基于元路径异构网络嵌入的姓名实体消歧方法

为了解决大型学术数据库中重名作者的歧义消解问题,提出了基于元路径异构网络嵌入的姓名实体消歧模型。使用大型在线学术搜索系统DBLP上的公开数据集,首先抽取学术出版物的作者信息、标题和会议期刊名称等特征属性,再利用word2vec模型工具生成的特征属性词嵌入输入到GRU网络中进行训练,构造出一个PHNet矩阵网络进行随机游走操作,从而捕捉不同类型节点之间的关系,最后进行相似节点的划分,完成姓名消歧工作。实验结果显示,新方法的精确度为0.865,召回率为0.792,F_1值为0.815。基于元路径的异构网络嵌入模型的精确度、召回率等指标都优于对比模型。因此,所提出的模型在提高大型学术数据库的消歧精准度方面具有良好的应用前景。     

白光OLED显示器件研究进展

白光OLED显示器件具有高对比度、超广视角和大面积柔性显示等优点,在大尺寸超高清显示领域有巨大的应用潜力。目前,白光OLED显示器件主要采用RGB三色子像素或RGBW四色子像素及彩色滤光片来实现全彩化显示。本文首先介绍了实现OLED全彩化的显示方法,然后介绍了白光OLED显示器件的主流结构,最后介绍了提高白光OLED显示性能的主要途径。     

用治疗药物预防牦牛双芽巴贝西虫病

用治疗双芽巴贝西虫病有效的药物贝尔尼（Ｂｅｒｅｎｉｌ）和黄色素（ａｃｒｉｆｌａｖｉｎｅ），在发病季节前１０～１５天给药预防牦牛（含犏牛、黄牛）双芽巴贝西虫病，取得满意效果．由于牛双芽巴贝西虫的传播媒介是蜱，因此在采用治疗药物预防本病的同时，不应忽视灭蜱措施．     

白光OLED显示器件研究进展

白光OLED显示器件具有高对比度、超广视角和大面积柔性显示等优点,在大尺寸超高清显示领域有巨大的应用潜力。目前,白光OLED显示器件主要采用RGB三色子像素或RGBW四色子像素及彩色滤光片来实现全彩化显示。本文首先介绍了实现OLED全彩化的显示方法,然后介绍了白光OLED显示器件的主流结构,最后介绍了提高白光OLED显示性能的主要途径。     

一种改进模板匹配的车牌字符识别方法

提出了一种改进模板匹配的车牌字符识别方法。详细介绍了车牌字符识别的过程,主要包括模板的建立,基于弹性网格的字符特征提取,模板匹配的步骤及改进方法。运用该方法不仅可减少计算量,而且提高了实时性。实验结果表明,提出的方法具有效率高、精确度好等特点,识别率可以达到90%以上。     

基于多特征融合卷积神经网络的人脸表情识别

针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。     

通用多媒体实验教学课件的开发与制作

介绍了通用多媒体实验课件开发与研制的思路,以及以微机原理实验为例,介绍了课件的开发与制作过程,并探讨了多媒体辅助教学方式在实验教学中的应用。     

Java Applet小程序的数字签名和客户端认证

数字签名正成为网络安全传输中的一种重要技术,介绍了如何使用JDK提供的签名工具、密钥管理工具和策略编辑器等工具对Java Applet小程序实现数字签名和认证的方法。该方法可以突破浏览器在安全性方面的某些限制,是一种实用、简单和可靠的方法。     

异构网络表示学习方法综述

现实生活中存在的网络大多是包含多种类型节点和边的异构网络,比同构网络融合了更多信息且包含更丰富的语义信息。异构网络表示学习拥有强大的建模能力,可以有效解决异构网络的异质性,并将异构网络中丰富的结构和语义信息嵌入到低维节点表示中,以便于下游任务应用。通过对当前国内外异构网络表示学习方法进行归纳分析,综述了异构网络表示学习方法的研究现状,对比了各类别模型之间的特点,介绍了异构网络表示学习的相关应用,并对异构网络表示学习方法的发展趋势进行了总结与展望,提出今后可在以下方面进行深入探讨:1)避免预先定义元路径,应充分释放模型的自动学习能力;2)设计适用于动态和大规模网络的异构网络表示学习方法。     

GC-MS结合保留指数分析轮钟花根的挥发性成分

采用气相色谱-质谱技术(GC-MS)结合保留指数(RI)对不同方法提取的轮钟花根挥发性成分进行分析,结果表明：轮钟花根的挥发性成分以酸类、烃类、酯类和醇类为主,确定为76种化合物,其中,水蒸气蒸馏法、索式提取法和超声辅助萃取法各确定根中24,45,39种化合物,三种方法提取的质量分数最高的成分均为亚油酸.