基于网络平台的英语学科教科研模式探讨

互联网的发展深入到了我们生活的各个层面,利用网络进行英语教科研是互联网应用的一个很有发展前景的领域。网络与英语教科研有机结合,使传统英语教科研有了巨大改革和长足发展。网络平台的英语教科研具有无限延伸性,利用这种优势,可以极大地提高教师的教学兴趣和教学能力。     

现代高校图书馆的建筑特色探讨

大学图书馆在高等教育事业中发挥着举足轻重的作用。从馆舍外观造型多样化和标志化、馆舍设计人性化等方面对新时期大学图书馆的建筑特色进行了探讨。     

一种实现辐射噪声重构的方法研究

以实测鱼雷辐射噪声为基础，提出一种提限连续谱和线谱的方法，确定了有效线谱的唯一性，建立了辐射噪声的数学模型，完成了辐射噪声源的重构。     

一种基于模型的可视化汽车电子软件需求表示方法

汽车电子软件是一类控制汽车机械和动力部件、实现各种汽车安全和舒适功能的高可靠实时嵌入式软件，其需求分析和设计方法是目前软件工程面临的重要挑战之一。本文主要研究汽车电子软件的需求表示方法，将原始需求划分为多个层次和视角，采用多种图形语言对系统的各个侧面进行表示，并揭示各个部分模型之间的关系，力图以可视化的方式形成问题空间的全景“蓝图”和局部可缩放视图。该方法的使用，有利于降低表示需求的复杂度，便于从需求模型到设计模型的平滑过渡。     

一种改进的模块2DPCA人脸识别新方法

提出了一种改进的模块2DPCA方法,即基于类内平均脸的分块2DPCA算法.该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块进行规范化处理,然后由所有规范化后的子块构成总体散布矩阵,从而得到最优投影矩阵;由训练集的全体子块的平均值对训练样本的子块和测试样本的子块进行规范化后投影到最优投影矩阵,得到识别特征;最后用最近距离分类器分类.在ORL人脸库上的实验结果表明,提出的方法在识别性能上明显优于2DPCA方法和普通模块2DPCA方法.     

特征空间中的边缘检测及样本选择

将子空间分类法拓展到特征空间后，与核主成分分析结合提出了一种边缘检测的方法及其训练样本选择策略。是基于特征空间中的核方法，对图像特征表达建立了统一的模型，可处理非高斯分布的数据。可与经典的边缘检测算子或其他方法相结合，增强边缘检测的效果和稳定性。只需训练一次，便可将边缘特征从一幅与训练图完全不同的测试图中提取出来。实验结果表明，对噪声有很好的鲁棒性，能很好地适应小样本训练，其边缘检测的效果明显比经典算子，主成分分析，非线性主成分分析的效果好。     

名词动化的特殊类型

根据名词动化后与宾语所构成的各种不同的语法关系 ,分析其各自的表义特点 ,概括出 12种特殊动化类型 ,并提出不同的理解和对译公式 ,以期将名词动化研究引向深入。     

FODA方法在企业进销存管理系统分析过程中的研究

本文介绍了FODA方法在企业进销存管理系统分析过程中的实施和应用,通过对领域知识的提取,得出领域中的共性需求,通过领域用例图产生特征模型,并为下一步企业进销存管理系统的设计和实现打下了良好的基础.     

本体关系学习方法研究——概念特征词法

针对领域本体构建过程中获取概念间语义关系的困难, 提出了一种新的本体关系学习方法——概念特征词法, 支持自动化地构建领域概念间的关系集合. 该方法首先基于语境将领域概念表示为特征词向量模型, 然后通过计算向量的相似度来确定两个概念之间是否存在语义关系. 依据领域专家定义的金标准, 对概念特征词法的学习结果做了详细的性能分析. 结果表明: 相较于已有方法, 本文方法的准确率和召回率更令人满意. 概念特征词法可广泛应用于本体构建、文本挖掘和语义检索等领域.     

Design and implementation of prototype system for online handwritten Uyghur character recognition

Based on the analysis of the unique shapes and writing styles of Uyghur characters,we design a framework for prototype character recognition system and carry out a systematic theoretical and experimental research on its modules.In the preprocessing procedure,we use the linear and nonlinear normalization based on dot density method.Both structural and statistical features are extracted due to the fact that there are some very similar characters in Uyghur literature.In clustering analysis,we adopt the dynamic clustering algorithm based on the minimum spanning tree(MST),and use the k-nearest neighbor matching classification as classifier.The testing results of prototype system show that the recognition rates for characters of the four different types(independent,suffix,intermediate,and initial type) are 74.67%,70.42%,63.33%,and 72.02%,respectively;the recognition rates for the case of five candidates for those characters are 94.34%,94.19%,93.15%,and 95.86%,respectively.The ideas and methods used in this paper have some commonality and usefulness for the recognition of other characters that belong to Altaic languages family.