内蒙古煤系高岭土作为FCC催化剂基质的研究

研究两种内蒙古煤系高岭土（1^＃、2^＃）的化学组成、晶体结构并与苏州高岭土进行了比较。对三种高岭土进行酸改性，利用BET、吡啶-TPD和微反测试分别研究改性前后高岭土的性能特点。并将内蒙古高岭土1^＃与苏州高岭土采用半合成方法合成了FCC催化剂，测定了其裂化活性。研究结果表明，内蒙古1^＃具有较良好的晶体结构和化学组成，经酸改性后比表面积大大增加，具有合适的孔径分布，裂化活性较好，可以取代苏州高岭土作为FCC催化剂的基质。     

从市场营销角度谈马尾绣新产品开发的必要性

为面临濒危的水族马尾绣非物质文化艺术遗产在当今时代承传与发展开辟新途经。通过大量田野调查和对马尾绣现有产品状况的分析,总结出水族古老传统的马尾绣“绝活”只有以市场为导向;以消费者需求为出发点;以现代高科技与马尾绣技艺特点等有机结合．在市场营销理论的指导进行现代旅游等产品的创新和研发。才能真正实现马尾绣非物质文化艺术遗产在当今时代环境下的生存与发展。从而承传优秀灿烂的水族古老文化技艺,丰富现代文化艺术与设计元素。     

论蒙古族传统马具设计的系统性

文章以作者亲身参与的编著项目及田野考察为契机,将蒙古族传统马具设计作为研究对象,以蒙古族传统马具设计的系统性为论点,探讨其系统构成、单元功能及三个子系统的分工与关联。     

刺绣艺术中人物绣的艺术语言探析

人物绣在我国刺绣艺术中占有重要地位,根据所用的针法技艺和艺术特征,人物绣大致可归纳为写真人物绣、写意人物绣和装饰人物绣三种类型,写真人物绣以真实人物为绣制对象,追求逼真传神,刺绣语言鲜活生动;表意人物绣重在传达作者意象,注重人物动作及与环境关系的塑造,刺绣语言精致细腻;装饰人物绣富有装饰性和夸张的艺术效果,刺绣语言多元丰富。     

基于蒙古语课程领域语义Web的推理与检索方法的研究

由于蒙古语网络教学相对落后,蒙古语教学资源的重用和利用率较低,并且基于关键字的教学资源检索缺少在语义层面上的处理和表示,导致检索结果不全面和不准确。针对这种情况,提出基于蒙古语课程领域语义Web的检索方法。通过建立教学领域"人工智能(■■)"课程蒙文本体,利用关系数据库MySQL、语义相似度以及推理规则等工具与方法,实现构建基于蒙古语教学领域查询与检索原型系统。实验结果表明,该方法能有效地提高信息检索的查全率和查准率,并且建立了蒙古语教学资源可以共享和互操作的知识层次结构。     

CRF和词典相结合的蒙古文地名识别研究

蒙古语在命名实体识别方面开展过人名的识别,但在地名的识别方面还没有开展相应的研究。首次实现了基于条件随机场模型的蒙古文地名识别。首先从蒙古语黏着性特点分析入手,研究了蒙古语语料库中地名的存在形式以及各类地名的特点,针对蒙古语语料库中地名的特点,在词汇特征、指示词特征、特征词特征等特征基础上引入了词性特征。之后通过地名词典补召了未识别的地名。以内蒙古大学开发的100万词规模的标注语料库为训练数据,该模型的地名识别性能达到了94.68%的准确率、84.40%的召回率和89.24%的F值。     

TrueType字体的自动字符刺绣编针算法

针对目前刺绣CAD系统中字符编针功能无法适应多种字体.自动化程度较差的缺陷,基于windows的GDI 函数库、细化算法和链码算法,提出了一种自动编针算法.该算法已成功运用于莱工业刺绣CAD系统,系统能对任意TrueType字体的中英文字符实现合理、精细的编针,用户对该系统的字符编针效果满意.     

基于SoC单片机与CPLD的低档多功能家用电脑绣花机设计

普通的家用电脑绣花机的性能要求相对较低,目前提出的方案多数比较浪费,针对低档家用电脑绣花机的性能构造,提出了一种基于高性能的SoC(System on Chip)单片机C8051F与CPLD的设计方案,同时将FreeRTOS嵌入式操作系统内核移植到C8051F.     

苗族刺绣纹样之图形语言分析

图形语言分析的研究目的是解决图形符号以及符号组合的语义内涵。本文以凯棠型苗绣纹样为具体研究对象,从语言结构特点出发,分析了纹样的造型、色彩、风格特征以及语义内涵,并借助于现代形式语言对传统苗绣纹样的转换作可行性分析,尝试表达意义的重构。     

BERT蒙古文词向量学习

以Word2Vec为代表的静态蒙古文词向量学习方法,将处于不同语境的多种语义词汇综合表示成一个词向量,这种上下文无关的文本表示方法对后续任务的提升非常有限。通过二次训练多语言BERT预训练模型与CRF相结合,并采用两种子词融合方式,提出一种新的蒙古文动态词向量学习方法。为验证方法的有效性,在内蒙古师范大学蒙古文硕博论文的教育领域、文学领域数据集上用不同的模型进行了同义词对比实验,并利用K-means聚类算法对蒙古文词语进行聚类分析,最后在嵌入式主题词挖掘任务中进行了验证。实验结果表明,BERT学出的词向量质量高于Word2Vec,相近词的向量在向量空间中的距离非常近,不相近词的向量较远,在主题词挖掘任务中获取的主题词有密切的关联。