湖南洞口方言特有个体量词研究

量词是汉语语法系统的有机组成部分,而个体量词又是汉语量词系统的重要成分。文章主要通过对洞口方言和普通话中的个体量词进行统计和对比后,得出洞口方言中特有的个体量词,并对洞口方言中特有的个体量词加以描述,也对它们在形式、表达及使用上的特点做了详细说明。     

现代汉语量词的分类及其发展趋势

现代汉语的量词分成物量词、动量词两大类,各类又有专用的和借用的量词之别。真正意义上的汉语量词是那一部分专用量词。从汉语的发展来看,汉语量词系统中的不同类别有着系统化、单一化和规范化的趋势。     

试论汉语个体量词系统的萌芽期

汉语个体量词系统的萌芽期问题历来聚讼不已,目前主要有"殷商说"、"汉代说"、"先秦说"三种说法.笔者尝试将个案分析同系统研究结合起来,制定了个体量词系统的考察标准,认为个体量词系统萌芽于西周时期.     

浮梁话与普通话量词比较研究

本文运用统计、内省、比较的方法，得出浮梁话常用量词242个，与普通话量词系统进行比较．有以下几个特点：1．浮梁话量词“个”泛化运用；2．浮粱话量词孑遗现象；3．浮粱话一些特色量词；4．浮梁话没有复合量词．基本上没有表达形象色彩意义的量词；浮梁话量词与普通话量词进行小类比较时存在一个差异等级．本文按从大到小的顷序给出了这种差异等级序列，而且其它方言量词与普通话进行类似的比较时也存在这种差异等级序列，具有一定的普遍性。浮梁话是比较有特色的方言，浮粱话有自己特有的量词系统。     

汉语量词分类系源

本文对常用的汉语量词进行系统的分类 ,通过字形分析来探索这些量词的词源 ,从而说明它们的用法是有很强的规律性和系统性的     

湖南绥宁方言的量词重叠式及历史层次

描写绥宁方言中两种量词重叠式：一种是“AA”及其加缀式“AA唧”，另一种是“A—A”及其加缀式“A—A唧”。“AA”表达“周遍”意义，至迟在唐五代已经产生；“A—A”既表“周遍”意义，又表“逐一”意义，其产生的上限在唐代中后期，下限在宋代；变式“AA唧”和“A—A唧”可能在元代以后产生。     

互逆主义数学哲学与计算

指出数学不是建立在集合论之上,而是建立在人类计数实践之上。经典数理逻辑是有量词的,而互逆主义数理逻辑没有量词,绝大多数逻辑在计算机的应用系统中也都是没有量词的。为说明互逆主义数理逻辑在计算中的能行性,给出了其在人工智能计算中的应用：二层单准Prolog的操作语义和指称语义。     

汉英“量词”比较研究

在语法体系中,汉语与英语有一个很大的不同就是汉语有量词而英语没有,但是,不论是汉语还是英语,量词都是客观存在的,都由名量词和动量词两大类构成。名量词可细化为隐形名量词、个体名量词、集合名量词和度量衡名量词;动量词可细化为隐形动量词、计时动量词、频次动量词、工具动量词和同源动量词。汉英量词在名量词和动量词上既有较多的相同点也有较大的差异性。     

汉语量词修饰形容词现象探因

丰富的量词是现代汉语的特征之一。在语言学界,量词能否修饰形容词一直是一个有争议的问题。本文认为修饰形容词的量词具有不同于其它量词的一些特征,什么样的量词与什么样的形容词搭配是有一定条件的,并不是所有的量词都能修饰形容词,也不是所有的形容词都能受量词修饰,受量词修饰的形容词也具有一些特征,这使量词修饰形容词成为可能。     

汉语名量词“把”的发展演变

量词＂把＂由动词＂把＂发展而来,名量词＂把＂又分为个体量词、集合量词,集合量词＂把＂在汉代出现,个体量词＂把＂在唐代时代出现,文章通过对两种量词＂把＂在不同朝代的发展演变,讨论了它们各自的发展脉络、呈现出的不同的用法和特点等相关问题。     

神经网络分类器动态集成方法

提出一种神经网络分类器的动态集成方法.基于bootstrapping构建不同的个体神经网络,针对混合属性,通过不同的加权最近邻设计评估单个网络的分类精度,在此基础上动态选择误差率较小的神经网络,经过投票形成集成分类结果.将该方法与其它几种集成方法在10个UCI数据集上进行了分类性能比较.实验结果表明,该方法在上述所有数据集上的平均分类精度最佳,同时发现,Bagging比隐层神经元数法能更好地生成个体网络,而将两者结合起来训练个体神经网络,并不能明显提高集成性能.     

