基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

一种基于小波消噪技术的平直度模式识别方法

为了提高平直度模式识别的精度,引入小波消噪技术对平直度信号进行预处理,然后采用以1次、2次、3次和4次勒让德多项式作为平直度基本模式的基于最小二乘原理的多项式回归方法进行模式识别,提出了一种计算精度高、抗干扰能力强的平直度模式识别方法。该方法能够从本质上提高平直度模式识别的精度,计算过程稳定可靠,能够为平直度控制模型提供准确的平直度信息,适合在线应用。     

我国居家养老住宅套型设计研究

居家养老作为我国现阶段大力推行的养老方式,使得对居家养老型住宅设计的研究成为建筑设计领域面临的必然问题.在分析老年人对居住空间特殊需求的基础上,通过对老年家庭结构下的居住模式的分类和研究,归纳出了居家养老居住模式的特征,提出了适合我国国情的、满足居家养老需求的独居型、同住型、邻居型和分而不离型4种主要的居住模式和套型分类.在此基础上,设计出与之对应的住宅套型图,并进行了分析和说明.     

CLUE-S模型在规划环境影响评价中的应用

CLUE-S模型用于模拟土地利用空间变化,可为定量预测生态影响提供技术手段.在总结规划环境影响评价研究现状和CLUE-S模型应用实践的基础上,深入理解CLUE-S模型的模拟机制,针对规划环评特点,确定CLUE-S模型在模拟生态影响过程中的技术步骤和要求.以大兴区为例,通过Logistic回归分析该区域土地利用变化驱动力,利用Erdas、Arcgis等工具获取2001、2005、2007年三期土地利用图,对模型的模拟效果进行检验.在此基础上预测得到大兴区2010年、2015年和2020年的土地利用变化图,借助Fragstats软件计算景观格局指数,进一步分析大兴区规划年由于土地利用变化给景观格局带来的影响,将结果反馈到规划方案中,进而提出优化调整建议.     

应用胶束电动色谱和模式识别技术溯源茶叶产地的研究

采用胶束电动色谱法(MEKC)建立了2类共11个中国红茶样品的色谱指纹图谱,结合模式识别技术对不同产地来源的红茶加以区分.红茶样品的处理方法:去离子水(100℃)浸取10 min.MEKC色谱条件:缓冲溶液25 mMNa2HPO4-KH2PO4-100mM SDS-0.6%甲醇(V/V)-1 mM EDTA(pH7.0...     

基于HS-SPME/GC-MS与模式识别技术判别红茶产地

本文建立一种基于顶空固相微萃取气质联用法(HS-SPME/GC-MS)分析红茶中挥发性组分,并结合模式识别方法实现了红茶的产地鉴别.采用HS-SPME法在100℃提取60 min,热解吸法直接进样气质联用仪(GC-MS)分析.根据挥发性组分的总离子流图,采用聚类分析、主成分分析和线性判别分析等模式识别技术实现了对不同产地红茶的判别.     

基于Land TM和ETM+的北川河流域土地利用研究

根据北川河流域2000年ETM+、1994年和2007年TM共三期遥感影像数据,在RS和GIS技术支持下,分析了研究区土地利用的数量变化和空间变化特征,明确了土地利用变化的主要类型和方向,探讨了土地利用变化的过程,并进行了土地利用变化的景观格局分析.结果显示:该流域土地利用以草地和耕地为主,1994-2007年耕地大面积减少,主要转化为草地和林地;耕地和未利用地朝着规模缩小的方向发展,林地、水域和建设用地朝着规模增加的方向发展,草地变化缓慢;随着时间的推移和经济的发展,各种景观的多样性、破碎度、优势度和分离度发生了不均匀较为复杂的变化,各种景观形态的复杂程度排序为:建设用地>林地>草地>未利用地>水域>耕地.     

江西省红色旅游景区可达性分析及空间结构优化研究

结合江西省非常丰富的红色旅游资源,采用可达性分析方法和人口数据空间化方法,定量分析和评价了江西省主要红色旅游景区的空间结构及其区域效应,从格局调整、景区优化、路网建设等方面提出了江西省红色旅游景区空间结构优化对策,从研究方法层面为红色旅游研究提供了新的思路.     

全光纤安防系统模式识别混合编程的实现

介绍了宽域全光纤监控预警系统及光纤扰动信号模式识别算法.利用小波包分解对信号进行分解与重构,并提取各频段内信号分量能量谱作为特征向量;应用综合考虑观测数据和确定性先验知识的BVC-RBF神经网络实现信号分类,提高了网络的泛化能力.利用Matlab引擎、动态链接库(DLL)、组件对象模型(COM)3种混合编程方法将Mat...     

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.