俄英医学同义术语的类型划分及英俄、汉俄医学词典编纂启示

同义现象是术语学界长期关注的热点问题,也是当代极具现实意义和有争议的问题。术语的同义现象是建立在表达同一个专业概念的不同术语单位基础上的一种语义关系。通过对医学各领域同义术语(主要是俄语和英语)的分析和描写,划分同义术语的类型,确定现代医学术语的特点,进而发现现代医学双语(主要是英俄、汉俄)词典中暂时还缺乏关于在术语系统功能化条件下使用某一同义术语的相关信息。因此,英俄、汉俄医学词典应对同义术语做相关的信息标注,以帮助使用者选取某一具体医学领域最适合的同义术语。     

新中国成立初期的中小学教科书编纂与术语规范

教科书编纂对术语规范、固化、推广具有重要作用。新中国成立初期教科书编纂与术语规范在机构、人员、业务方面有延续、接近、交叉。课程标准关于术语使用的专项要求、教科书编纂对于术语的具体引入和使用,强化了术语的规范和推广。当时的教科书编纂与术语规范推广的互动,对新时代加强术语规范、推广策略和路径,具有启示意义。     

高校新会计制度下的财务软件应用问题探讨

针对财政部于2014年1月1日颁布并实施的新修订的《高等学校会计制度》,分析了新旧制度在财务软件应用上的变化,理清解决思路;以神州浩天财务软件4.5版为例,探索适应新高校会计制度的具体操作方案。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

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.     

术语学视角下的美军军语词典研究

文章对比了美军参谋长联席会议近3年修订的5版《美国国防部军语及相关术语词典》中词条的更新情况,并从术语学视角,结合相关条令的出台,分析了有关电子战、网络战、太空战、战区陆军和撤退行动等词条更新的原因,论证了文章观点:军事术语的改变反映出某个特定军事领域知识的更新换代,并探讨了研究美军军事词典给予我军军语工作的重要启示。     

基于短语级情感分析的不良信息检测方法

针对基于关键词字符匹配和粗粒度情感分析方法的传统不良信息检测方法准确率低的问题,提出一种基于短语级情感分析的不良信息检测方法.该方法制定语法规则来提取敏感词所在短语,结合二次分类的情感词典,通过分析短语的情感倾向来判断表达者对敏感关键词的情感倾向,从而判定内容的敏感性.本文方法克服了字符串匹配方法的缺点,如:传统的字符串匹配方法忽视敏感词上下文,从而导致大量误报的缺点,及粗粒度情感分析方法由于无法准确定位情感对象,只能以文本整体情感倾向代表表达者主观情感,导致不能精准分析与敏感词相关的情感倾向及敏感性.实验表明,本文方法与传统方法相比,准确率有较大的提升.     

基于LS-SO算法的情感文本分类方法

首先, 基于点互信息与信息检索(PMI IR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、 高质量的情感词典, 包括基础情感词典、 目标情感词典、 网络用语情感词典、 表情符号情感词典、 否定词词典、 疑问词词典、 程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。