基于组合神经网络的语义省略“的”字结构识别

针对语义省略“的”字结构识别任务, 提出一种基于组合神经网络的识别方法。利用词语和词性, 通过双向LSTM (long short-term memory)神经网络, 学习“的”字结构深层次的语义语法表示。通过Max-pooling层和基于GRU(gated recurrent unit)的多注意力层, 捕获“的”字结构的省略特征, 完成语义省略“的”字结构识别任务。实验结果表明, 所提模型在CTB8.0(Chinese Treebank 8.0)语料中, 能够有效地识别语义省略的“的”字结构, F1值达到96.67%。     

规则与统计相结合的副词“也”用法自动识别研究

副词"也"在现代汉语中的使用频率很高,用法也较为复杂,其用法的自动识别对语义理解及句法分析有着重要意义.在已构建的副词"也"用法词典、规则和用法标注语料的基础上,分别采用了规则和统计的方法对副词"也"的用法进行了自动识别,实验结果显示微平均准确率分别为55.20%、62.48%;进而对规则识别结果和统计识别结果进行分析,采用多种方式,依据用法在语料中分布率、规则方法及统计方法识别的准确率以及分布率和准确率的综合等多种方式,将规则和统计结合起来进行用法自动识别,多种结合方式中最高微平均准确率达到了69.95%.     

WiNet：一种适用于无线感知场景的步态识别模型

针对现有基于Wi-Fi信号感知步态识别研究存在的特征获取不足、多人场景下单目标识别准确率低的问题,提出了一种基于频率能量图的步态识别模型WiNet。在对信道状态信息影响因子分析的基础上,选取其中的振幅数据作为步态识别的基础数据;采用频率能量图对原始采集数据进行有效重构使其能够同时容纳步态行为对子载波内和子载波间扰动而产生的有效特征,步态特征的个体辨识度得到较大增强;将频率能量图作为卷积神经网络模型的输入矩阵,经过多组卷积、正则和激活操作,再使用Softmax方法进行分类,得到步态行为对应的个体身份,实现了Wi-Fi环境下高准确率的多人场景单目标步态识别。与全连接神经网络、循环神经网络及基于卷积神经网络的步态识别模型进行了比较,结果表明:WiNet在40人场景实验中识别准确率达到98.5%,识别准确率得到明显提升;在典型强/弱多径效应环境及5种人体状态的对比实验中,WiNet均能达到92%以上的识别准确率,具有良好的识别效果和鲁棒性。     

人工神经网络在信息过滤中的应用

通过分析TextCNN和TextRNN等模型的特点，构建了卷积神经网络与循环神经网络相结合的文本分类模型.在“SMS Spam Collection v.1”数据集上对模型进行测试，选用AUC和Precision等评价指标来评价模型.结果表明，模型有良好的鲁棒性，能够准确识别垃圾邮件.     

基于KPCA与SVM的混合核交通流数据检测

目的针对当前交通流数据识别问题,提出基于KPCA与SVM的混合核交通流数据识别算法,以提高交通流数据识别准确率.方法运用KPCA对数据进行预处理,采用SVM训练分类模型,利用所训练的模型进行识别;以多轿厢电梯交通状态为对象,分别从交通流数据识别分析和仿真实验两方面对所提方法的可行性与精确性进行验证.结果通过与SVM算法、BP神经网络算法进行对比,表明所提方法具有很强的通用性,能有效地预测出交通流,交通流数据识别的准确率达到97. 2%.结论笔者提出的基于KPCA与SVM的混合核交通流数据识别算法可以提高交通流数据识别的准确率,通用性较高,可以实现对目标的实时检测.     

基于SVM和CRF的双层模型中文机构名识别

提出了一种基于支持向量机(SVM)和条件随机场(CRF)的双层模型进行中文机构名识别的方法.第一层模型采用CRF识别简单机构名,并将识别结果传至第二层辅助下一步的识别;第二层采用基于驱动的方法,将SVM和CRF结合进行复杂机构名的识别;最后将两层的识别结果合并,并通过一个后续处理对置信度较低的识别结果进行修正.大规模真实语料的开放测试表明,精确率达到94.83%,召回率达到95.02%,证明了该方法的有效性.     

