基于自注意力机制的科技术语自动提取技术研究

科技术语提取是科技术语自动处理的重要环节,对后续的机器翻译、信息检索、QA问答等任务有重要意义。传统的人工科技术语提取方法耗费大量的人力成本。而一种自动提取科技术语方法是将术语提取转化为序列标注问题,通过监督学习方法训练出标注模型,但是面临缺乏大规模科技术语标注语料库的问题。文章引入远程监督的方法来产生大规模训练标注语料。另外又提出基于自注意力机制的Bi-LSTM的模型架构来提高科技术语提取结果。发现新模型在发现新的科技术语的能力上远远优于传统机器学习模型(CRF)。     

锂吸附剂失活机理及再生工艺研究

对工业装置中的吸附剂中毒机理进行了分析，并对中毒后吸附性能的再生开展了研究。通过X射线能谱（EDS）、X射线衍射（XRD）和扫描电子显微镜（SEM）等表征手段分析了吸附剂中毒机理，发现传质孔道被含镁沉积物堵塞是吸附剂中毒的主要原因，导致传质面积降低，进而影响吸附容量。在此基础上，研究了多种吸附剂的再生工艺，并对铵盐再生工艺进行了优化。结果表明：当铵盐处理液质量浓度为0.6 g·L^-1、恢复时间为97.6 h时，能满足工业生产的处理要求。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

一种HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于深度学习的岩石铸体薄片图像孔隙自动提取

岩石铸体薄片图像中孔隙区域的准确提取是分析评估工作的前提。但目前传统的孔隙提取方法主要是通过颜色特征进行阈值分割，精度较低，需加入大量的人工交互操作才能提高精度。因此提出一种新的基于深度学习的孔隙区域自动提取算法，该算法基于U-net搭建网络基本框架。首先，网络在编码阶段加入残差块来提升网络的深度。其次，针对残差块进行优化并引入空洞卷积，提取更全局、语义层次更深的特征。最后，在解码阶段加入网络模块间的短连接，提出新的融合特征方法，更好地将浅层特征与深层语义特征相结合，得到更加精细的孔隙区域。实验结果表明，该方法优于传统的孔隙提取方法，具有更高的分割精度且无需人工操作，与主流卷积神经网络相比也具有更高的精度和平均交并比。     

基于NER的石油非结构化信息抽取研究

随着"智能油田"的建设加快，构建基于海量石油数据的智能分析系统意义重大。然而，由于石油生产过程中产生的文本数据往往无结构且类型多样，从中抽取关键信息进行分析成为一个研究热点，而信息抽取又需要高质量的语义实体做支撑。根据这一特定问题，提出基于命名实体识别（Named Entity Recognition，NER）技术针对石油非结构化文本进行信息抽取，构建双向长短时记忆（Bidirectional Long Short-Term Memory，Bi LSTM）网络模型提取语料特征，并结合条件随机场（Conditional Random Field，CRF）做分类器，构建了基于Bi LSTM+CRF的高精度NER模型，针对石油工业领域的非结构化文本进行命名实体抽取。通过在修井作业文本数据集上进行对比实验表明，本方法具有较高的精确率和召回率。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

钙化焙烧提钒废渣代粘土配料煅烧水泥熟料试验

通过钙化焙烧法提钒废渣成分分析,探讨替代粘土质原料与电石渣、硫铁矿渣组成生料在不同配比和烧成温度下煅烧水泥熟料研究,对烧成熟料进行物理检验、X射线衍射(XRD)及电镜扫描(SEM)分析。结果表明,采用率值KH=0.96、SM=2.01、IM=0.86,1450℃下烧成的水泥熟料各项性能指标均符合GB/T21372-2008《硅酸盐水泥熟料》中通用水泥熟料要求,所制得的熟料中游离Ca O质量分数和矿物组成达到硅酸盐水泥熟料中水泥熟料的基本化学要求,说明钙化焙烧提钒废渣可作为粘土质原料。     

一种新的维吾尔文字幕关键帧提取方法

为了快速有效地提取视频中含有维吾尔文字幕的关键帧提出一种新方法.该方法首先运用多尺度Harris角点检测,结合维吾尔文字笔画特点,完成字幕关键帧的初步提取;然后利用最小二乘法拟合直线,根据两条拟合直线的角度偏离情况对初步提取的结果作去冗余处理,得到最终字幕关键帧.实验结果表明:该方法快速简单,提取结果的准确率达到93%,具有很好的适应性.