高素质技能型专门人才培养的认识与建议（二）——谈“行动式”课程教学模式

课程教学模式是人才培养的落脚点,学校人才培养的改革与建设,最终都要依靠每一位教师落实到每一门课程的教学中,落实到有效的教学模式中。本文就培养高素质技能型专门人才,应实施的教学模式,进行了深入地探讨。     

《汉语大词典》补正

《汉语大词典》是当今规模最大、收词最为丰赡的大型语文辞书,但由于编写时种种条件的限制和多种因素的影响,尚存在种种缺失。本文根据佛经语料在汉语词汇研究和辞书编纂中的作用,对照《汉语大词典》的实际情况,用实例说明《汉语大词典》未能充分利用佛经语料而导致的“词语失收”、“义项缺失”、“书证过晚”三个方面的缺失,以引起人们对佛经语料的重视。     

基于活动序列的服务二元行为模式及操作语义

组合E-服务是电子商务开发部署中被广泛关注的问题,行为需求的刻画、建模是服务设计开发的重要步骤,分析和验证服务行为满足用户特定需求则是保证服务可信的关键工作.已有分析服务行为研究中,行为需求都是LTL类逻辑规范或MSC类图式规范,前者基于活动的,后者基于场景的.现在提出一种新颖的基于活动序列的行为规范概念,该概念的粒度介于活动和场景概念之间,目的是便于直接表达某些行为需求,针对活动序列设计了"序列前提、序列因果和序列嵌入"二元行为模式,用模式来刻画基于活动序列的活性和安全性,其结果是行为需求表达更为简洁,将这些模式映射标记传递系统LTS,精确刻画了行为模式的操作语义,为需求验证提供基础,最后给出实例分析.     

张家口地区电子文献传递系统(EDDS)的开发研究

随着人们对信息资源的需求及文献传递工作的重视,文献传递的服务模式及发展趋势逐渐成为社会所关注的问题.本课题通过分布式文献传递的服务模式,利用完备的网络搜索系统模型,构建张家口地区高校图书馆之间的电子文献传递桥梁.     

基于WordNet的无导词义消歧方法

有导词义消歧机器学习方法由于需要大量人力进行词义标注,难以适用于大规模词义消歧任务.提出一种避免人工词义标注的无导消歧方法.该方法综合利用WordNet知识库中的多种知识源（包括：词义定义描述、使用实例、结构化语义关系、领域属性等）描述歧义词的词义信息,生成词义的“代表词汇集”和“领域代表词汇集”,结合词汇的词频分布信息和所处的上下文环境进行词义判定.利用通用测试集Senseval 3对6个典型的无导词义消歧方法进行开放实验,该方法取得平均正确率为49.93％的消歧结果.     

面向目标的带先验概率的AdaBoost算法

针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法.用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率.使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合.依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性.     

语义Web作为背景知识的本体匹配

提出了一个基于语义网为背景知识的本体匹配模式,即自动寻找和检索各种网络的知识资源得出映射,根据一些关键问题获得可行的模式、提供一个良好性能的匹配方法.采取了一个大规模的匹配为实验背景,检验了以语义网为背景知识的本体匹配模式的可行性、局限性、与其他技术的结合性.实验结果表明以语义Web为背景知识的方法本体匹配的精确度为70%.说明以语义Web为背景知识的本体匹配是对现有技术的补充,并可兼容于其他方法,其匹配的精确度也有了进一步的提高.     

基于Petri网的建设工程项目实施阶段资源建模与仿真*

基于分层赋时着色Petri网,构建了一个能够准确表达资源配置、任务持续时间及信息传递的资源模型,以便有效进行建设工程项目实施阶段的资源管理和优化配置.在建设工程项目实施阶段资源特点分析的基础上,对分层赋时着色Petri网中的非空颜色集合进行定义,并对资源管理中分层建模、资源分配和资源归还基础模型进行了研究,解决了基于分层赋时着色Petri网构建建设工程项目实施阶段资源模型的关键问题.最后,以某工业与民用建筑的实施阶段为例,进行资源管理模型的构建和仿真分析,验证了基于分层赋时着色Petri网构建建设工程项目实施阶段资源管理模型的正确性和有效性.     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。     

智能家居中语义知识表达及推理研究

针对地源热泵智能家居“以用户为中心”的需求,文中将语义技术和X列表引入智能家居领域,并建立包括用户、环境变量、需求任务、设备资源和服务5大本体要素列表的语义智能家居模型。在语义推理方面,提出并构建了基于jena的跨列表交互规则,使智能家居各列表互相联系,智能家居本体知识库、规则库和jena推理机进行封装并按需组合推理,可为用户提供个性化服务,实现智能家居的语义人工智能化。文中最后进行了智能家居系统开发,并列举典型应用场景说明了语义智能家居系统的可行性。