩阵(GLCM)与卷积神经网络的关键词图像分层检索算法。在浅层检索阶段对切分后的单词图像进行分块处理,计算每个子块图像的灰度共生矩阵特征参数,将各个子块特征进行串联融合,对单词数据库进行浅层检索,过滤掉部分无关单词图像后形成候选单词库;在浅层检索的基础上进行深层检索,使用VGG16网络提取单词图像更深层次的空间域特征;使用网络提取的特征对候选图像库进行二次深层检索得到最终的检索结果。实验结果表明,检索的平均准确率和召回率分别为94.15%、82.03%,验证了该方法在维吾尔文文档图像检索中的有效性。

摘要：传统图像关键特征二次检索算法无法计算图像纹理相似度,导致数据库中海量相似图像的检索精度偏低,查全率与查准率均不理想。为此,设计新的基于灰度直方图的图像关键特征二次检索算法。采用中值滤波将某像素点灰度值替换成相邻区域像素点灰度中值,去除图像背景及噪声干扰。建立归一化灰度共生矩阵,并向量化输入图像并计算其灰度特征矢量。利用灰度直方图函数计算图像纹理相似度,完成图像关键特征第一次检索。运用Canny算子检测图像边缘并统计各边缘长短,计算输入图像与待检测图像投影值,获得图像关键特征形态信息,实现高精度图像关键特征二次检索。仿真结果证明,所提方法的查全率与查准率均较高,能快速精准检索出大量相似的图像特征。

摘要：命名数据网络(NDN)的独特优势使其被认为是下一代新型互联网体系架构的候选者。通过对NDN通信原理的分析以及与传统传输控制协议/网际协议(TCP/IP)体系架构的对比,阐述了该新型体系架构所具有的优势,并在此基础上总结分析了该网络体系架构设计的关键要素。此外,为更好地帮助研究人员了解这一新型网络架构,总结了NDN经过多年发展已取得的成功应用,并紧随主流技术,重点介绍NDN对前沿区块链技术的支持,且依托该支持对基于NDN和区块链技术应用的研究和发展进行了讨论和展望。

摘要：为有效提取和融合表情多粒度特征信息,降低自然场景人脸表情数据集存在不确定性和错误数据等因素致使准确率难以满足现实需求的问题,基于深度卷积神经网络提出多粒度与自修复融合的表情识别模型。采用拼图生成器生成不同粒度图像,利用渐进式的训练过程学习不同粒度图像之间互补的特征信息,采用自修复方法避免网络过度拟合错误样本图像,对错误样本进行重新标注。在AffectNet数据集和RAF-DB数据集上准确率分别达到了63.94%和87.10%,实验结果表明,该模型具有较高的准确率和良好的鲁棒性。

摘要：为解决图注意力网络对边信息的忽视和固定卷积层数的方法不能自适应获取情感词信息的问题,提出一种基于图卷积和注意力的方面级情感分类模型。加入句法依存边信息提高对不同句法连接词的区分度;一个迭代注意力机制被设计用于建立方面词和句中所有词的关联关系,自适应选择全局词信息。模型在Twitter、Rest14和Rest16数据集上获得更好的性能。实验结果验证了该方法的有效性。

摘要：开发智能化的输入法是维吾尔文输入技术的一个发展方向,也是维吾尔文自然语言信息处理的基础性研究课题。该文根据维吾尔文自身特点,对用户输入过程中所犯各种错误进行分析,设计并实现了词语搭配知识库,提出了基于二元语法模型的一种新型维吾尔文输入算法,并给出了实现其关键模块功能的程序流程图。它具有自动预测、自动联想输入和自动校对等功能。

摘要：随着手持设备的迅猛发展,新疆作为我国面向中西亚国家促进合作、交流的桥头堡,在智能手机等嵌入式产品中支持快速高效的阿拉伯文输入显得尤为重要。讨论如何在Qtopia4中设计和实现阿拉伯文智能学习输入法。详细阐述基于Qtopia4平台的阿拉伯文本地化解决方案、该输入法的词库构建与算法设计。实现单词智能联想和整句输入,具备自我学习功能。最终将该输入法移植到广州友善之臂ARM11开发板Mini6410的Qtopia 4.4.3 Mobile版中。

摘要：针对LibreOffice套件维吾尔文版本中存在的维吾尔文断行问题,进行了深入的分析和研究,归纳出一系列的维吾尔语断行规则,同时注重对行宽度、美观的需求,探讨了连接字形左边或右边、加连接字符进行拉长、音节符等问题。基于对开源办公软件LibreOffice的本地化框架研究,提出了按音节断行技术和自动拉长技术,设计出维吾尔文的基于音节的断行算法,并使该算法在维吾尔文LibreOffice中得以应用。

摘要：面向汉文维吾尔文(以下简称汉维)双语科技术语抽取这一应用目标,本文提出新闻科技领域的汉维可比语料库设计方案并进行实验.将网络采集的汉维语料利用机器翻译系统进行初加工后映射到向量空间中并使用LSI算法计算出各向量间的相关性,利用计算后的向量建立索引并依次计算出源文本与候选文本的相似值.本文设计两种实验进行对比,对选取的可比语料进行评估、筛选,最终达到构建汉维可比语料库的目的.

摘要：针对语料不足引起的维吾尔语-汉语量词短语翻译性能不佳及歧义量词的翻译结果乱等问题,提出基于多编码器多解码器的维吾尔语-汉语量词短语神经机器翻译方法。将汉语语料进行自动处理和筛选,收集包含量词的维吾尔语-汉语量词短语语料,使用多编码器多解码器结构,搭建具有更强生成能力的多编码器多解码器维汉神经机器翻译模型。计算BLEU值得到了36.41,并通过对比实验结果,验证了所提方法的有效性。