李志圣
- 作品数：12 被引量：27H指数：4
- 供职机构：天津大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金天津市应用基础与前沿技术研究计划天津市科技发展战略研究计划项目更多>>
- 相关领域：自动化与计算机技术电子电信文化科学更多>>
- 基于蚁群算法的医学图像分割研究被引量：8
- 2008年
- 通过对蚂蚁信息激素释放、路径转移的重新定义,并将图像空间的模糊连接关系引入蚂蚁的觅食过程中,进而转换为蚂蚁搜寻食物的准则,实现了医学影像图像的分割,并进一步分析了算法实现中相关影响因素参数选择的问题。
- 康晓东何丕廉刘玉洁李志圣
- 关键词：医学图像分割蚁群算法
- 单类中心学习及其在二元关系抽取中的应用
- 在互联网上进行二元关系抽取，是当前信息抽取的重要研究方向。为利用互联网的大量未标定语料，许多文献提出了基于self-training机制的学习方法：即在小标注集上训练初始系统，然后在系统运行过程中，自动标定可靠候选，重新...
- 李志圣
- 关键词：互联网信息抽取
- 上下文无关文法推断中的几条启发规则及其应用被引量：1
- 2006年
- 本文先简要介绍了一种上下文无关文法的推断方法———逐步求精法,然后论述了递归概念在文法推断中的核心作用,并从递归概念的特殊性质出发提出了多条启发规则,能有效减少无效探求和与用户交互的次数,尤其适合于文法较复杂、例句集信息量较大的情况。这些启发规则同时也适用于对上下文无关文法的其它推断方法。
- 李志圣陈永生
- 关键词：文法推断启发规则
- 基于Self-training和Web的术语翻译系统
- 2008年
- 现有基于模式的术语翻译系统存在2个主要缺点,即学习过程依赖人工标定语料和缺乏对模式的评分以及对候选术语的评分太简单。该文将self-training学习机制引入术语翻译系统,在一对训练语料上完成初始学习,在实际运行中自动选择可靠程度较高的术语重新训练,以改进系统性能。该系统中增加了对模式的评分,利用启发规则,扩充了候选术语的评分方法。实验结果表明,改进后系统的性能高于原有系统。
- 李志圣孙越恒何丕康
- 关键词：术语翻译
- 对上下文无关文法中的非终止符的相似性和等价性的判定
- 2005年
- 通过对具体文法的分析 ,定义了上下文无关文法中非终止符的相似性概念 ,提出了判定算法 ,并证明 :若两个非终止符的相似性达到一定程度 ,那么它们必定等价。利用上述结论 。
- 李志圣陈永生
- 关键词：上下文无关文法
- 基于部分平行Web语料的自动术语翻译
- 2009年
- 不借助于任何辞典工具而从Web中自动挖掘出术语的翻译，这是一项有趣且富有挑战性的工作。本文提供了一种基于部分平行Web语料的自动术语翻译方法。首先通过一个术语对，采用Web挖掘技术，获取潜在的匹配模式。接着，在用户对源术语进行翻译时，利用已获取的模式来抽取候选答案集，最后依据评分函数，对候选答案进行排序，并将结果以格式化的形式反馈给用户：本文依据三条层次规则，构造了候选答案的评分函数。实验结果表明，本文所构造的评分函数客观反映了不同匹配模式的不同重要性，且基于部分平行Web语料的方法能够很好地发现源术语的正确翻译，优于现有的技术方案。
- 孙越恒李志圣何丕廉周锦姝
- 一种基于特型结构化串的上下文无关文法的自动推断方法
- 本文给出了一种获取在k深度内完全展开的扩充结构化串的算法;定义了上下文无关文法中非终结符的相似深度概念,提出了判定算法;得到了一个在上下文无关文法中判定非终结符等价的充分性条件;利用该条件证明了对特型扩充结构化串进行自动...
- 李志圣敖丽敏
- 关键词：文法推断
- 文献传递
- 一种新型PACS系统存储方案设计被引量：5
- 2007年
- 在PACS系统存储应用特征分析的基础上,提出对医学图像实施多层存储的思想,并具体设计了医学图像高速存储中数据替换的方法。
- 康晓东何丕廉李志圣杨淑滢
- 关键词：PACS高速存储器
- 基于互联网和self-training的中文问答模式学习被引量：3
- 2008年
- 在已有的问答模式学习中,模式定义和候选答案评分偏于简单,而且学习过程依赖于人工标定语料。通过挖掘W eb文本中动、名词序列的骨架模式,用以扩充模式定义;将self-train ing学习机制引入问答模式学习:用一对训练语料进行初始学习,通过互联网搜索,自动选择可靠程度较高的问答对,重新训练;扩充了启发规则,改进候选答案的评分方法。实验结果表明:所提出的问答模式学习方法能有效地提高中文问答系统的性能。
- 李志圣孙越恒何丕廉候越先
- 关键词：互联网SELF-TRAINING
- 一种基于T-Snake模型的医学图像分割方法被引量：4
- 2008年
- 改进的T-Snake算法首先在分水岭法中,对相邻区域以其像素数、灰度均值和灰度方差定义距离,并据其在图像上建立新的连通图,以对图像过度分割而产生的一些过小区域合并;其次,在模型跨边缘时,利用已分割断层图像中模型内部区域的统计特征,用区域生长法获取内点并重新参数化模型,使模型不再跨边缘,以保证模型形变到正确的边缘。算法在MATLAB上验证通过。
- 康晓东何丕廉李志圣张雪君
- 关键词：医学图像分割形变模型
