排序方式: 共有36条查询结果,搜索用时 187 毫秒
11.
流动注射分析仪检测水中挥发酚时假阳性的去除 总被引:1,自引:0,他引:1
挥发酚是《生活饮用水卫生标准》(GB 5749—2006)规定的必测项目,准确测定对水质检测意义重大。利用流动注射分析仪检测生活饮用水中的挥发酚,受水中总硬度(以Ca CO3计)的影响,检测结果出现假阳性,导致检测结果偏高,超标,严重干扰对水质的正确判断。西安市内供水硬度范围在60~300 mg/L,对于硬度在此范围内的水样,通过增大缓冲溶液铁氰化钾的浓度,即可显著消除总硬度对挥发酚检测的影响。铁氰化钾浓度控制在5.0 g/L,挥发酚浓度在0.00~100μg/L之间,相关系数可达到0.999 9。通过测定国家标准样品和加标回收试验,对方法进行验证,检出限、加标回收结果满足要求,检测结果真实可靠。 相似文献
12.
为研究尼龙织物对厚层橡胶支座力学性能的影响,设计制作了一块厚层橡胶支座和一块尼龙织物增强厚层橡胶支座。对支座进行了压缩和压剪试验,对比分析其刚度、阻尼比、滞回环面积、残余变形等基本力学性能。结果表明:增加尼龙织物对支座竖向力学性能影响较小,两块支座的竖向刚度小,等效阻尼比在不同压应力水平下均超过6%。但尼龙织物对厚层橡胶支座的水平压剪力学性能影响较大,支座的水平剪切刚度与滞回耗能能力均得到显著提高,残余变形明显减小。上述研究成果可为此类支座的设计、试验与工程应用提供参考。 相似文献
13.
一种自动抽取图像中可判别区域的新方法 总被引:6,自引:0,他引:6
图像分割是图像处理中的一个难题,为了自动抽取图像中的可差别区域,提出了一种基于自组织图归约算法的区域抽取新方法,首先,利用包括颜色、纹理以及位置在内的多模特征抽算法,原始图像被转换成特征,接着,通过自组织映射学习算法,特征图映射成自组织图,然后,对自组织图实施归纳算法得到一族约简的自组织图谱系;最后,利用一个 综合的聚类有效性分析指标从约简的自组织图谱系中得到一个最优约简的自组织图,以此实现图像区域的分割,新方法的有效性通过两个评价实验得到了验证。 相似文献
14.
文档中词语权重计算方法的改进 总被引:57,自引:5,他引:52
文本的形式化表示一直是文本检索、自动文摘和搜索引擎等信息检索领域关注的基础性问题。向量空间模型(Vector Space Model) 中的tf.idf文本表示是该领域里得到广泛应用并且取得较好效果的一种文本表示方法。词语在文本集合中的分布比例量上的差异是决定词语表达文本内容的重要因素之一,但现在tf.idf方法无法把握这一因素。针对这个问题,本文引入信息论中信息增益的概念,提出一种对tf.idf的改进方法tf.idf.IG文本表示方法。该方法将词语的信息增益作为一个文本表示的一个因子,来衡量词语在文本集合中分布比例在量上的差异。在文本分类实验中,tf.idf.IG文本表示的向量空间模型的分类效果要好于tf.idf方法,验证了改进方法tf.idf.IG的有效性和可行性。 相似文献
15.
本文介绍了当前教师与学生在VB教学过程中的一些不足,提出从教师、学生两方面入手,改进教学方法,提高教学质量。 相似文献
16.
汉英机器翻译中描述型复句的关系识别与处理 总被引:5,自引:0,他引:5
汉英机器翻译的复句处理不仅要依托于单句的处理,而且还要超越单句的辖域,深入考察复句内分句之间的内在联系.其中,在汉语描述型复句中存在着大量的无特定语言标记的非并列关系复句,为了辨别其中的内在联系,实现英语译文的正确生成,针对不同情况,给出了完整的关系判定规则,并提出采用中心分句动态判定方法来解决部分复句处理规则局部性的问题,最后通过实验系统得以验证. 相似文献
17.
1 背景介绍在诸多自然语言处理应用问题中,传统手工规则的失败暴露了经典人工智能IF-THEN推理模式在自然语言知识体系尚未完全把握的情况下的缺陷。由此,在一定知识推理机制体系下,自然语言的知识表示和知识获取作为自然语言处理中的关键问题已经成为困扰其形式化的主要瓶颈。 相似文献
18.
记忆学习方法(Memory-Based Learning(MBL))将存储的训练数据作为获取的知识来使用,并通过相似性比较来完成分类任务,克服了词语一级自然语言处理中知识表示不足给机器学习知识获取带来的障碍.但自然语言的灵活性使MBL方法基于属性逻辑(attribute logic)的表示方法面临着较为严重的数据稀疏问题(data sparse problem),这已经成为MBL方法应用于自然语言处理的主要瓶颈.本文正是针对这一问题,提出一种通过可信距离的判别机制将信息提取领域里文档表示方法的tf.idf词语权重计算引入到MBL中的改进方法.实验证明,我们提出的方法在保持原有训练集规模的情况下使正确率得到了较大的改进. 相似文献
19.
基于向量空间模型的有导词义消歧 总被引:22,自引:1,他引:21
词义消歧一直是自然语言理解中的一个关键问题,该问题解决的好坏直接关系到自然语言处理中诸多应用问题的效果优劣。由于自然语言知识表示的困难,在手工规则的词义消歧难以达到理想效果的情况下,各种有导机器学习方法被应用于词义消歧任务中,借鉴前人的成果引入信息检索领域中空间模型文档词语权重计算技术来解决多义词义项的知识表示问题,并提出了上下文位置权重的计算方法,给出了一种基于向量空间模型的词义消岐有导机器学习方法。该方法将多义词的义项和上下文分别映射到向量空间中,通过计算多义词上下文向量与义项向量的距离,采用k-NN(k=1)方法来确定上下文向量的义项分类。在9个汉语高频多义词的开放和封闭测试中均取得了突出的成绩(封闭测试平均正确率为96.31%,开放测试平均正确率为92.98%),验证了该方法的有效性。 相似文献
20.