基于规则的依存树库错误自动检测与分析

尝试将依存树转化为短语结构树, 并基于规则的方法自动检测出人工标注结果中的错误。将该方法应用于已经过两遍人工校对的北京大学多视图依存树库, 从50275个句法树中发现1529处错误, 正确率为100%。进一步, 所有错误可以分为3个层次: 分词错误、词性与句法角色不符、句法角色错标。该方法可以有效提高依存树库的质量, 并且适用于各类型的依存树库。     

一种基于规则的无监督词性标注方法

提出一种基于规则的无监督词性标注方法, 利用200多条英语语法规则, 创建26个规则函数, 先将输入的待标注英语句子进行预处理后得到初始标记, 再对每个单词调用规则函数, 最终得到标注后的英语句子. 通过对Brown语料库的实验, 词性标注的正确率达到9395%. 实验结果表明, 本文方法可行、 有效, 能很好地提高英语词性标注的准确率.     

毛泽东全局性思维探讨

从毛泽东关于照顾全局的重要性、全局与局部的关系、全局是以战略目的为核心的一切关系的总和、把全局放在其所属环境中认识和把握等方面阐述了毛泽东的全局性思维方式。     

Malcev代数的次理想

举例说明了非Lie的Malcev代数的次理想与理想是2个不同的概念.给出了Malcev代数的次理想的一些基本性质,证明了半单的Malcev代数的次理想均为理想;Malcev代数的幂等次理想均为理想;幂零的Malcev代数的子代数均为次理想;当Malcev代数的所有子代数均为次理想时,此Malcev代数是可解的.     

分布式存储中文件分割的最优化模型

在分布式存储中,由于网络与存储节点的不稳定性,会导致文件存储过程失败。通过对文件进行适当的分割存储可以提高文件存储过程成功的概率。建立了网络存储节点可用性概率模型和文件块网络存储成功的概率模型,给出了文件分割存储策略,比较了在不同分割粒度下文件网络存储成功的概率,提出了分布式存储中文件分割的最优化模型,通过该模型可计算出大小为X的文件进行分布式存储时最优的分割块数。该模型对大文件的分布式存储具有一定的参考价值。     

舰艇编队保障系统的备件短缺风险研究

针对舰艇编队存在备件短缺风险的问题,提出舰艇编队保障系统的概念,给出舰艇编队使用可用度的计算方法,讨论三者之间的关系并建立数学模型。考虑实际中,执行复杂任务的舰艇编队其部件具有不同的寿命分布,替换时间差别大,不少备件维修后能够继续使用以及备件可修次数受限的情况,建立多可修备件的短缺风险计算模型及其与舰艇编队使用可用度的关系模型。最后通过实例对模型进行仿真,对降低备件短缺风险,提高舰船装备使用可用度有一定的参考价值。     

(z)性质的一个注记

利用算子的拟幂零部分、 解析核及单值扩张性质(SVEP)考虑算子T的(az)性质和(z)性质, 证明了若对任意的λ∈σf(T), H₀(T-λI)都为非零闭子空间, 则T满足(az)性质, 并给出T满足(z)性质的两个等价刻画.     

基于备件需求信息的使用可靠性评估

针对许多长期贮存产品的现场使用可靠性信息收集困难, 相对其备件需求信息较易收集到的现实, 利用备件需求信息对该类产品的使用可靠性进行了评估. 为了能够客观的评估产品的使用可靠性, 首先对长期贮存产品的备件消耗数据结构进行了重点研究, 得出了数据结构符合典型ZI数据的结论. 在此基础上, 结合工程上造成该类数据类型出现的原因, 对不需求备件的产品进行了重点考虑, 进一步建立了产品备件需求的统计模型. 其次, 结合工程经验和历史信息, 提出了模型参数的先验分布, 并利用Bayes方法给出了产品备件需求信息的处理方法. 最后利用计算机模拟验证了该方法能够较好的评估产品的使用可靠性以及其适用性.     

基于知识组件的夹具元件快速设计研究

针对夹具元件知识不能在设计过程中快速重用的问题,引入知识组件的概念,提出一种夹具元件知识组件建模方法. 对集参数、规则、实体模型和装配等信息于一体的知识组件模型进行定义,通过XML对模型进行表示和存储.基于知识组件模型,以松耦合的方式为夹具元件规格的确定、实体模型的语义建模和夹具元件装配等设计过程提供知识支持.实现设计知识无缝、快速地应用于夹具元件的设计过程.通过某飞机零件的夹具元件设计实例验证了所提模型和算法的有效性.      

公共建筑空调系统能耗实测与分析

为了掌握公共建筑暖通空调系统的实际运行与能耗状况,选取重庆市3座典型公共建筑,对其空调系统进行夏季能耗测试。根据实测结果,分析了空调系统主要组成部分的电耗、冷水机组和空调水系统的能效、3座建筑的室内热环境状况。研究表明,目前公共建筑空调系统存在设计选型偏大、设备运行效率低、运行管理不规范、缺乏室温控制等诸多问题。提出了基于准确负荷计算的系统设计和部分负荷下的运行调控等节能建议。