集成分类器组合算法及其在医学诊断中的应用

在计算机辅助诊断系统中使用集成分类器是提高机器识别能力的一种重要途径。针对集成分类器投票组合算法中存在的投票可信度问题,提出了一种基于Grading的集成分类器组合算法EGR,该算法根据集成分类器对样本的预测结果是否正确来转换相应样本的类标签,用新数据构造元分类器。在UCI医学数据集上进行的实验结果显示,EGR算法对分类精度的提升以及敏感性与特异性的整体改善是有效的。     

论集合量词和数词词语的选择限制

集合量词和基数词语、序数词语、概数词语都存在着选择限制关系。对这些选择限制关系进行描写分析，不仅有助于揭示集合量词和数词词语的语法规律，也有助于其他类型量词的研究。     

多分类器融合中一种新的加权算法

提出了一种直接采用分类器的输出向量来计算各分类器的加权算法，它能直接利用在分类器的输出端提供的“测量级”信息，通过加权函数将“测量级”信息转化为对分类器的加权，为了提高系统的可靠性，在实验中还分析了表决阈值的选取。     

基于测试分类精度的多分类器融合方法

本文分析了影响分类器精度的因素,并提出了三种基于在测试例集上分类表现效果的多分类器融合方法.这三种方法的基本思想是:当使用多个分类器对未标注文本进行分类时,最终输出在测试例集上表现最好的那个分类器的结果.实验结果表明,这三种融合方法从一定程度上提高了分类器精度.     

基于广义朴素贝叶斯分类器的空值处理方法

给出了基于广义朴素贝叶斯分类器的空值处理方法,该方法利用广义朴素贝叶斯分类器的较强预测能力及灵活的效率选择方式,有效地解决了数据中的空值处理问题.利用模拟数据进行了对比实验,结果显示,其预测准确性明显提高.     

"文本为主"的多模态特征融合的新闻视频分类算法

视频分类算法通过融合多模态特征提高分类性能.大多数多模态特征融合算法采用统一模式处理不同模态特征,忽略文本与声音/图像特征在视频分类能力和可靠性方面的差异.该文提出一种新闻视频分类算法,采用文本为主,声音/图像为辅的特征融合模式.该算法充分考虑文本特征在内容分类方面的高可靠性,并在适当情况下,辅以声音/图像信息为补充.对10类新闻视频进行分类实验,并与其他两种分类算法对比,表明在提取相同的底层特征情况下,该文算法的平均分类性能最佳.     

贝叶斯与k-近邻相结合的文本分类方法

为了提高分类器的精度,对分类器的结构进行了改进,提出了一种基于贝叶斯和k-近邻组合分类器的模型,该分类方法结合了贝叶斯方法分类速度较快和k-近邻方法分类准确率较高的优点.实验结果表明,该方法在保证分类速度的前提下,有效地提高了分类准确率.     

基于组合分类器的一个新的数据整合方法

物体的性质可以用各向异性的数据模式表达,每一个分类器可以针对一种数据模式对物体进行分类,由此提出了一个对各向异性的数据模式进行整合的概率分类算法。将该算法应用于一个模拟数据,实验结果表明了该算法是可行性的。     

基于Borda计数的多特征融合图像检索技术研究

多个特征融合查询被认为是提高检索效率的有效方法.在以往图像检索技术的基础上,提出了新的加入多个分类器相关信息的Borda计数的特征融合图像检索方法.实验证明,该方法能够提高图像的检索效率,方法有效.