基于图像欧氏距离流形降维的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.     

2005～2017年快速城市化背景下洱海流域不透水表面时空格局分析

近年来随着我国经济建设的不断加快以及城市化的快速发展,工业和人口的大规模聚集造成了不透水表面的快速扩张,这对城市生态环境产生了严重的影响。作为城市化水平的关键指示因子,不透水表面已经被广泛应用在城市生态环境评估中。为了定量的分析洱海流域不透水表面拓展的时空动态特征规律,本文以大理市所在的洱海流域为研究对象,利用2005年至2017年的大理市Landsat 5、Landsat 8遥感影像,提取归一化水体指数(MNDWI)和归一化差值不透水表面指数(NDISI)对洱海流域的城市、道路进行空间分析并提取出不透水表面信息进行空间格局分析。研究结果表明：2005~2017年间,随着城市化的快速发展,洱海流域的植被覆盖率和水体等自然地物覆盖率处于下降状态,而不透水覆盖率从11.6%上升到19.8%,呈现快速持续上升趋势。由洱海水质和其流域内不透水覆盖率线性拟合结果可以得到两者具有一定的负相关性。可以预见洱海水质未来发展中随着不透水覆盖率的增长而下降。因此,在城市发展的同时,应该注重对洱海的综合治理,不能任水质自行调节。本研究结果为洱海流域内城市规划管理和流域(水)环境治理提供参考信息,具有重要的现实意义。     

老挝政治外交领域本体术语集构建研究

政治外交领域本体术语的获取是构建相关领域本体的关键,也是进行信息抽取、信息检索的重要组成部分。文章首先利用现有资源构建了基础术语集,然后利用Word2Vec的新词推荐功能在此基础上进行扩展,最后以融合知网和同义词词林的方法进行词语语义相似度计算,筛选出合格的本体术语构建扩展术语集。由此建立起老挝政治外交领域本体术语集。     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

试论生命的定义

 从微观生物大分子和宏观整体相结合的观点出发，给出了生命的一个定义，这就是：生命是个内禀（外兼信息交流）调控的蛋白质核酸等自组织有机整体。     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。     

融合门控机制的远程监督关系抽取方法

提出一种融合门控机制的远程监督关系抽取方法。首先在词级别上自动选择正相关特征, 过滤与关系标签无关的词级别噪声; 然后在门控机制内引入软标签的思想, 弱化硬标签对噪声过滤的影响; 最后结合句子级别的噪声过滤, 提升模型的整体性能。在公开数据集上的实验结果表明, 相对于句子级别噪声过滤方法, 所提方法的性能有显著提高。     

不同提取方法对沉香精油制备的影响

以西双版纳州蚂蚁结香的沉香木为原料,通过水浴回流提取法、索氏提取法、超声辅助萃取法和微波辅助萃取法制备沉香精油,采用气相色谱-质谱联用法(GC-MS)分析精油成分,根据精油得率、成分种类和组成、特征性组分质量浓度比较4种提取方法对沉香精油制备的影响.结果表明, 4种提取方法制备的精油成分组成相似,主要有倍半萜类、芳香族类、色酮类和脂肪酸类,但质量浓度存在较明显的差异;微波辅助萃取法制备沉香精油的提取率最高、物质种类最多,分别为1.32%和70种,其中反映沉香精油品质的倍半萜类物质和芳香族类物质的种类和质量浓度都高于其他3种方法,分别为19种、 20种和22.29%,12.36%,且脂肪酸类物质的质量浓度最低,为24.30%;超声辅助萃取法所得精油中色酮类物质质量浓度最高,为38.62%,微波辅助萃取法次之,为36.52%;仅有微波辅助萃取法得到的精油中6种特征性物质均有检出,其中沉香螺醇、愈创木醇、苍术醇、(+)-香橙烯、γ-桉叶醇的质量浓度最高,分别为1.53%,1.73%,0.19%,1.47%和1.69%.综上所述,微波辅助萃取法是4种方法中最优的沉香精油提取方法,具有提取率高、精油品质佳的特点.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.