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。     

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。     

从量词看苗汉两种语言的关系

“名物量词”在各种语言中的产生，发展规律不尽一致。因此，透过“名物量词”探查两种语言的源流，不失为一条可行的途径。从苗汉两种语言量词的统计材料中，可以看到两种语言量词的兴起和发展过程。湘西苗语的量词与同时代汉语的量词相比，在数量上没有汉语的多，在范围上没有汉语的宽。各个历史时期，湘西苗语都从汉语借用一批词语，相应的汉语量词就跟着进入苗语了。从量词的起源和发展来看，苗语深受汉语的影响，但是很难说苗汉两种语言出于同一母语。     

BCI-代数的软可换理想

将软集合理论应用到BCI-可换理想中，给出了BCI-代数的软可换理想的概念，讨论了软理想和软可换理想之间的关系，研究了两个软可换理想的扩展交、限制交、限制并以及限制差分的性质。丰富了软集合理论的代数性质。     

谈谈汉语量词的文化意义

语言是文化的载体，作为语言重要构成部分的词语，承接着历史的积淀，反映看时代的发展，带着人们不同的感情。本文以汉语量词的文化意义为切入点，透析汉语量词的另类与汉语特征的整体一致性。     

推理与第四次数学危机

悖论指出了数学的局限性，同时也推动了数学的发展．文中指出数学的发展经历了四次危机：无理数、无穷小、集合的集合和蕴涵量词．在现代科技高速发展的今天，到了解决第四次数学危机的时候了．第四次危机的解决将形成智能机理论．     

基于量化同义词关系的改进特征词提取方法

提出一种基于量化同义词关系的改进的TF-IDF文本特征词提取方法.该方法将在同一文本中出现的某个词的同义词做为一个集合,在传统TF-IDF方法计算的词语权重的基础上对同义词集合中的词语及其相关词进行权重调整,通过相似度对同义词集合中的词语进行了合并加权.实验证明该方法对文本中的同义词及其相关词进行了有效处理,提高了文本特征词提取的准确性.     

英语词语语义的连锁关系

英语词语在语义方面所展现的连锁关系包括上下义,集合,同义,照应(指代),并列,递进和比较与时照等关系.英语词语语义的连锁关系展示了句子各部分意义的相互关系,构成了阅读理解和英汉翻译的基本平台.     

当代歌词创作中词语超常搭配现象及其理论探究

在文学创作不太景气的当下，歌词创作却呈现红火之势，尤其是创作中的词语超常搭配现象，更值得我们关注。一般说来，这种现象大致表现在词类活用、名词量词错位搭配以及意动用法上。歌词中的词语超长搭配可能出于用韵的需要，更应该归之于词作者的奇异联想。     

英语写作词语选择的标准

语言是交际的工具，是思想的表示方式，但思想内容和表达形式之间的关系是错综复杂的，因此在英语写作中的词语选择，要根据不同的体、不同的目的和不同的要求，采用准确性、鲜明度、生动感的词语选择标准，恰如其分地选择词语和表达方式。只有这样，才能取得令人满意的效果。     

原点无关最近特征分类器及在人脸识别的应用

受最近特征线分类器的基本设计思想启发，将最近邻法向平面和空间推广，提出了原点无关最近特征平面和原点无关最近特征空间分类器．与最近特征平面、最近特征空间分类器相比，原点无关最近特征分类器最大的优势就在于其定义的特征子空间不依赖于原点位置，而仅由同模式的若干个特征点决定．这种定义提高了相应的模式相似性度量的合理性与有效性．以人脸识别为例，对多种分类器的性能进行比较．实验结果表明，原点无关最近特征分类器在识别率、稳定性等方面均优于同阶的最近特征分类器．     

基于多特征集成分类器的人脸表情识别

提出基于多特征集成分类器的人脸表情识别新算法。新算法首先对预处理后的人脸表情图像通过3种不同的特征提取方法来提取不同类型的表情特征,然后对不同特征构造不同的分类器,最后构造一个基于神经网络的集成分类器模型,对这3个分类器的输出进行决策融合,从而实现人脸表情的最终识别。在JAFFE人脸表情数据库中的试验结果表明,所提算法的识别效果优于单个特征和单一的分类器。     

The Diversity of Classifiers and Its Applications to Combination

In various application areas of pattern recognition, combing multiple classifiers is regarded as a new method for achieving a substantial gain in performance of systems. This paper discusses the properties of the diversity of classifiers and its applications. At the same time, the paper presents a novel method for combining multiple classifiers based on the diversity. Fusion strategies are discussed for providing a basis for combing classifiers. These combination strategies are experimentally tested on online handwritten Chinese character recognition system and their effectiveness is considered.     

基于改进Fisher准则与极限学习机集成的图像隐写分析

集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系。实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度。     

基于AdaBoost算法的快速虹膜检测与定位

针对目前虹膜检测和定位方法中检测速度和定位精度等方面存在的不足,提出了一种利用AdaBoost算法进行虹膜快速检测和定位的方法.根据虹膜灰度图像的空间结构特征,提取出3类能反映这些结构的Haar-like矩形特征,从中挑选对虹膜图像有最好区分性的385个特征构成弱分类器,再组合生成强分类器.使用正负样本图像训练后,由强分类器级联组成了一个23层分类器系统.实验结果表明:该分类器系统的检测速度平均可达66帧/s,正样本的识别率约为96%,满足了虹膜识别系统实时性的要求.与其他方法相比,有更高的检测速度和定位精度.     

基于非对称度量的分类器优化问题

研究在模式识别中可测分类器之间的非对称度量及优化问题。以分类器之间相对平均分类错误率建立分类器之间的非对称度量，进一步研究了子空间上的最优分类器及其估计。最后对模式识别中两个重要的例子在非对称度量空间上进行了讨论。     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

凉山彝语类别量词的特点

凉山彝语（北部方言什乍话）的类别量词很丰富。量词主要来源于名词、动词和描摹词（有人将其归为形容词）；抽象的量词由具体的量词引申而来。凉山彝语量词有自己独特的一套语义分类标准，名词所指事物都有不同的属性，从量词归类时所依据的属性可以看到该语言所侧重的事物属性。除了这些最显著的语义特点外，量词还有一些变调特点和句法特点。拷贝型量词也是凉山彝语类别量词的一个重要类型，正如其他的藏缅语族语言一样，它是量词发展的初级阶段。     

A rough sets based pruning method for bagging ensemble

Ensemble techniques train a set of component classifiers and then combine their predictions to classify new patterns. Bagging is one of the most popular ensemble techniques for improving weak classifiers. However, it is hard to deploy in many real applications because of the large memory requirement and high computation cost to store and vote the predictions of component classifiers. Rough set theory is a formal mathematical tool to deal with incomplete or imprecise information, which has attracted a lot of attention from theory and application fields. In this paper, a novel rough sets based method is proposed to prune the classifiers obtained from bagging ensemble and select a subset of the component classifiers for aggregation. Experiment results show that the proposed method not only decreases the number of component classifiers but also obtains acceptable performance.     

对外汉语量词教学初探

汉语中的量词是汉语本体研究和对外汉语教学中共同的难点。本文在前人量词研究的基础上,结合对量词的科学分类,对对外汉语量词教学的难点问题进行了探索,有针对性地提出了对外汉语中量词教学的若干方法。