Hilbert C*-模上的非退化表示

文章刻画了Hilbert C*-模E(×)fB和Ef上的非退化表示,每一个非退化表示都唯一地诱导了E与B上的非退化表示:设(φ):E(×)fB→B(H1,H2)为Hilbert B-模的非退化表示,则存在唯一的非退化表示(φ)1:E→B(H1,H2),(φ):B→B(H1),满足(φ)(e(×)fb)=(φ)1(e)φ(b),其中e∈E,b∈B,不可约表示也有类似的结论.     

我国天然石材品种的统计研究

本文对我国现已公布或正在开发中的天然石材品种作了统计学研究,从而发现并总结归纳出现有石材品种的命名规律,对其中存在的问题进行了分析探讨。在此基础上,进一步提出了品种定型的概念、内容及定型标准问题。     

航空数字图像核线排列方法的研究

本文论述了获取数字影像的方法及内定向参数的计算，利用内定向参数直接在倾斜的航空数字象片对上解求出同名核线，沿核线方向进行灰度重采样，形成灰度按同名核线方向排列的象片对，为核线影像相关和匹配提供数据和信息。     

基于条件随机场的越南语命名实体识别方法

针对越南语特点,提出一种基于条件随机场模型的越语命名实体识别方法。该方法针对越语词和词性的特点,采用条件随机场算法,选取词和词性作为特征,定义特征模版,选取越南语新闻文本,标记地名、人名、组织机构等6类实体语料,训练获得越南语实体识别模型,实现实体识别。实验结果表明该方法提取实体的准确率达到83．73％。     

基于语义上下文分析的因特网人物信息挖掘

网络信息的爆炸式增长给人物信息的自动获取带来了巨大挑战.论文针对因特网上大量的人物信息,设计了一种基于语义上下文分析的人物信息挖掘体系框架,重点阐述了人物简历信息识别方法、基于隐马尔可夫模型(HMM,H idden M arkovModel)的命名实体识别方法和基于语义上下文分析的人物信息抽取算法.经实验表明:基于语义上下文分析的人物信息挖掘方法具有较高的信息抽取效率和精度.     

网络及其管理系统的进化

通信网进化是目前国际研究热点。本文分析了它的连续性、兼容性和遗传性等问题。指出了通信大系统中二次信息处理的复杂性,给出了能适应网络不断进化的智能化的综合网络管理系统模型,全面分析了网络元素中管理实体与被管理实体在管理行为上、程序结构上和运行时空上的交互关系以及它们的进化问题。     

融合词性与双向时间卷积网络的中文命名实体识别方法

针对目前中文命名时实体识别方法中存在的中文边界识别困难、模型梯度、文本特征不够充分等问题,提出了一种融合词性特征与双向时间卷积网络的中文命名时实体识别模型。该模型提出使用XLNet预训练语言模型生成对应的词嵌入表示,融合后使用双向时间卷积网络提取文本前向特征与后向特征。实验中对时间卷积网络的空洞因子、卷积层数和卷积核数进行参数实验并分析其影响原因,结果表明,该模型与其他模型相比,能够更准确且有效地提取文本中的实体。     

命名数据网络中Interest洪泛攻击检测与防御

根据命名数据网络使用数据名称进行数据转发的特性,目前NDN中出现了一种基于兴趣包洪泛攻击的分布式拒绝服务攻击,对NDN网络危害较大.针对IFA,提出了一种基于Poseidon的改进方法——PAP,检测NDN路由器接口是否存在IFA,并构建interest包超时未响应表判断疑似恶意前缀.若存在IFA,则概率性限制该接口接收名称包含疑似恶意前缀的interest包速率,仿真结果表明PAP能够有效缓解IFA.     

实验室网络的设计与实现

在教学机房管理中 ,通过Linux与windows操作系统的整合 ,结合两种操作系统的优势 ,linux作为服务器 ,提供域名解析 (DNS) ;动态IP分配 (DHCPD) ;电子邮件 (Sendmail) ;邮局协议 (pop3) ;远程登录 (Telnet) ;文件传输 (ftp)等服务 ,Windows2 0 0 0作为客户机 ,发挥其图型界面的优势 ,相互配合 ,发挥其在教学上的优势     

基于BERT模型的司法文书实体识别方法

采用手工分析案件卷宗，容易产生案件实体遗漏现象及提取特征效率低下问题.为此，使用基于双向训练Transformer的编码器表征预训练模型.在手工标注的语料库中微调模型参数，再由长短时记忆网络与条件随机场对前一层输出的语义编码进行解码，完成实体抽取.该预训练模型具有巨大的参数量、强大的特征提取能力和实体的多维语义表征等优势，可有效提升实体抽取效果.实验结果表明，本文提出的模型能实现89%以上的实体提取准确度，显著优于传统的循环神经网络和卷积神经网络模型.