小麦新品种对比试验研究

在山西省祁县某村石灰性褐土上进行了8个小麦品种试验。试验结果表明：轮选987具有分蘖力强，生育期略长，株高稍矮，穗大粒多，千粒重高等综合特点，经济产量超过511kg，是8个品种中经济效益最高的。其次是晋太19、晋太65、晋太69等晋太系列。穗大粒重，产量显著高于对照，这4个新品种可以作为该县今后小麦生产品种更换的后备品种。     

英语新课标下教师角色的转变

施行新的《英语课程标准》,要求教师做好充分的心理准备并实现必要的角色转变:教师应该是学生学习的促进者;应该是与学生“平等中的首席”;应该是谦虚的学习者;教师之间应该是紧密的合作者;教师应该做扎实的研究者。     

基于预训练模型和混合神经网络的医疗实体关系抽取

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

长叶苦竹新造林的生长发育规律研究

【目的】为揭示长叶苦竹(Pleioblastus chino var.hisauchii)新造林的生长发育规律,探究不同年龄竹株的秆形特征及不同龄级竹地下茎的鞭根生长情况,为长叶苦竹及其他混生型竹的栽培养护和经营管理提供参考。【方法】调查了南京林业大学溧水白马实验基地长叶苦竹新造林5年时的年龄结构和空间分布,标记整片竹林每株竹子的位置和年龄信息,随机选取3株1～5年生健康无病虫害竹株,测定其地径、株高、枝下高、每节节长和对应的节径等指标。追踪1～5年生竹鞭系,统计鞭段数、鞭节数、岔鞭数、芽数,测量鞭长、鞭径、鞭节长等指标。【结果】随着长叶苦竹新造林的更新,前4年新龄竹株数呈递增趋势。地径、株高和枝下高随竹龄的增长均呈递减趋势,且不同年龄竹株的地径和株高、枝下高和株高均存在线性正相关关系。竹秆每节节径由基部到梢部呈递减趋势,且每节节长和对应的节径存在线性正相关关系。新龄竹每节节径、每节节长、平均节径和平均节长均大于老龄竹。鞭径、总鞭长、鞭段数和芽数随竹龄的增长呈递减趋势。鞭长、鞭节长、岔鞭数和笋芽数随竹龄的增长呈先增后减的趋势,在造林第4年时达到最高。【结论】长叶苦竹新造林的年龄结构呈上...     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

利用时域间断伽辽金算法 求解Tellegen介质中的电磁波

目前,利用时域间断伽辽金方法（DGTD）求解各类介质中的电磁传播问题时,通常考虑求解普通介质本构关系的麦克斯韦方程组。 然而,具有非互易性本构关系的Tellegen介质中的电磁传播非常复杂,且少有研究。基于Tellegen介质的本构关系,推导出了一种适用于该介质的时域间断伽辽金系统矩阵离散方案,准确模拟了平面波在Tellegen介质中的时域传播特性。利用所提出的算法,计算了空气与Tellegen介质的分层空间模型,分析了Tellegen介质对电磁波极化偏转角度的影响;同时,针对不同电磁参数的Tellegen介质,计算了反射波与透射波的电场偏转角度,并将时域间断伽辽金方案计算的结果与文献［1］以及解析解进行了对比,验证了该方法的有效性与可行性。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.