【摘 要】
：
在普适计算环境中,用户与系统之间的交互越来越多样化,为了顺应这种多样化,越来越多的设计人员开始使用任务模型去帮助开发用户界面。为了更好地协助设计人员了解用户的需求从而指导设计数据可视化系统的GUI(Graphical User Interface),将现有的WISDOM任务模型进行优化与改进,并定义好WISDOM模型在整个软件生命周期中具体使用方式。在数据可视化图形用户界面的系统设计中应用WISD
论文部分内容阅读
在普适计算环境中,用户与系统之间的交互越来越多样化,为了顺应这种多样化,越来越多的设计人员开始使用任务模型去帮助开发用户界面。为了更好地协助设计人员了解用户的需求从而指导设计数据可视化系统的GUI(Graphical User Interface),将现有的WISDOM任务模型进行优化与改进,并定义好WISDOM模型在整个软件生命周期中具体使用方式。在数据可视化图形用户界面的系统设计中应用WISDOM任务模型,将软件开发生命周期的其他部分与用户界面的开发过程很好地结合在一起。经实践表明,改进后的WI
其他文献
刑侦工作中,若犯罪嫌疑人的人脸图像存在遮挡,人脸特征点遭到破坏,精确去除遮挡区域成为提高人脸识别技术的重要一步。因此,人脸去遮挡有着重要的研究意义。对人脸去遮挡技术最新进展进行阐述,并基于2016年首次提出的基于深度学习图像修复算法,介绍从2017年至今学者们提出的各类人脸去遮挡融合算法。首先根据遮挡方式的不同将现有算法分类为随机遮挡和规则遮挡的人脸修复,接着根据算法中预测生成网络的不同,进一步分
近年来,随着教育信息化的不断深入,海量教育资源和教学数据不断累积,一些教育知识库被提出,这为数据驱动的智慧教育提供了良好的发展条件。基于教育知识库的问答方法能够为学习者提供即时的答疑辅导,进而有效提升学习者的学习兴趣和效率。然而,目前特定于教育领域的知识库问答研究较少,且开放领域的知识库问答方法大多独立地建模问句和候选答案实体,因而建模效果有限。基于此,提出一种基于问句感知图卷积网络的教育知识库问答方法。首先,针对特定问句,提取其中的问句描述信息和查询实体集,并分别通过Transformer和预训练的知识
近年来,卷积神经网络(CNN)凭借强大的特征提取和表达能力,在图像分析领域的诸多应用中取得了令人瞩目的成就。但是,CNN性能的不断提升几乎完全得益于网络模型的越来越深和越来越大,在这个情况下,部署完整的CNN往往需要巨大的内存开销和高性能的计算单元(如GPU)支撑,而在计算资源受限的嵌入式设备以及高实时要求的移动终端上,CNN的广泛应用存在局限性。因此,CNN迫切需要网络轻量化。目前解决以上难题的
知识库(或知识图谱)作为一种对现实世界的有效表征模式,引起了学术界和工业界广泛关注。近年来,随着大规模知识库的出现,知识库问答技术作为知识库的基础应用技术同样备受关注。基于语义解析的代表方法通过对查询句的解析将问题转化为图上的答案检索,但知识库中往往存在缺失的链接,导致上述过程无法顺利开展;基于神经推理的代表模型通过对问题进行编码来进行实体相似度排序,但其无法解决动态场景下的实体冷启动问题。针对上述问题,提出了一种融合子图结构的神经推理式知识库问答方法,实现了在问答推理过程中兼顾实体的语义与结构信息,从而
细粒度图像分类旨在从某一类别的图像中区分出其子类别,通常细粒度数据集具有类间相似和类内差异大的特点,这使得细粒度图像分类任务更加具有挑战性。随着深度学习的不断发展,基于深度学习的细粒度图像分类方法表现出更强大的特征表征能力和泛化能力,能够获得更准确、稳定的分类结果,因此受到了越来越多研究人员的关注和研究。首先,从细粒度图像分类的研究背景出发,介绍了细粒度图像分类的难点和研究意义。其次,从基于强监督
2014年马航MH370失联事件发生以来,国际民航组织(ICAO)及中国民航局(CAAC)均开始着力于推进全球航班跟踪能力建设。设计一个全球航班跟踪系统,系统由前端数据处理子系统及综合显示子系统组成,针对系统面临的航班数量多、航班数据体量大、高并发等挑战,设计一种可拓展的硬件处理架构,同时结合多线程软件处理架构设计及优化,保证系统流畅稳定运行。实际运行结果表明,该系统设计方案可行,实现了对我国境内
知识图谱问答是通过处理用户提出的自然语言问题,基于知识图谱的某种形式,从中获取相关答案的过程。由于知识规模、计算能力及自然语言处理能力的制约,早期知识库问答系统被应用于限定领域。近年来,随着知识图谱的发展,以及开放领域问答数据集的陆续提出,知识图谱已用于开放领域问答研究与实践。以技术发展为主线,对开放领域知识图谱问答进行综述。首先,介绍五种基于规则模板的开放领域知识图谱问答方法:传统语义解析、传统信息检索、三元组匹配、话语模板和查询模板,这类方法主要依赖人工定义的规则模板完成问答工作。其次,描述五种基于深
布隆过滤器(BF)可以高效查询元素是否在指定集合中,广泛应用于区块链成员查询中。针对现有的通用布隆过滤器无法充分利用区块链数据特性及通用设备计算资源的问题,提出一种新型区块链布隆过滤器(BBF)。首先,改进布隆过滤器数据结构,对BBF以组为单位进行细分,从而将元素的映射范围限制在一个组内,减少访存失败次数,提高访存效率。其次,利用区块链数据的特性,提出一种简化的三阶段哈希映射函数,减少计算开销。在此基础上,使用单指令多数据流(SIMD)技术实现元素插入和查询操作的并行处理,提高BBF构建及查询速度,最终实
为了提高NMF方法在方差差异明显的多模态过程中的监视效果,提出一种基于LPD-NMF的多模态过程监视方法。对多模态过程训练数据运用局部概率密度(LPD)进行预处理,消除方差差异明显的多模态特性。运用非负矩阵分解算法进行降维和局部特征提取,计算每个低维样本与其k个近邻欧氏距离的平方和,使用核密度估计(KDE)算法来确定控制限进行多模态过程监视。将该方法应用于数值例子和半导体数据,结果表明,其过程监视
病原微生物是导致交叉感染疾病甚至重大传染性疾病传播的重要因素之一,准确检测病原微生物对于感染或传染疾病的有效防御和精准诊疗具有十分重要的意义和价值。传统检测方法往往是采用培养手段进行观察和鉴别,但由于可培养的微生物种类有限,难以满足现代精准医疗中对病原微生物的准确且完备的检测要求。基于DNA分子水平上的病原微生物新型检测手段在当前得到发展和密切关注,其核心问题是如何利用被检样本的DNA测序数据,运用统计计算或机器学习方法判别样本中含有哪些病原微生物。以新一代测序数据为背景,以16S rDNA序列为分析对象