基于Attention的卷积神经网络验证码识别研究

验证码字符识别技术作为数字图像处理的一个重要应用分支,其目的在于准确、快速地分析验证码所携带的字符内容.已有研究通过构建卷积神经网络进行验证码字符识别,并且取得了一定的效果;但是大部分研究使用特征的浅层信息作为模型的输入,受局部感受野的限制而丢失特征,未能充分分析验证码的深层特征信息,并且未能对特征进行充分融合,造成识别准确度还有一定提升空间.提出了一种基于注意力机制的卷积神经网络模型,首先采用Otsu算法对验证码进行预处理后,输入到VGG16模型提取验证码的特征;然后引入注意力机制,自动学习关键信息,得到不同特征的权重;最后基于卷积神经网络进行特征融合,通过训练后得到验证码识别模型.提出的模型在调用Captcha库生成的验证码数据集上进行验证,结果显示提出的方法在不增加时间成本的情况下,验证码识别准确率平均可达到93.27%,对比ResNet、CNN和CNN7基线方法,分别提升了8%、10%和22%.因此,提升了验证码识别的准确率,促进了自动识别车牌等场景落地,推进了验证码识别技术的发展.     

基于SVM和CRF的双层模型中文机构名识别

提出了一种基于支持向量机(SVM)和条件随机场(CRF)的双层模型进行中文机构名识别的方法．第一层模型采用CRF识别简单机构名,并将识别结果传至第二层辅助下一步的识别;第二层采用基于驱动的方法,将SVM和CRF结合进行复杂机构名的识别;最后将两层的识别结果合并,并通过一个后续处理对置信度较低的识别结果进行修正．大规模真实语料的开放测试表明,精确率达到94.83 %,召回率达到95.02%,证明了该方法的有效性．     

基于cw2vec-BiLSTM-CRF的汽车名称和属性识别方法

用户评论产品时经常带有明确的指向,例如,针对产品的某一部分或某一功能做出评价,因此,评论中的产品名称和产品属性的识别显得尤为重要。文章使用了cw2vec模型对中文文本进行表示,在此基础上,使用双向长短期记忆模型融合了条件随机场模型对产品中的对象和属性进行识别。该方法利用长短期记忆模型对上下文信息进行有效建模,同时利用条件随机场模型作为标签推理层很好地解决序列标签的依赖问题。通过在汽车领域数据上进行实验,实验结果表明cw2vec-BiLSTM-CRF模型在产品名称和产品属性识别任务中的是有效的。与仅使用CRF模型相比,产品名称的识别准确率、召回率、F值分别提升了5.87%、5.59%、5.89%,产品属性的识别准确率、召回率、F值分别提升了6.36%、4.41%and 5.28%。     

基于卷积神经网络的藏文手写数字和字母识别研究

在文字识别领域中,手写体识别比印刷体识别更具挑战性.藏文手写体识别已经成为重要的研究课题之一.本文提出了一种基于卷积神经网络LeNet-5模型的藏文手写数字和字母识别方法.分别采集藏文数字手写体样本和字母手写体样本17768和77636例,并对其进行预处理;然后按8∶2划分成训练集和测试集,并在CNN(LeNet-5)模型上进行训练.经过测试,数字和字母识别准确率分别达到98.81%和97.89%.     

孝感话的“把”字句

孝感市位于湖北省东产经部,属楚语区。孝感话与普通话较接近,但他存在一些差异,如“把”,在孝感话里用法广泛,可用为动词,介词,作介词用于工具语,处置式,被动向,与普通话与有很大的不同,在普通话中有不同的对应形式。这些用法同出一源,孝感话“把”的特点,显示了“把”在地域上的共域上的共时差异,反映了语言历史演变的轨迹,研究孝感话“把”的用法,有助于汉语史和现代汉语的研究。     

