【摘 要】
：
未来的信息化战争,不再是单纯的机械与火力对抗,而是需要充分利用一切信息资源的信火一体作战形式。谁拥有更强大的电磁情报分析能力,谁就能在战场上获得主动。尤其是在战争状态下,通过侦察敌方的电磁信号来预测分析敌方装备,进而分析其背后所隐藏的作战意图,从而辅助指挥员迅速决策,具有极其重要的战略意义。但随着信息技术的发展,电磁情报所搜集到的电磁信号数据在不断地增长,基于领域专家的电磁情报分析在面对海量数据时
论文部分内容阅读
未来的信息化战争,不再是单纯的机械与火力对抗,而是需要充分利用一切信息资源的信火一体作战形式。谁拥有更强大的电磁情报分析能力,谁就能在战场上获得主动。尤其是在战争状态下,通过侦察敌方的电磁信号来预测分析敌方装备,进而分析其背后所隐藏的作战意图,从而辅助指挥员迅速决策,具有极其重要的战略意义。但随着信息技术的发展,电磁情报所搜集到的电磁信号数据在不断地增长,基于领域专家的电磁情报分析在面对海量数据时已无法做到及时准确的目标识别和分析,因此基于大规模电磁数据的情报分析已经成为了一种迫切的需求。本论文围绕如何利用已有的电磁数据构建面向电磁情报的信息装备知识图谱展开研究。本论文的主要研究工作如下:（1）完成了信息装备领域本体的构建。针对现有的本体各自独立,所侧重的领域范围不尽相同,难以适应更加广泛的电磁信号数据分析问题,本论文采用了七步法,并融入本体的评价体系,利用现有的电磁数据,扩充了本体的覆盖范围,构建出领域更加广泛、可用性更强的信息装备领域本体,为构建大规模的信息装备知识图谱提供理论和技术支撑。（2）针对信息装备实体存在中英文和数字嵌套的问题,本论文在经典的识别模型Bi LSTM-CRF的基础上,引入了BERT（Bidirectional Encoder Representation from Transformers）预训练模型,提出了基于BERT-Bi LSTM-CRF的信息装备实体识别模型。首先通过BERT预训练模型将装备数据转换为词向量,然后输入至Bi LSTM-CRF中作进一步的特征提取和分类,在自制的装备数据集上取得86.24%的F1值。相比其他模型,该模型具有更优良的识别性能。（3）针对装备实体关系抽取存在句式较长且复杂的问题,首先分析了Bi LSTM和CNN神经网络模型的缺陷,进而提出融合多特征BERT模型的信息装备实体关系抽取。首先利用BERT模型进行词向量训练,并且融入了关键词、实体对信息和实体类型三种外部特征,弥补了自动提取特征的不足之处,在自制的数据上取得了96.50%的F1值,有效地提升了模型的性能。（4）将抽取的数据导入至Neo4j图数据库中,完成信息装备知识图谱的构建,并对该知识图谱的应用作了简要的分析。
其他文献
关系抽取意在抽取文本中实体对的关系,对于知识图谱的构建起着重要作用,是自然语言处理中重要任务之一。关系抽取面临着诸多挑战,尤其是复杂语境和学习能力带来的文档级关系抽取以及少样本关系抽取问题。本文重点研究了针对上面两个问题现阶段的工作以及存在的不足并进行了相应的改进。我们发现以下几个不可忽视的问题:1)现阶段的文档级关系抽取模型一般只从单方面捕获信息;2)文档级关系抽取模型或者是依赖于外部解析器构造
针对城市轨道交通X射线安检危险品识别，在YOLOv5m基础上，增加了CBAM注意力，分别对通道和空间的特征进行操作。经过实验验证，该方法的mAP50:95、mAP50分别提升了0.6和1个百分点，结果表明改进后的算法能显著提高检测精度。
近年来,在三维视觉感知技术的推动下,新型智能机器人逐渐具备了越来越强大的感知和交互能力。基于视觉感知的机器人抓取技术主要分为已知目标物体模型的抓取和未知目标物体模型的抓取。对于未知目标物体模型的视觉抓取,抓取算法需要尽可能地感知物体的完整信息。然而,受到物体遮挡和扫描误差的影响,单帧RGB-D图像中包含的物体信息往往不够完整并且存在一定的噪声,这给机器人的精准抓取带来了一定的挑战。而对于模型已知的
随着互联网时代的发展,软件技术的应用越来越普遍,对相应软件的漏洞检测要求高效、准确。然而,软件漏洞是多种多样的,通过源代码检测漏洞对开发人员的专业经验要求很高。以往的漏洞检测方案要么依赖专家定义的特征,要么只对代码序列使用递归神经网络,很难在传统的代码空间中提取复杂的漏洞特征。近年来,随着人工智能技术的蓬勃发展,一些学者开始尝试提取源代码的抽象表示图,结合图神经网络用于软件漏洞检测,但目前此类研究
知识图谱是一种重要的存储结构化数据的技术,它可以为多种信息化应用提供知识支持,例如推荐系统、问答系统等。知识图谱自动构建技术的研究在通用文本上开展的如火如荼,而在特定领域上则鲜有人问津。但对于医学、经济、军事等领域,专业的知识图谱是推动其领域信息化发展的关键因素。特定领域的标注文本往往是稀疏的,因此,本文立足于样本稀疏领域这一出发点,对知识图谱自动构建的问题展开研究。知识图谱中结构化知识的一个重要
我国海岸线较长,海上交通制约因素较多且面临日益复杂的政治环境。且我国海上观测资源有限,在这种情况下如何利用有限的不同种类资源,共同解决海上目标搜索问题,对于解决海上搜救、灾害预警、加强我国海上执法能力等许多现实问题都具有重大意义。本文首先对海上目标搜索的问题特点进行分析,然后对各种观测平台的能力、使用约束、适用情况都进行了分析。不同平台都有各自的特点和使用约束,在海上目标搜索问题中扮演了不同的角色
随着全球经济的快速发展,纺织服装行业市场的并驱争先日渐激烈,用户对服装需求的日趋多样化使服装订单的生产要求也随之提升。纺织服装工业互联网平台汇聚了供应链上游众多相同或相近生产能力的服装企业,所接服装订单数量庞大。传统的方式是根据经验对订单进行安排,但这种人工分配方法效率低下,且无法保证分配结果是否能最大化平台利益,因此,如何通过科学手段对这些订单进行合理分配是目前平台面临的一大难题和挑战。目前对于
在近些年人工智能的研究热潮中,深度学习作为其领域下的重要研究方向得到了学术界和工业界的高度关注,并在算法、理论和应用等方面取得了丰富成果。而随着深度学习与业界融合的深入以及相关从事人员的增多,深度学习应用程序和软件系统的研发将会越来越规范化和自动化,如何使用传统软件工程的理论和实践引导这一过程也成为研究热点。相比传统软件,深度学习程序软件对数据有更强的依赖性,当环境中数据的统计属性变化或类别增加时
中药多糖具有抗感染、抗氧化、免疫调节等多种活性，其优势在于毒副作用小、安全性高、功能多样。多糖通过炎症反应通路、神经递质通路、HPA轴、信号转导通路等途径可抑制抑郁症的发病进程。本文还总结分析了中药多糖目前存在问题和下一步研究重点，以期为抑郁症治疗靶点与机制、中药多糖有效成分研究与开发提供科学依据和新思路。