中文名实体识别中的特征组合与特征融合的比较

先分析了最大熵模型常用的特征线性组合方法中的权值偏置问题,然后提出了在线性组合之前,对特征进行融合,并根据融合特征和目标类别之间的互信息选择有效复合特征的方法。通过在包含2000个人名的语料库上的测试,表明特征融合能有效地提高名实体识别的精度和召回率。     

INTERNET上天然沸石信息资源述论

较全面地介绍了INTERNET 上与天然沸石研究、生产和加工相关的信息源。讨论了国际互联网和国内互联网天然沸石信息量之间的差异, 并提出了该领域工作者应注意的问题。     

乳酸菌微生物燃料电池产电性能及产电机理研究

采用双室微生物燃料电池（MFC）,以乳酸菌为产电微生物,并以葡萄糖为唯一的电子供体,研究MFC的产电性能以及乳酸菌MFC产电机理。在30 ℃下,底物浓度为1.5 g/L时,该MFC的开路电压稳定在500 mV。实验条件下测得该MFC的最大功率密度为393.23 mW/m²,内阻约为500 Ω。利用气相色谱分析乳酸菌MFC产电过程中代谢产物的含量变化,实验数据表明无论是不参与产电的正常代谢途径还是产电过程中,都涉及到乳酸菌的同型乳酸发酵途径、异型乳酸发酵的经典途径和双歧杆菌发酵途径。在乳酸菌MFC运行过程中人为添加乙醇,该实验结果显示乙醇不利于乳酸菌产电,表明乳酸菌的异型乳酸发酵途径是乳酸菌进行产电的关键代谢途径。     

椎基底动脉供血不足114例临床分析

观察和分析椎基底动脉供血不足的病因及危险因素。方法回顾性分析114例住院治疗的椎基底动脉供血不足患者,通过临床表现、相关实验检查、心电图、颈部血管彩超、颈椎片及头CT或MRI检查的调查,对其病因、危险因素及性别、年龄特点进行分析。结果本组病例以男性居多。78％的患者具备了多种危险因素,高血压病、糖尿病、高脂血症及颈椎病是其主要病因,颈部血管彩超71％有异常改变。结论椎基底动脉供血不足的病因复杂,应针对患者做相应检查,避免遗漏小脑或脑干梗死及锁骨下动脉盗血,明确病因,及时治疗,避免后循环梗死发生。     

基于区块链的中小型企业供应商评价系统

优秀的供应商有利于提高供应链的整体效率,然而中小企业由于缺少管理意识和经验,难以对供应商做出全面且合理的评价。提出一种基于区块链技术的供应商评价系统,利用区块链技术,中小企业可以共享备选供应商的信息,让其他企业共同对供应商进行评价,从而帮助中小企业筛选出优秀的供应商。     

螺旋藻光合微生物燃料电池产电性能的研究

将微藻与微生物燃料电池(简称MFC)相结合,可以将太阳能转化成电能,这是一种可再生、稳定、高效的产能方式。本论文主要研究了螺旋藻作为MFC阳极产电微生物,以碳酸氢盐或葡萄糖作为底物的产电性能,并通过改变光照强度等条件,探讨影响微藻MFC产电性能的主要因素。以0.1mol/L的铁氰化钾溶液作为阴极液,外电阻为1000Ω,光照强度为12000lx,温度为28℃或30℃,进行电池的运行。螺旋藻MFC可以得到200mV的稳定输出电压,最大功率密度为41.33mW/m2,内阻为2000Ω。研究发现,螺旋藻MFC产生的电压主要依赖于生物膜上的藻,而与悬浮在阳极液中的藻无关。光照强度是影响产电的最主要因素之一,藻的输出电压随着光暗周期的变化表现出明显的周期性。     

基于改进NSGA-Ⅱ的仿人机器人上楼梯运动规划方法

针对当前仿人机器人运动优化算法多采用对能耗、稳定性及速度等单目标优化而存在一定的局限性的问题,提出了一种基于多目标优化的仿人机器人上楼梯运动优化方法.针对NSGA-Ⅱ——经典的带精英策略的非支配排序遗传算法(NSGA)的快速非支配排序效率较低的问题,提出了一种基于自调整二叉搜索树的改进NSGA-Ⅱ方法,并采用改进的NSGA-Ⅱ算法实现了仿人机器人上楼梯运动参数优化.通过仿真和实际实验对比了优化前后仿人机器人的能耗和稳定性.实验表明,采用这种方法能克服单目标优化的缺点,在同时满足多个目标需求的同时有效地实现仿人机器人上楼梯.     

中国高技术格式电影技术发展（之三）

三、发展国产高技术格式电影的设想 归根到底,中国电影要想继续发展,就应该发展我们的高技术格式电影,用这种受观众喜爱,特别是年轻人喜爱的文艺形式来保持并传承民族文化和中国核心价值观。我们认为发展中国的高技术格式电影应该逐步逐项的进行,首先是由易到难,分阶段有秩序进行建设,技术硬件建设与人才培养软件建设并重,以实际项目带动制作技术进步,与国外先进公司进行交流合作,吸引先进技术。     

基于统计与规则相结合的汉语计算语言模型及其在语音识别中的应用

把基于统计的语料概率统计方法与基于规则的自然语言理解方法结合起来，提出了一种新的汉语计算语言模型，并把该模型应用于语音识别后处理模块中，取得了较理想的结果。     

基于Tri-Training算法的中文电子病历实体识别研究

半监督学习是一种结合监督学习与无监督学习的学习方法,通过利用未标记数据,提高标记数据所建立模型的效果,目的是减少传统的机器学习任务中对大量标注数据的需求、降低人工成本.在中文电子病历实体识别领域,由于缺少足够的标注数据,且医学文本专业性较强、人工标注成本高,可以利用半监督学习方法,提升少量标注数据的训练效果.本文介绍了中文电子病历实体识别的研究背景和半监督学习的相关研究,并应用改进后的Tri-Training算法,提升中文电子病历实体识别模型的效果.