浅谈语境的构成因素

国内外研究语境的学者对语境进行过很多的分类,但是众说纷纭,莫衷一是,究其原因是因为这些学者的研究方向不甚一致,在进行语境分类时的出发点不同,有的是侧重语言角度,有的又偏重修辞手段。因此,他们在划分语境类别时,所考虑的语境构成因素就不一样了,这就导致了这纷繁复杂的局面。本文就想在这方面作些尝试,找寻一些语境所共有的构成因素,作为划分语境类别的科学依据。     

浅议语境的分类

语境分类的目的是为了认识语境的本质,研究语境与言语表达的内在联系,寻找语境的内在规律。其方法是将它的的构成因素按一定的原则有序地加以归类,形成一个条理清晰、层次分明、具有理论上的科学性和操作上的简便性的系统。因此,这个问题既同语境的构成因素密切相关,又比它更加复杂。笔者认为,语境的分类除了必须遵循相关的原则之外,还应该在充分考虑交际中的言语环境诸因素的基础上来进行。     

IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

语境在语用学研究中的功能与作用

语境就是语言的使用环境。有学者认为，语用学其实就是一门语境学。中外学者对语用学下的定义尽管多种多样，但大都是从语境这一因素出发。从语用学的研究内容和范围（如语用含义、语言环境、前提关系、言语行为）诸方面看，语境都是最重要的。所以说，语境在语用学研究中占有核心地位作用。     

语用学和语境论析

语境因素是语用学研究的重要概念之一，特别是背景知识和情景知识在语用学的分析中有重要的作用。语用前提是一个特定的语境下使一句话具有必要的社会合适性所必须满足的条件。语用前提必须是谈话双方所共知，而交际双方所共有的知识是语境的一个重要构成因素。应用言语行为理论解释话语主要借助隐藏在话语内的一些恰当条件、构成性规则知识和具体的语境情景。会话含义中的语境是为了使语言交际活动达到特定的目标，谈话双方都应遵守的普遍原则。     

基于生成对抗网络的入侵检测类别不平衡问题数据增强方法

数据类别不平衡问题是制约机器学习技术在入侵检测领域应用效果的重要因素。当训练数据不均衡时,训练得到模型的分类结果往往倾向多数类,从而极大影响分类效果。针对基于机器学习算法进行入侵检测时训练样本不均衡以及由于数据隐私性导致训练样本不足和更新慢的问题,提出一种基于生成对抗网络和深度神经网络相结合的入侵数据增强方法,以实现样本集的类别均衡。通过NSL-KDD数据集对模型评估,本文所提方法不仅具有较高的准确率,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

会话含义分类的几个问题

对格莱斯"会话含义"分类及各含义类别的讨论在语用学领域由来已久。本文主要比较了会话含义分类下的规约含义、一般会话含义及特殊会话含义;此外还将规约含义与语言预设现象进行区分。通过讨论可以得出,尽管规约含义与一般会话含义及预设有相似之处,但可依靠可取消性将它们分开;对一般会话含义与特殊会话含义的划分可依据语境量的大小。     

阶层结构决定收入不平等

中国社会科学院人口与劳动经济研究所研究员张翼和日本名古屋大学经济科学部教授薛进军在对当前中国阶层进行关系意义类别划分的基础上，分析了中国各阶层的收入不平等状况。研究发现，由业主阶层和新中产阶层所组成的上层阶层在劳动力中所占比重较小，但却占有了收入的较大份额；农民阶级和工人阶级占劳动力的绝大多数，但却在收入中占有较小的份额。人们所处的阶层位置，深重地影响着其收入所得。即使只考察教育收益率，也是上层阶层远远高于下层阶层。两位学者认为，中国收入差距很难在近期缩小。     

结合信息增益率和K-means聚类的协同训练算法

【目的】针对标准协同训练中视图分割不充分冗余导致两个分类器误差累积加大，且两个分类器对同一个未标记样本分类不一致的问题，提出了结合信息增益率和K-means聚类的协同训练算法。【方法】该算法先根据有标记样本计算出数据中每一个特征的信息增益率，将信息增益率高的特征平均划分到两个视图，再在每次分类过程中应用K-means聚类确定标记不一致样本点的最终类别。【结果】通过在9个UCI数据集上的3组实验表明，与对比算法相比，所提算法中两视图分类器的平均正确率差值降低了2.9%，有效均衡了分类器性能，同时在分类准确率和算法稳定性上也有较大提升。【结论】利用信息增益率将关键特征均衡划分到两个视图，有效解决了视图分割不充分冗余问题；K-means聚类重新分类标记不一致的样本，降低了样本被误分类的概率。     

基于因素空间理论的扫类连环多分类算法

为解决多分类问题,基于因素空间理论中因素显隐的思想,在扫类连环分类算法基础上,定义类别的合并,提出因素显隐的合并扫类连环分类方法,给出算法步骤,并用数值算例进行分析;定义类别的两两组合,提出因素显隐的两两扫类连环分类方法,给出算法步骤,并用数值算例进行分析。提出采用因素显隐的差额绝对值方法解决两个算法执行过程中出现的决策类别分不开的问题;对UCI数据集中3个实例与支持向量机作了算法对比分析,研究结果表明：提出的合并扫类连环分类方法、两两扫类连环分类方法实现了因素显隐,分类算法的精确度优于支持向量机。多分类学习的因素显隐研究结论拓展了因素空间的理论及应用研究。     

