基于半监督学习和支持向量机的煤与瓦斯突出预测研究

针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。     

实战演练 普通话等级证书轻松拿

小华想报考公务员,听说普通话必须拿到二级乙等,而他的同学小李是位教师,想晋升职称,普通话得拿二级甲等,两个人谈起在家练习普通话的情形,都觉得有"闭门造车"之感——不但没老师辅导,而且自己目前的水平也不知能达到个什么级别,这样走进考场,心中没谱。要是能有老师辅导,辅导之后,再实际检测一下自己的真实水平,做到心中有底,那该多好!想必被普通话挡在公务员或职称门外的人不在少数,那赶紧随我一起来实战普通话等级培训吧!     

基于条件随机场的图像语义分割

本文研究了一种基于CRF的判别模型来学习不同类别标签的后验条件概率分布,并通过最大化该后验概率来得到最佳标签。CRF能量函数纹理模块利用形状滤波器来描述图像的底层纹理特征以及基于周围像素纹理特征的上下文信息;采用Joint-boosting算法迭代构造一个强分类器对图像进行初步的标注。在MRSC 21-object class数据集上进行实验来评估我们建立的模型的性能。实验结果表明,该模型基于像素点的分割精度能达到71.6%,在识别准确率以及分割效果方面,具有较强的竞争力。     

提高独立学院青年教师教学水平的几点想法

本文通过对独立学院教师队伍结构的分析,给出了独立学院教师队伍的特点,针对独立学院教师队伍的特点和现状,提出了独立学院提高青年教师教学水平的几点想法,从而给出了独立学院教师队伍建设的一条途径。     

某型装甲车驾驶员终端仿真训练系统设计与实现

针对部队、院校装备教学训练需求,以某型装甲车驾驶员终端为研究对象,研究并分析了某型装甲车辆驾驶员终端结构、工作原理以及对外的接口规范、标准,采用NI公司的虚拟仪表控件、MapInfo公司的MapX地图控件等控件,设计并实现了基于半实物的装甲车驾驶员终端训练系统。系统设计既能满足装备仿真训练,也可以接入实际装备,完成与实际装备的互联和通信,满足部队、院校教学训练的需要,达到了预期的目标。     

课堂实验衔接大创项目延伸式教学模式的探索

在理工科传统课堂实验教学模式中,学生创新能力的训练不足,不利于应用型本科人才的培养.以药剂学实验与大学生创新训练项目"以花粉作为骨架材料用于药物缓释研究"为例,构建了一种课堂实验衔接大创训练项目延伸式教学模式.介绍了这一教学模式的组织形式和考核方式,并对这一教学模式对学生能力培养的特点进行了分析.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

基于LOTClass模型的弱监督中文短文本分类算法

基于全监督学习的文本分类算法需要使用大量的标签数据,而文本数据的标注任务耗时耗力且标注难度较大。针对上述问题,提出了一种基于LOTClass模型的弱监督中文短文本分类算法。首先,使用少量的标签数据构建类别种子词表;其次,使用类别种子词表指导训练中文伪标签生成模型,并使用该模型生成大量伪标签数据;最后,利用优质伪标签数据训练一个中文短文本分类模型。在THUCNews新闻标题数据集和论文标题数据集上进行实验,结果表明,该算法在仅使用少量标签数据的情况下,其性能优于主流的半监督分类算法,同时不逊于一般的全监督分类算法,为无标签数据分类任务提供了一种较好的解决方案。     

基于深度神经网络的普通话智能评测关键技术研究

为改进传统普通话水平测试第四题测评中的不足,实现测评的智能化,减轻工作人员工作量,提升考试的公平性,采用基于深度神经网络的普通话智能评测关键技术,设计使用深度神经网络-隐马尔科夫模型的语音识别模型(DNN-HMM),识别考生表述的语音,更好地反映考生真实发音的标准程度;使用条件随机场训练分句模型,更加精准地判定考生发音的流畅程度;采用矢量空间模型,较好地评估考生词汇语法使用的规范程度。