随园女弟子诗歌的价值评判

清代袁枚晚年大量招收女弟子,女弟子在诗坛的地位并不高,但确有独到之处.其诗歌有较高的认识价值和艺术审美价值.尤其在艺术审美方面,以女性的感觉入诗,诗中含有画意.     

清末民初"废庙兴学"的历史人类学考察

清末民初,伴随着中国文化及乡村教育现代化的步伐,中国乡村社会曾兴起一股"废庙兴学"之风。其最初只是一种有知之士个人在民间的自发行为;清末新政将其作为教育改革的重要内容,在全国广泛推行(实际上只是部分地区执行);民国初年,"废庙兴学"进入了一个高潮期,对推进乡村教育发挥了一定作用,但遇到了宗教文化和乡村传统势力等重重阻力。"废庙兴学"是一个多面体,它既有促进国民教育、提高民众教育程度的积极作用,又扩大了我国民间宗教文化自身的影响,加强了宗教文化的发展与壮大;也可能成为激化民众社会矛盾、危害国民教育的有效实施,其消极影响不可低估。     

Weight measurement using image-based pose analysis

Image-based gait analysis as a means of biometric identification has attracted much research attention. Most of the existing methods focus on human identification, posture analysis and movement tracking. There have been few investigations on measuring the carried load based on the carrier＇s gait characteristics by automatic image processing. Nevertheless, this measurement is very useful in a number of applications, such as the study of the carried load on the postural development of children and adolescence. In this paper, we investigate how to automatically estimate the carried weight from a sequence of images. We present a method to extract human gait silhouette based on an observation that humans tend to minimize the energy during motion. We compute several angles of body leaning and determine the relationship of the carried weight, the leaning angles and the centroid location according to a human kinetic study. Our weight determination method has been verified successfully by experiments.     

用于分布式识别的语音参数的提取和性能分析

主要研究用于分布式语音识别(DSR)的语音参数的提取方法以及参数性能分析。以前所用到的语音参数大部分是LPC倒谱参数,但其抗噪声性能较差。文中主要讨论了MEL倒谱参数,并在移动通信环境下,比较了两者的性能。     

统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

非对称极化散射矩阵的目标识别方法研究

本文针对单基地测量时线性目标的极化散射矩阵为非对称这一实际情况．根据散射矩阵理论将其进行了对称性修正，在此基础之上，利用本征极化作为雷达目标极化特性的表征并进一步提取了目标的极化特征，同时对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

基本图素分类的综合判定

本文采用关于手绘图形基本图素的“角度和变量”与“最大距离”综合判定分类法,以流程图符为例,实现了手绘基本图形的在线机器识别.系统的识别率达94.0%～99.5%,无明显等待.     

滇东牛头山地区早震旦世沉积相及大地构造环境

野外调查和室内分析表明,牛头山地区陆良组、牛头山组应属下震旦统,其沉积相类型自下而上可划分为辫状河相、河口湾相、浅海相、滨海相、浅海相及三角洲相。“牛头山古陆”在早震旦世是不存在的。牛头山地区当时为被动大陆边缘。     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...