例析五华话的量词重叠

五华话的量词重叠形式颇有特色,有"从"形式、"一AA哩"形式、"A实A哩"形式。三种重叠形式在句法功能和语法意义方面有一定的差异。     

Face Recognition Based on Support Vector Machine and Nearest Neighbor Classifier

Support vector machine (SVM), as a novel approach in pattern recognition, has demonstrated a success in face detection and face recognition. In this paper, a face recognition approach based on the SVM classifier with the nearest neighbor classifier (NNC) is proposed. The principal component analysis (PCA) is used to reduce the dimension and extract features. Then one-against-all stratedy is used to train the SVM classifiers. At the testing stage, we propose an al-     

分类器系统综述

分类器系统(Classifier System)是一种基于遗传算法(GA)的规则系统,本文综述了分类器系统的基本原理和研究状况,并提出了需进一步研究的问题.     

余江话的"里"尾

余江话的“里”尾可加在名词、动词、形容词性成分或动词性结构后面构成名词,能起到区别事物、表示词性变化、指小、亲昵或纯粹作名词的标志等作用;在使用原则上名词“里”尾与普通话“子”尾同中有异;“里”尾名词所指事物范围广(可分为人名、人品、疾病、人体、服饰、家俱生活用品、房屋建筑、动物及其他等九类)。“里”尾亦可加在形容性成分后构成形式多样的形容词的生动形式,有表示词性变化、附加评价意义、扩大语法功能等作用。“里”尾还能通过特定的形式,与个体量词、集合量词、部分量词、容器量词、度量量词及自主量词等结合,表示相应的语法意义。     

浅谈汉语陪伴型名量词的起源

对从甲骨卜辞以来的文献资料加以考察可以看出,汉语陪伴名量词在“S.VP1.O.VP2”的句法结构的VP2位置上形成。推动其形成的原因在于,汉语音节变化导致谓语位置的单音节数词不能再形成一个自然音步而必须后附一个语义表达上并不起作用的词。     

一种基于粗糙集的朴素贝叶斯分类算法

朴素贝叶斯分类器的计算过程只有在完全数据库中才成立,而基于相似关系的粗糙集模型具有处理空值的功能,并且提供了属性离散化和约简技术,可以改善属性间的依赖关系。因此,将两种不同的软计算方法相结合,利用粗糙集合理论先把决策表补齐,再对数据进行约简,然后结合朴素贝叶斯分类器,得出分类结果。实验证明这种方法不仅简化了数据和模型的规模,也具有对不完全数据的分类能力。     

涡流空气分级机“鱼钩效应”的实验研究

文中研究了涡流空气分级机分级过程中由于颗粒细化而导致在Tromp曲线上产生“鱼钩效应",导致分级效率降低。根据实验分析了在涡流空气分级机分级中,分级转笼转速、进口风速、给料固体浓度以及给料粒度对“鱼钩效应”的影响。对减弱粉体分级过程中的“鱼钩效应”、涡流空气分级机的操作,具有一定的指导意义。     

基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.     

邻域决策一致性的属性约简方法研究

基于邻域决策错误率的属性约简可以在删除冗余属性的同时,提升邻域分类器的留一验证分类精度.但这种约简方式并未充分考虑邻域分类结果在约简前后的差异.为解决这一问题,借助联合分布矩阵,提出了邻域决策一致性的概念,构建了邻域决策一致性与邻域分类精度的调和平均值,并将其作为约简求解的度量准则.在12个UCI数据集上的实验结果表明,所提出的新约简不仅能够有效地提升邻域分类器的决策一致性,而且在多数情况下能够进一步提高邻域分类器的留一验证分类精度.