一种自适应基于暗通道先验的去雾方法

基于暗通道先验去雾方法, 提出一种改进的自适应基于暗通道先验去雾方法, 并使用均方误差对已有雾模型数据库中多组数据进行误差分析. 实验结果表明, 该方法对光线不足或天空等背景的图像实验效果优于已有方法, 并且恢复的图像更接近真实图像.     

采用电聚合方法固定抗体的IgG检测微传感器

采用微电子机械系统MEMS工艺制备微电极芯片，并利用电化学聚合方法将抗体（羊抗人IgG）与吡咯共同聚合在工作电极敏感表面，用于人免疫球蛋白IgG的安培酶免疫检测.该传感器以硅作为基底，铂作为电极，工作电极敏感面积2mm².SU8胶形成的微反应池结构使该传感器试剂用量仅为μL量级.该传感器工作电压-0.3V，线性范围5—655ng/mL，响应时间3min，具有制备简便、响应快、试剂用量少、检测浓度低、微型化、便于集成等优点.     

石子煤负压气力输送运行中异常现象解析

2013年包头第二热电厂对磨煤机输渣系统进行改造。笔者就改造后的石子煤负压气力输送系统运行中出现的问题进行归纳、总结,以期与大家分析、探讨。     

离心铸造梯度功能材料凝固过程的数值模拟

介绍对离心铸造梯度功能材料的成形过程中的温度场、浓度场的计算方法，实现凝固过程中温度和初生相浓度变化的数值模拟。     

云层背景下粒子滤波目标跟踪方法研究

对粒子滤波理论及其实现方法进行了研究.通过模拟实验验证了其优于卡尔曼跟踪的性能,并结合基于双正交小波的边缘形心提取方法和粒子滤波跟踪方法,构建了其跟踪框架.通过粒子数和系统状态转移方程的恰当选择,实现了云层背景下对背景简单的点目标和存在遮挡和旋转变化情况下的大目标进行跟踪.最后通过实验分析了粒子数目和状态方程的选取对跟踪精度的影响.实验证明,结合鲁棒性的小波检测方法和具有"多峰"描述的粒子滤波算法构造成的跟踪器,在运动目标存在局部遮挡和旋转变化等情况下能够实现稳定的目标跟踪.     

基于语义的聚焦爬虫算法研究

针对现存的语义主题爬虫没有考虑主题意义的延伸、页面与主题的相似度计算模型存在的缺陷及主题词项细化过于苛刻导致返回结果较少等不足,采用LDA(Latent Dirichlet Allocation)模型,对主题词项描述文档进行降维,改进语义相似度计算模型.引入语义信息的相似度计算模型(SVSM),用SVSM计算文档和主题模型的相似度.从本体中获取该主题词项的上位词,构建主题上位词的主题模型,爬虫依据现有网络中的主题重新获取主题相关信息,提出语义聚焦爬虫(ESVSM),通过不同主题下多个爬虫进行实验对比,发现所提出的基于主题建模和上位词替换的ESVSM算法在收获率、相关网页数量和网页平均相关度中均优于其他算法,平均抓取精度达到85%.     

双通道循环网络情感三元组抽取方法研究

传统三元组抽取任务的方面词与意见词的抽取相互关联,采用流水线(Pipeline)或联合(Joint)模型架构会存在误差传递、错误传播等问题.基于上述问题,本文设计基于位置提示的双通道循环网络(Position-prompt dual-channel recurrent neural network, PDRN)模型解决三元组抽取任务.采用预训练BERT模型生成词向量作为模型输入,通过双通道显示交互方法在多个循环中建立同步机制,作为两元组(方面、意见)抽取及配对,使用基于位置提示的BERT-BiLSTM模型进行情感极性判别.在3个三元组抽取数据集进行实验,F1值相较最好的流水线模型和同类联合模型提高了1%～2%,在ASOTE任务上F1值相较基线最高提升了2.9%.     

Gabor小波和变形模板的目标跟踪方法

在特征空间中利用Gabor小波和可变形模板实现了航拍图像中目标的跟踪.从图像中提取出一组具有特定参数的Gabor小波,并求出其权重作为目标特征,构成了Gabor小波特征模板.在跟踪过程中,随着目标的旋转、尺度等仿射变化,小波特征模板随之变形,优化了目标的仿射运动参数,实现了对目标的稳定跟踪.由于采用了基于Gabor小波的方法来搜寻最佳点的位置,使得搜寻结果更加精确有效.     

一种新的本体的概念语义相似度计算方法

提出了一种新的语义相似度计算方法。该算法结合了被评估概念的高度、路径长度和公共细化度（specificity）;改进了基于路径的语义相似度算法,利用本体结构,引入基于信息量算法的思想,使得新算法能够获取更多的语义信息,同时又不需要对于文本数据进行预处理;考虑本体中簇的粒度对本体的相似度计算有一定影响,在公式中添加概念在本体中的高度信息,达到低层次的概念间共享的信息要比高层次的概念间共享的信息更多。为了评估所提出的新方法,在实验中,用标准的生物医学系统命名法－临床术语（systematized nomenclature of medicine-clinical terms,SNOMED CT）作为输入本体,用已标注好的概念对集合作为数据集。实验结果表明,所提出的方法不仅保留了基于路径算法的简洁性,还优于现有语义相似度算法,证明了所提出方法的有效性。     

基于类空间密度的文本分类特征加权算法

特征加权是一种依据特征在分类中起到的作用为特征赋予相应权重的过程,是为了提高分类性能而为特征标记权重的策略.基于类空间密度提出了两个新的特征加权算法:tf* ICSDF和ICSDF-based.实验中,在RCV1-4和20 Newsgroups数据集上,采用支持向量机分类器将提出的方法进行了验证.实验结果显示,该方法相比传统的特征加权方法(prob-based、tf*icf和icf-based)可以有效地提升文本分类性能.