一般间隙序列模式挖掘的关键词抽取

本文提出了有监督的关键词抽取算法——KEING（Keyphrase Extraction using sequentIal patterns with oNe-off and General gaps condition）算法.首先，将每篇文档作为一个序列库，利用SPING（Sequential Patterns mIning with oNe-off and General gaps condition）算法获取词语之间的关系及其多种变化形式，并利用统计模式特征的方式描述候选关键词；然后，通过朴素贝叶斯分类算法对大量带标记的训练数据进行训练，构造分类器；最后利用分类器从测试文档中识别出关键词.通过实验验证了SPING算法的完备性以及KEING算法的有效性.     

基于QoS预测与约束层次模型的云服务推荐方法研究

如何精确地预测云服务的QoS,灵活地处理用户的QoS约束是实现可靠云服务推荐的关键问题。针对上述问题,提出了一种基于事例推理的云服务QoS动态预测方法,用于预测候选云服务的QoS值,提高云服务质量的可靠性;提出了一种基于约束层次（Constraint Hierarchy,CH）的QoS评价模型,该模型依据QoS约束对用户业务的重要程度,将其分为必须满足的硬约束层和允许被偏离的软约束层,该模型能够有效地解决过约束问题。通过实验验证了提出的云服务推荐方法的可行性和有效性。     

语音识别中基于发音特征的声调集成算法

提出基于发音特征的声调建模改进方法,并将其用于随机段模型的一遍解码中。根据普通话的发音特点,确定了用于区别汉语元音、辅音信息的7种发音特征,并以此为目标值利用阶层式多层感知器计算语音信号属于发音特征的35个类别后验概率,将该概率作为发音特征与传统的韵律特征一起用于声调建模。根据随机段模型的解码特点,在两层剪枝后对保留下来的路径计算其声调模型概率得分,加权后加入路径总的概率得分中。在“863-test”测试集上进行的实验结果显示,使用了新的发音特征集合中声调模型的识别精度提高了3.11%;融入声调信息后随机段模型的字错误率从13.67%下降到12.74%。表明了将声调信息应用到随机段模型的可行性。     

Web服务质量动态预测方法研究

随着面向服务计算技术(SOC)的快速发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Web服务,QoS成为评价和选择Web服务的重要依据。由于Web服务所在环境的开放性,使得Web服务的QoS具有很强的动态性,如何精确地预测Web服务的QoS成为影响服务选择和服务组合质量的关键问题。对当前已有的Web服务QoS动态预测方法进行了深入的剖析,指出了现有QoS动态预测方法的优点与不足,讨论了未来的研究方向;明确了存在的关键问题以及未来的发展方向。     

JZ-7型空气制动机排气阀断裂的原因分析与对策

介绍了JZ-7型空气制动机单独制动阀排气阀的制动过程和受力概况,分析了其断裂的原因,提出了防止方法。     

人干扰抽水试验看韩城南区水文地质条件

通过干扰抽水试验，阐述了韩城南区奥灰水的补给源，补给量，并对矿井涌水量与水位预报进行探讨。     

探讨防止多泥沙水流对水轮机磨损的措施——三门峡水电厂水轮机磨损汽蚀研讨会议

1986年元月9～13日,三门峡水利枢纽管理局受水利电力部及黄河水利委员会委托,在河南省三门峡市召开了三门峡水电厂水轮机磨损汽蚀研讨会,探讨在多泥沙河流中如何进一步防止水轮机磨损汽蚀措施和三门峡水电厂恢复汛期发电的问题。三门峡水电厂自1973年第一台机组发电以来,由于受黄河多泥沙水流的磨损汽蚀作用,水轮机过流部件几乎破坏殆尽。1978年为防止机组进一步磨损破     

基于需求预测的主动服务推荐方法

在智能计算领域,网络中可用服务数量与类型的快速增长,使用户更依赖于服务完成各种业务,然而当前“请求-响应”被动式的服务模式严重影响了用户体验与资源利用率。为智能感知用户需求并主动为用户推荐合适的服务,通过引入需求预测过程,提出一种主动服务推荐方法。利用矩阵分解算法从大量历史服务使用数据中提取用户特征和服务特征,据此训练深度学习模型并预测用户的服务需求,进而为用户推荐其所需要的服务。基于真实数据的实验结果表明,该方法较单一的矩阵分解模型和深度神经网络模型具有更高的服务推荐准确性和稳定性。     

动态信任感知的偏好演化模型研究

有界置信模型（bounded confidence model,BCM）是舆论动力学中对偏好演化进行建模的重要模型,但其假设个体会完全接受与之交流个体的偏好以及所有的个体会诚实表达其偏好与实际情况不符,存在明显不足。针对该问题,提出了一种动态信任感知的偏好演化模型（dynamic trust-aware preferences evolution model,DTPEM）。首先,引入偏好接受度算子建模个体对交互对象偏好的接受度;其次,引入动态信任度算子度量个体偏好表达的诚实程度;然后建模偏好差距对信任度的影响。基于智能体模拟仿真实验与其他模型进行对比,结果表明,DTPEM在偏好演化的准确度上有了较大幅度的提升。