用于耦合回旋管信号的过渡电路设计

基于悬置微带线在太赫兹电路中的应用需求,设计了一种工作频率为1 THz的新型悬置微带线-E面喇叭天线过渡结构,用于接收/发射太赫兹回旋管信号并实现信号在不同媒介中高效率转换,过渡部分采用E面探针耦合形式,利用渐变线结构实现阻抗匹配.最终仿真结果为:0.96～1.06 THz频率范围内,回波损耗优于10 dB,频率为1 ...     

基于质子串分解的中文术语自动抽取

针对中文术语构成特点,提出了一种基于质子串分解的术语自动抽取方法,将词分为2类：结构简单的质词和有复杂结构的合词;使用参数F-MI抽取结构简单的质词;并在其基础上,进一步使用质子串分解方法抽取具有复杂结构的合词。实验结果显示,该算法有效地提高了中文自动术语抽取的精确度。目前该算法已在国家网络媒体监测项目中得到了应用,并显示了良好的效果。     

四象限探测器光电跟踪伺服系统的研究

为了实现光电跟踪目标,用四象限探测器检测目标物,利用单片机MSP410F169的AD采集,将采集到的信号进行滤波,利用PID算法,以及单片机MSP410F169的时钟控制PWM波的占空比来调节电机的转速。通过两个电机来实现跟踪装置的空间旋转跟踪目标物。     

一种改进的KMP算法在不良网站信息过滤中的应用

针对网络信息过滤的特点和现实中人们对网络信息纯净度的要求,提出了一种基于KMP字符串匹配算法,对不良网站信息进行过滤和相应的性能测试。在测试环境下,对100组非法网站进行过滤,得出对不良信息过滤查准率达到95%,查全率达到98%,通过对测试数据的分析和网络吞吐量的测试结果表明,该方案所设计的系统性能基本能够满足实际需要。     

从搭配知识获取最优种子的词义消歧方法

基于统计的词义消歧模型的一个关键问题是如何自动从语料库中获取指示词,虽然通过学习初始搭配实例能够在语料库中获取更多的搭配知识,但人工获取质量较好的初始搭配是比较困难的,并且无法保证有效的扩大搭配知识。针对该问题,提出了通过机器学习初始搭配实例获取最优种子,再由最优种子扩增更多指示词,最后利用这些指示词实现具有多个义项的多义词消歧。采用该方法对8 个多义词进行消歧的测试实验中取得了8717 %的平均正确率。     

创新、专注,引领测试测量新发展——EDI CON2014巡览

正2014年4月8~10日,笔者参加了在北京国际会议中心举办的EDI CON2014,重点关注此次展示的测试测量解决方案和最新产品信息。安捷伦继续作为首席赞助商参展,RS、NI、安立、中电41所等企业作为钻石或者黄金赞助参与展会。为期3天的展会中,射频微波和通信领域的领军企业     

基于换电和电池租赁模式的纯电动汽车运营成本评估及预测研究

在纯电动汽车示范运营中,动力电池运营价格测算是开展电池租赁模式的重要前提,目前尚无成熟方法并缺少可靠数据。本文运用成本加成定价法和年金法,在裸车销售,电池租赁模式下,在充换电站建设、运营和电池租赁由两个主体承担的条件下,对电池运营价格进行了测算;同时,应用影响因素敏感性分析方法,结合北京市纯电动公交车实际运营数据,分析了电池系统价格、贴现率、年人工成本、年充电量和充电基础设施初期投资等因素对动力电池运营价格的影响,得出电池价格和充电量是影响运营价格的最敏感因素。根据连续4年的小型成熟二次锂电池价格历史数据和燃油价格趋势,预测并比较了未来几个四年电动汽车和传统汽车的运营费用,最终提出了未来电动汽车产业发展的建议。     

基于语料库和网络的新词自动识别

汉语自动分词是进行中文信息处理的基础。目前,困扰汉语自动分词的一个主要难题就是新词自动识别,尤其是非专名新词的自动识别。同时,新词自动识别对于汉语词典的编纂也有着极为重要的意义。文中提出了一种新的新词自动识别的方法。这个方法用到了互信息和log-likelihood ratio两个参数的改进形式。主要分三个阶段完成：先从网络上下载丰富的语料,构建语料库;然后采用统计的方法进行多字词识别;最后与已有的词表进行对照,判定新词。     

基于遗传算法的自适应文本模糊聚类研究

针对FCM聚类算法时初始聚类中心的选择敏感,以及聚类数C难以确定的问题,提出一种基于遗传算法的自适应文本模糊聚类方法.该方法首先将文档集合表示成向量空间模型,并采用一种新型的可变长染色体编码方案,随机选择文本向量作为初始聚类中心形成染色体,然后结合FCM算法的高效性和遗传算法的全局优化能力,通过遗传进化,有效地避免了局部最优解的出现,同时得到了优化的聚类数目和聚类结果.实验表明该算法是一种精确高效的文本聚类方法.     

基于句法语义特征的中文实体关系抽取

实体关系抽取的核心问题是实体关系特征的选择。以往的研究通常都以词法特征、实体原始特征等来刻画实体关系,其抽取效果已难再提高。在传统方法的基础上,该文提出一种基于句法特征、语义特征的实体关系抽取方法,融入了依存句法关系、核心谓词、语义角色标注等特征,选择SVM作为机器学习的实现途径,以真实新闻文本作为语料进行实验。实验结果表明该方法的F1值有明显提升。