基于CNN-LSTM的脑电情感四分类研究

为深入研究脑电信号时空特征之间的关联,解决因手动提取特征导致的脑电情感识别准确率较低问题。将卷积神经网络（Convolutional neural network, CNN）和长短时记忆网络（Long short- term memory, LSTM）相结合,构造出了CNN-LSTM模型。首先,提取了5个频段的5个不同特征：功率谱密度(PSD)、差分熵(DE)、差分不对称(DASM)、理性不对称(RASM)和差分熵差分(DCAU)。其次,将特征输入CNN-LSTM模型,在DEAP数据集中的效价和唤醒两种情感维度上展开四分类实验。最后,将堆栈自编密码器(SAE),卷积稀疏自编码器(CSAE),深度置信网络(DBN)分别与LSTM组合,构造SAE-LSTM,CSAE-LSTM,DBN-LSTM三种混合模型同CNN-LSTM进行分类准确率比较。实验结果表明,DE特征的分类识别效果在五种特征中占最优,β和γ频段上所有特征的识别准确率远高于其他频段,尤其是γ频段。CNN-LSTM模型获得了最高的平均分类准确率92.48%,充分证明了CNN-LSTM模型的有效性。     

古汉语"见"字的用法及其发展

本论文主要探讨古汉语"见"字的用法及其演变、发展。在古汉语中,动词"见"字逐渐演变虚化,发展为助动词、指代性副词和助词。     

现代汉语中的"没有"作为疑问语气词的思考

现代汉语中的“没有”一般认为有两种用法,一种作为“有”的否定式,充当句子的谓语成分,是实义动词;另一种是副词,否定动作或状态已经发生,经常作状语。本文通过大量语料的研究发现“没有”还有一种用法,由动词虚化为副词,又由副词语法化为语气词,经常出现在疑问句末尾,表示疑问语气。     

基于择优学习策略的差分进化算法

传统的差分进化算法在个体变异方面只是利用了随机个体和最优个体的信息.由于选用个体的随机性,导致其搜索效率比较低并且有可能找不到最优解,为此,提出了基于择优学习策略的差分进化算法.该算法选择性地利用种群中比较优秀的个体的信息,克服种群进化过程中的盲目性,增强了搜索能力.通过对多个具有不同特性的标准测试函数进行测试研究,结果表明该方法可以明显减少迭代次数,提高计算效率.     

“结果”的功能及其语法化的共时探讨

从共时角度看,"结果"的功能已经分化,存在着一个由实到虚的连续统,表明该词经历着语法化的过程。从"结果"在共时平面的基本用法出发,运用语法化理论,重点剖析"结果"在语义和语用上的语法化表现及其路径,发现"结果"的语法化是在类推和重新分析机制的作用下进行的,其各用法扩展引申则以认知隐喻为基础,体现了认知上的前景凸显和语义变化中主观性不断增强的过程。     

Should一词的省略用法探源

情态动词should在虚拟语气句型中有时可以省略,有时不能省略,其用法常常使许多英语学习者感到困惑。将时态理解为“表示动作或状态与说话时刻关系的动作词语形式”,便于我们从全新角度认识现在时态、过去时态和祈使句式。在此基础上,作者从语义及句法结构两方面比较分析了should一词在两种虚拟语气句型中的不同用法,并且探究了该词的用法来源。     

丰城话中助词“哩”的考察

"哩"是丰城话中使用频率较高的一个助词。本文拟对丰城话中助词"哩"的分析,得出"哩"总共有"哩1"、"哩2"、"哩3"、"哩4"和"哩5"五种用法。     

基于响应面法的乘用车消声器声学性能优化

针对某乘用车车内、外消声器中频段(0.5~1.5kHz)降噪能力较差的问题,利用响应面法对消声器在中频段的传递损失进行优化.首先,采用Latin超立方法对插入管长度、穿孔板位置和穿孔率等设计变量进行采样,采用声学有限元法计算各样本点在中频段的传递损失;然后,利用Kriging模型建立中频段传递损失的响应面模型,并验证其计算精度;最后,利用遗传算法对该响应面模型的计算结果进行优化.结果表明,与优化前消声器在中频段的传递损失(27.05dB)相比,优化后消声器在中频段的传递损失(41.38dB)增加了14.33dB,其消声性能得到了明显改善.