肥料助剂的分类及发展现状

肥料助剂作为肥料生产中不可或缺的一部分,对改变肥料的理化性状、提高肥料利用率发挥着重要作用。介绍肥料助剂的分类及主要功能,阐述我国肥料助剂的发展现状及主要发展趋势,以及郑州大学在肥料助剂领域所做的一些研究与实践。中国磷复肥工业协会助剂专业委员会的成立,将进一步规范行业发展,助力于肥料行业的转型升级。肥料助剂行业也将迈上新的台阶,借助"一带一路"的春风,走向国际。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

面向图像差异特征融合的基于弗里德曼检验的小波基分类研究

对小波基分类是图像融合中依据不同融合需求选择小波基的基础,可以提高图像融合的智能化水平。针对现有的小波基分类方法仅根据小波自身特性进行分类,没有从统计角度有效建立小波基和图像差异特征之间的联系,本文提出了面向图像差异特征融合的基于弗里德曼检验的小波基分类方法。首先,选择典型的差异特征和小波基用于分类研究;其次,选择针对差异特征的评价指标,以评价指标结果作为标记量并进行分类实验的区组设计;然后,采用弗里德曼检验对不同区组数据进行处理及执行相应的后续检验和分类步骤,形成面向图像差异特征的小波基类集;最后,设计对比实验对分类方法的有效性进行验证和分析。试验结果表明,该分类方法能有效把对图像差异特征融合效果相近的小波基归为一类,能根据融合需求选择较好的小波基。     

图像分类中基于分类矢量量化的视觉词袋模型

特征表示是图像识别和分类的基础，视觉词袋是一种图像的特征表示方法。分析现有视觉词典构建方法的不足，提出一种新的视觉词典构建方法。首先利用梯度方差把特征矢量分为光滑类和边缘类，然后分别针对不同类别的特征矢量进行视觉词典的构建，最后根据两类视觉词典生成视觉词袋。图像分类实验表明，提出的新方法能提高分类准确率。     

基于深度学习的电子商务语音客服中的客户情感研究

为了适应语音客户机器人根据客户情感开展高效服务的需求，研究了提高客户语音情感的识别率方法。首先从电话客服服务器录音中剪辑片段建立了CASIA中文多模态自然情感语料库，给出了14种主要情感和13种非典型的情感类型。其次建立了一个较大规模自然口语风格的汉语疑问语气语料库，并进行了单句、音节层面的韵律层级标注工作。最后采用线性融合韵律特征、梅尔频率倒谱特征的方法对汉语疑问语气、陈述语气进行分析，把整句的基频最大值、最小值也作为区分疑问、陈述语气的特征。实验结果表明，融合后的识别率较融合前平均提高了16%。