基于共词分析视角的我国移动图书馆研究热点分析

检索了中国知网期刊（CNKI）数据库中关于移动图书馆的论文文献资料，以此为研究基础，借助Bicomb软件分析、确定了出现频次相对较高，同时也可以代表移动图书馆研究领域热点的关键词及其共词矩阵；通过SPSS19.0软件对各个关键词进行了聚类分析、因子分析、多维尺度分析，将我国国内移动图书馆研究领域的热点问题尽可能科学、客观地反映出来，概括了目前我国移动图书馆研究重点以及发展动态，希望为业界的研究专家及学者提供一些参考。     

汉语文化学习词典中观念词的释义研究

文章以待出版的《汉语文化学习词典》中收录的观念词为研究素材，探讨观念词的释义理念、释义方式，提取恰当的释义参数，构建完整有效的释义模式。根据基义内部义素的层级结构和框架语义学，为观念词设置合理的释义参数并建立有效的释义模式。将观念词进行详细分类，按照不同的小类提取释义参数，建立释义模式。观念词的释义要最大程度地满足学习者对于学习汉民族文化的需求，遵循同场同模式原则，顺应学习者的认知过程，以充分发挥文化词典的工具效能。     

驳“不存在限定摹状词的真正指称性用法”

立足其所提出的前指参照用法,挪威学者阿斯海姆近年对限定摹状词的指称性用法提出了挑战,断言不存在限定摹状词的真正指称用法。事实上,阿斯海姆对限定摹状词用法的分析存在不少问题,主要表现在:对实质性指称用法的分析存在着不清晰性和不彻底性;其立足塞尔的主要方面和次要方面思想,对限定摹状词的指称性用法的反驳不充分;将归属性用法与罗素对限定摹状词的分析相对应的做法也是错误的。究其实,限定摹状词的前指参照用法与指称性用法、归属性用法只不过是不同视角的解读,其间并不存在实质性冲突或矛盾,前指参照用法并不如阿斯海姆所认为的那样,可以替代或否定指称性用法。     

基于改进人工鱼群算法优化SVR的预测模型

为了降低参数的设定对支持向量机确度的影响,鉴于人工鱼群算法具有易陷入局部最优、收敛速度慢等问题,提出了一种基于改进人工鱼群算法(AFSA)的支持向量机的网络安全态势预测模型,并与GA-LSSVM、PSO-LSSVM及ABC-LSSVM模型进行对比分析。结果表明:文中提出的改进AFSA优化SVM模型性能优于其他比照模型,具有较高的预测精度,对网络安全态势值预测具有较好的效果。     

基于支持向量机回归的曲面零件涡流测距标定方法

以燃料贮箱筒段外表面聚氨酯泡沫层厚度测量精度要求为例,开展4种常见曲率筒段试件标定试验;提出基于支持向量机回归的涡流测距标定方法,建立提离距离预测模型(LDPM),用于曲面零件涡流测距;研究曲率对涡流测距测量误差的影响规律.根据测量误差产生的原因将测量误差分为两部分:表面曲率误差和其他误差,分析误差分量在传感器量程范围内相对大小的变化规律,为曲面测量误差补偿提供参考依据.此外,对比分析LDPM与常用标定方法获得的标定函数在测量精度、计算速率方面的优劣,为曲面零件涡流测距选用何种标定方法提供建议.研究结果表明:LDPM在传感器量程初始阶段,表面曲率误差对曲率不敏感;在量程中点附近,表面曲率误差绝对值随着曲率的增加,先减小后上升;在终点区域,表面曲率误差绝对值随着曲率的增加而上升.在整个量程范围内的不同测量区间,其他误差保持不变.此外,LDPM可以将测量误差控制在[-0.5, 0.5] mm,精度与5项多峰高斯拟合相当,高于4次多项式拟合,能够满足厚度测量精度要求,无损检测操作方便.     

情感词信息加工的脑神经认知机制研究

情感词是情感传达的重要介质,以往国内外的相关研究也常常把情感词作为情感认知研究的切入点,且取得了许多优秀的成果.文章旨在从情感词认知加工的ERP研究和脑成像研究两方面来探讨其脑神经认知机制,以期对情感词的研究有一个总体的认识,进而为人类情感认知机制的研究奠定基础.     

构建单字词表识别未登录词的方法

针对目前中文分词技术主要依赖于常用词词典,而词典对未登录词识别率较低的问题,提出一种用双词典识别未登录词的方法,即构建一个常用词词典和一个单字词词典,二者相互结合进行分词,有效解决了对未登录词识别效率偏低的问题.实验表明,采用构建单字词表法对未登录词的识别准确率可达90%以上.     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。