基尼指数结合K均值聚类的协同训练算法

【目的】针对在标准协同训练中不具有充分冗余的视图分割,致使分类器错误累计过多,以及一对基分类器标记样本类别不一致的问题,提出了基尼指数结合K均值聚类的协同训练算法。【方法】该算法首先计算已标记样本中各特征的基尼指数,将该指数升序排列后均等划分到两个视图,然后在基分类器所标记的样本中,运用K均值聚类确定标记不一致样本的类别后加入标记样本。【结果】通过9个UCI数据集在3组实验上的结果表明,所提算法相较于对比算法提升了分类效果。【结论】运用基尼指数均等划分关键特征于两个视图,有利于改善视图分割不充分冗余的缺陷;K均值聚类法对分类不一致样本进行重新标记,降低了协同训练算法中的误标记率。     

模拟退火马氏链的尾事件结构

由模拟退火算法所引出的非时齐马氏链问题已经引起概率论学者的极大关注。本文试图按其轨道的渐近性质将状态空间进行分类，区分了常返态和瞬时态，且将常返态划分为一些渐进连通的互不相交的子类，而这些子类对应于尾σ－代数的原子集。     

利用众数滤波对监督分类训练样本纯化的研究

分析了当遥感分类类别存在光谱特征重叠时。以训练区数据估计类别总体特征发生偏差的原因和性质，提出运用众数滤波(Majority滤波)对训练B-进行纯化。一个例子的研究表明，尤其在提取某一类或少数几类专题信息时，如果不关心其余专题信息的提取精度，Majority滤波是一种较好训练区纯化方式。     

语义的信息指向与词性的理论界定

根据语法学规则，词的语法分类以一定的理论依据为标准，相应具体语言环境中的每一个词就有了理论上的词性划分。在日益变化发展的语言实践中，面临特定语境中某些词语的词性界定．传统语法理论已显单薄，而语义的信息指向可引入进一步的研究和探讨。     

基于高分辨率遥感影像的广州城市土地覆被分类系统

土地覆被分类系统是城市景观研究的基础。近年来对地观测技术发展迅速,遥感影像的质量与分辨率有了极大的提升,为土地覆被的研究提供了强大的基础数据,而科学合理的分类系统则是土地覆被研究的前提。根据不同的研究目的和遥感数据的特点,各国学者先后提出构建不同层次不同类型的土地覆被或土地利用分类系统,但迄今仍没有一个为国际学术界广泛认可和具有普适性的分类系统。本文基于多光谱与全色波段融合后的2 m分辨率高分一号影像数据,依据地物自然属性、形态及光谱特征,提出了一个适用于城市区域的土地覆被分类系统,并以广州市为例图示了分类结果。该分类系统着重于城市生态系统的特点,为非重叠的层级体系,第一、二层级有固定的类别与依据,第三层级为开放性层级。其中一级类别划分为建成区、植被、水体和裸地4类,二级类别分别划分为商住区、工业区、道路;林地、灌从、草地、农田;河流、库塘等9类。分类结果包含二级类别的全部土地覆被类型,总体精度达到90.1%,符合技术要求,具有推广意义。     

语用学和语境论析

语境因素是语用学研究的重要概念之一,特别是背景知识和情景知识在语用学的分析中有重要的作用。语用前提是一个特定的语境下使一句话具有必要的社会合适性所必须满足的条件。语用前提必须是谈话双方所共知,而交际双方所共有的知识是语境的一个重要构成因素。应用言语行为理论解释话语主要借助隐藏在话语内的一些恰当条件、构成性规则知识和具体的语境情景。会话含义中的语境是为了使语言交际活动达到特定的目标,谈话双方都应遵守的普遍原则。     

电子收费系统与车型自动识别

电子收费系统是智能运输系统在公路收费领域的具体表现，可解决收费站的瓶颈作用，交通拥挤、排队等问题。而在收费的过程中，车辆的类别是决定通行费的标准因素之一。传统的收费方式车辆的类型通常由收费员通过目视人工划分，这样分类主观性很大．标准也不统一，所以有必要在电子收费中引进车型自动识别等先进技术。     

综合经济电子政务模型设计及技术实现

针对宏观经济领域电子政务建设，从总体规划层面，用分类表述法对山西省“综合经济电子政务平台”建设的基本定位进行了研究、归纳、分类；按照所划类别的功能、作用和相互关系设计了模型。进而以模型为基础，分别就模型的重要组成部分——网络基础设施、业务应用支撑平台、标准规范和安全保障体系从技术实现角度进行了分析、探讨。     

模糊识别模式的两种方法

模式识别就是对所研究的对象进行认识分类.当整体被划分的模式和被识别的对象,是某个论域上的模糊子集时,这种模式识别就被称为模糊识别模式.本文将介绍两类模糊识别的方法最大隶属原则分类方法和按择近原则分类的方法.     

基于先验概率的加权神经网络模型

针对不平衡分类问题中各类别规模差异较大导致的较小类别分类精度不高的情况，提出基于先验概率的加权神经网络模型．为了提高较小类别在迭代神经网络中的重要性，以每一类样本的先验概率的倒数作为该类数据的权重，将该权重加人神经网络的目标损失函数中，并基于新构造的目标函数进行网络迭代，加强对少数类别的代价敏感学习，从而提高对小类别样本的识别率．最后利用真实分类数据进行实证分析，与经典神经网络对比，证明模型的有效性与实用性．