简介:编码解码框架及注意力机制已成功应用于自动文摘,但传统的自动文摘方法过于关注解码部分对显著性句子的抽取,且仅考虑了每个句子之前的历史信息,在文档编码过程中并未发掘句子间的联系及句子与整个文档的相关性。针对上述问题,提出了一种基于自交互注意力机制的、具有编码器解码器结构的文本摘要模型(ESSA)来自动获取抽取式摘要。ESSA先获取文档的整体信息,再计算不同句子间的关联信息,最后将二者结合得到丰富的文档向量表示。试验结果表明,ESSA效果明显优于基准模型,该模型的ROUGE1、ROUGE2、ROUGE3、ROUGE4和ROUGE—L评分与较好的基准模型相比分别提高了7.4%、24.3%、13.4%、7.1%和7.6%。
简介:提出了一种新的恒虚警检测算法SOSGO-CFAR。该算法应用检测单元采样作为选择参考单元的依据,使用了基于转换恒虚警(S-CFAR)和排序选大恒虚警(OSGO—CFAR)的复合算法。文章给出了该算法在均匀背景中的数学分析。并在均匀背景、杂波边缘和多目标情况下,用MonteCarlo方法进行了仿真分析。结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在杂波边缘环境中,具有接近OSGO-CFAR的性能,且在多目标环境中,其性能明显好于S-CFAR。