一种基于模糊量相似度测量的模糊数据关联方法

介绍了一种用于汽车雷达多目标跟踪的模糊数据关联方法，这种基于模糊量相似度测量的方法简单，便于实现，首先将传感器的量测值与目标的估计值模糊化，然后计算两个模糊量之间的相似度，得到相似度矩阵，最后根据相似度的大小确定量测与目标之间的关系，蒙特卡洛仿真验证了这种方法的有效性。     

基于偏序结构相似度的多准则决策

针对决策者只能提供决策方案的序数偏好信息的多准则决策问题,提出了基于偏序之间相似度的多准则决策方法.该方法运用模糊相似关系确定相似度,通过计算控制指标和被控指标,分别得出方案集的两个预序排列,然后将这两个全预序排列合并成方案集的最后排列.该排列具有更符合现实决策行为的偏序结构.举例说明了该方法的可行性.     

基于语义相似度的话题关联检测方法

为有效识别任意两篇报道的相似性,提出了一种基于语义相似度的话题关联检测算法.该算法首先通过计算特征词之间的相对熵作为两篇报道中特征词之间的语义相似度;其次,通过计算平均语义相似度获得特征词和报道之间的关联度;最后,结合特征词在语料库中的TF-IF(term frequency-inverse document frequency)权重计算两篇报道之间的关联度,实现报道之间的关联度检测.本文提出的方法与现有的向量空间模型方法和仅依赖于平均点互信息的方法进行了比较,并通过TDT4中文语料进行测评,结果表明,基于语义相似度的关联检测方法能够更好地利用文本的语境信息,提高了现有检测系统的性能,其最小DET(detection error tradeoff)代价降低了3%.      

一种新的区间值模糊集推理方法

在两向量相似度的基础上,定义了两个区间值模糊集在一点处相似度,然后在此基础上提出了一种新的模糊推理方法——区间值模糊集相似度推理方法.并且对该种方法的还原性进行了讨论,给出了满足还原算法的条件.     

一种新的区间值模糊集推理方法

在两向量相似度的基础上, 定义了两个区间值模糊集在一点处相似度, 然后在此基础上提出了一种新的模糊推理方法--区间值模糊集相似度推理方法.并且对该种方法的还原性进行了讨论,给出了满足还原算法的条件.     

改进概念相似度的本体迁移学习

提出了一种改进候选相似概念集选取方法,滤除了没有计算意义的概念.进而根据本体中概念的特点和信息内容提出了一种改进概念相似度计算方法,最后使优化本体能够迁移学习.实验结果证明了该方法对概念相似度的计算有效,本体能够成功迁移学习.     

改进概念相似度的本体迁移学习

提出了一种改进候选相似概念集选取方法,滤除了没有计算意义的概念.进而根据本体中概念的特点和信息内容提出了一种改进概念相似度计算方法,最后使优化本体能够迁移学习.实验结果证明了该方法对概念相似度的计算有效,本体能够成功迁移学习.     

从自动分词角度看先秦与现代汉语词汇区别

自动分词是古今汉语信息化所面临的共同课题。但古今汉语存在较大区别,现代汉语分词方法难以直接应用于古代汉语分词。为更好地借鉴现代汉语分词方法,探索符合先秦汉语的分词方法,从语言开放度、语言发展的表现及阶段、复音词的分布及构成、高频词的分布四个方面对先秦汉语与现代汉语的词汇进行了比较。发现先秦汉语既有区别于现代汉语的分词难点,又有独特的分词优势。     

基于相似度的图像变形效果的客观度量方法

给出了评价图像变形效果的新方法.首先,计算中间帧之间的相似度,由这些相似度值生成一条曲线;然后,在图像计算机动画领域首次提出图像变形真实感度的概念.它通过计算曲线与坐标轴,曲线插值点处的曲率和其他一些衡量标准得到.试验表明,它是一有效的度量图像变形效果的客观方法.     

基于案例模糊推理的应急物资需求预测研究

应急物资是应急救援工作的物质基础和基本保障,如何准确预测灾害应急物资需求量直接关系到突发事件应急救援工作顺利高效的开展.本文通过考虑案例对特征因素的隶属度,提出了运用Hebb学习规则调整特征因素权重值,以贴近度来计算案例间的相似度,寻求最佳相似案例,建立物资需求预测模型解决灾区应急物资需求问题的案例模糊推理方法.最后,以实例分析了该方法的可行性和合理性.该方法很好地解决了信息不精确条件下应急物资需求的预测,为应急决策者提供一定的理论参考依据.     

英语强调表达法浅析

在说话或者写文章过程中,有时为了使语句有力或为了强调句中的某一成份,我们通常用强意表达法。所使用的强意词或强意结构都是用来修饰一个词或一个句子,加强词义和语义,以突出被强调部分。本文对英语中的强调表达方法进行了分析。     

象声词的虚实归属

象声词是以音表音的特殊词类,除具备一般语言符号的任意性、社会性和系统性特征外,还具有独特的语言特征。从语法功能上看,象声词在句中充当状语和定语所占比率较高;从声调上看,四声调中以阴平调占绝对优势;在运用上,具有任意性和限制性的双重特性等。虽然现在语法学界对象声词的研究越来越重视,但仍然不够深入,还有许多问题比较模糊。其中,象声词的虚实归属问题,一直没有得到很好的解决。文中根据词的意义标准和语法功能标准,并与形容词、叹词进行比较,认为象声词应归属于实词。     

Chinese to Braille translation based on Braille word segmentation using statistical model

Automatic translation of Chinese text to Chinese Braille is important for blind people in China to acquire information using computers or smart phones. In this paper, a novel scheme of Chinese-Braille translation is proposed. Under the scheme, a Braille word segmentation model based on statistical machine learning is trained on a Braille corpus, and Braille word segmentation is carried out using the statistical model directly without the stage of Chinese word segmentation. This method avoids establishing rules concerning syntactic and semantic information and uses statistical model to learn the rules stealthily and automatically. To further improve the performance, an algorithm of fusing the results of Chinese word segmentation and Braille word segmentation is also proposed. Our results show that the proposed method achieves accuracy of 92.81% for Braille word segmentation and considerably outperforms current approaches using the segmentation-merging scheme.     

基于文本挖掘的道路运输安全风险源辨识模型

为了解决当前道路运输安全风险源辨识工作中数据短缺和人员工作量较大的问题，从文本挖掘的角度出发，提出一种能够自动辨识道路运输过程中安全风险源的模型. 该模型首先对道路运输文本进行因果句提取，并对因果句进行分词操作，实现安全风险源特征的增强；其次，进行适应卷积神经网络（convolutional neural networks，CNN）输入的、包含词信息和位置信息的特征构造；然后，将特征构造的结果输入到CNN实现安全风险源的辨识；最后，利用道路交通事故报告进行实验. 实验结果表明:提出的辨识模型能辨识大部分的道路运输安全风险源因素，准确率约为77.321%.      

英语词汇层面上的理解在阅读中的作用

英语阅读教学在我国英语教学中占有重要地位。词汇是阅读理解的基础,处理词汇的能力也是提高总体阅读水平的重要组成部分。作从理论上对词汇层面理解技能的本质、组成、目的及功能进行了探讨。并以实验结果证明、揭示了词汇层面理解与阅读过程中局部理解的关系,指出理解词的字面意义、功能意义、语境意义、及引申意义的重要性,并论证了在语言教学中加强词汇理解技能训练的重要地位。     

FIDIC合同条件语言的二维性分析

本文从词汇、句式和语篇三个层面研究了FIDIC合同条件的语言特点,认为该合同范本语言的词汇和句式层面具有精确性和模糊性共存的二维性特征,而高度程式化语篇结构的设计又突出了条款语言精确性的特点。     

Automatic Multi-Document Summarization Based on Keyword Density and Sentence-Word Graphs

As a fundamental and effective tool for document understanding and organization,multi-document summarization enables better information services by creating concise and informative reports for large collections of documents.In this paper,we propose a sentence-word two layer graph algorithm combining with keyword density to generate the multi-document summarization,known as Graph Keywordρ.The traditional graph methods of multi-document summarization only consider the influence of sentence and word in all documents rather than individual documents.Therefore,we construct multiple word graph and extract right keywords in each document to modify the sentence graph and to improve the significance and richness of the summary.Meanwhile,because of the differences in the words importance in documents,we propose to use keyword density for the summaries to provide rich content while using a small number of words.The experiment results show that the Graph Keywordρ method outperforms the state of the art systems when tested on the Duc2004 data set.     

基于TF-IDF-MP算法的新闻关键词提取研究

TF-IDF算法使用词频和逆文档频率来判断文章中词语的重要性,但类别区分效果不是很好。为提高分类效果,提出TFIDF-MP算法。首先对语料库中的文档进行段落标注,利用jieba分词工具分词并标注词性,然后根据特征词在单个文档中出现的次数与该特征词在语料库所有文档中出现的平均次数进行比较,采用改进后的Sigmoid函数调整特征词权值,同时根据相关文档的段落位置重要程度赋予不同的位置权重,根据特征词权重大小排序后用朴素贝叶斯分类器对文档进行分类。实验结果表明,TF-IDF-MP算法应用到新闻分类中,精确率、召回率和F1值等评价指标较TF-IDF及相关改进算法都得到较好的提升。     

词频对中国大学英语学习者词汇习得的影响

本文通过10个生造词为目标词,从接受和产出两个角度,研究不同的词汇复现频率对词汇的正字法、联想、语法功能句法和意义五个方面习得的影响。150名非英语专业大学生被分为五个组(一个为控制组),在分别进行1次,4次,8次,及10次单词的重复阅读任务之后参加了10个无差别的词汇测试。结果显示词汇重复会影响学习者对词汇知识习得,对词汇的全面掌握需要10次以上的重复。