高应变率加载下金属柱壳断裂的实验研究

针对高应变率加载下金属柱壳复杂动力学响应,采用高速分幅相机和多普勒探测系统阵列联合测试了钛合金柱壳在内置炸药加载下膨胀、断裂直至整体破碎的表面动态图像和局部区域的速度历史剖面。通过对比分析估算了表面裂纹萌生及爆轰产物泄露时刻的工程应变,观察表面断裂模式并获得裂纹萌生扩展与速度剖面的关联;并从回收破片断口形貌确定柱壳整体失效的断裂特征。     

基于朴素贝叶斯Web新闻内容的抽取方法

针对网页信息自动抽取问题,提出一种将网页按标记分块并根据朴素贝叶斯理论从中识别新闻正文的方法。该方法将各分块的标记信息、文本相似度以及字长特征作为机器学习的特征属性。为提高标记属性的表征作用,减少相关标记之间的干扰,算法采用χ2检验法来检验标记属性之间以及标记属性与类别之间的相关性并实现属性约减。新闻正文抽取过程中同时考虑正文与非正文分块的后验概率,以提高抽取准确率。实验结果表明,选取适当的参数值,抽取新闻正文的准确率达到85%。      

基于组合特征的中文新闻网页关键词提取方法

针对中文新闻网页的特点,使用了包括统计特征、位置特征和词性特征等在内的多种特征综合评定候选关键词的权重大小。对于部分分词结果不能良好地反映主题的问题,提出了一种基于有向图的组合词生成方法,旨在找出高频次的相邻词作为组合词。实验结果表明,该方法较传统的TF-IDF方法效率有较大提升,能够有效提取出新闻网页关键词。     

基于多模态信息融合的新闻图像人脸标注

针对传统新闻图像中人脸标注方法主要依赖人脸相似度信息,分辨噪声和非噪声人脸能力以及非噪声人脸标注能力较差的问题,提出一种基于多模态信息融合的新闻图像人脸标注方法。首先根据人脸和姓名的共现关系,利用改进的K近邻算法,获得基于人脸相似度信息的人脸姓名匹配度;然后,分别从图像中提取人脸大小和位置的信息对人脸重要程度进行表征,从文本中提取姓名位置信息对姓名重要程度进行表征;最后,使用反向传播神经网络来融合上述信息完成人脸标签的推理,并提出一个标签修正策略来进一步改善标注结果。在Label Yahoo! News数据集上的测试效果表明,所提方法的标注准确率、精度和召回率分别达到了77.11%、73.58%和78.75%,与仅基于人脸相似度的算法相比,具有较好的分辨噪声和非噪声人脸能力以及非噪声人脸标注能力。     

一种基于语义分析的热点新闻发现方法

With the development and popularization of the Internet, Internet news reports are the main means for people to get social information. How to get the hot topic of Internet news quickly and accurately is an urgent problem to be solved. This paper uses the theme model of LDA (Latent Dirichlet Allocation) and BTM (Biterm Topic Model), fully considering the different impacts of news headlines and news content on news hot spot detection, to make the semantic analysis of news content and title respectively. By using the BTM model for news headlines and the LDA model for news content, we extract the feature vectors of the topic and combine the two semantic features to form the semantic feature of the whole text. Then, through improved clustering algorithm, the number of documents belonging to each topic is calculated. On this basis, by defining the news heat and using the news heat formula, the news heat is calculated to get the most recent hot news through ordering the news heat values. Through the experiments on the crawling news data, the validity and practicability of the method are verified.     

新的基于综合特征的新闻事件分割方法

提出了一种基于新闻视频中的标题字幕信息和音视频特征对新闻事件进行分割的方法,并实现了一个新闻事件分割、浏览和检索的原型系统。提出的方法综合利用新闻视频中的标题检测、主持人画面检测以及静音片段和语者切换检测技术分割整段新闻中的新闻事件。实验结果表明,该方法较仅利用标题的新闻事件分割方法在分割准确性上有了显著提高。     

The importance of message framing for providing information about sustainability and environmental aspects of energy

With a looming energy crisis, energy conservation and attention to environmental problems are warranted. The transport sector experiences great challenges to introduce more environmental friendly renewable energy like biofuels. The majority of the Belgian people are asking for more information about this issue. Because individuals are sensitive to how information is presented, the choice of the message frame can significantly influence attitudes and behavioural intention. Because of the strengthening effect on both concern and PCE, our findings suggest that for the prevention of energy and environmental problems and the promotion of a more sustainable and environmental friendly energy consumption not the gravity of these problems and the possible disadvantages but the possibilities to overcome these problems (e.g. reduction of energy use, environmental friendly energy sources) have to be stressed. Men, higher educated people, people between 35 and 54 years old and people with the most pro-environmental attitude are less affected by the message frame, while the choice of the frame is more important when addressing women, people younger than 35 and older than 55 years, lower educated and less pro-environmental people.     

VANET环境下基于历史行为的消息路由方案

通过分析车用自组织网络(VANET)在道路交通领域中的应用现状,根据VANET的特点及其消息传输过程中面临的挑战,针对以往算法较难准确进行空间建模并较少考虑社会行为的规律性特征的问题,提出了一种基于车辆历史行为统计的消息路由方案——HBSR,具体分为计算车辆之间的连通性的节点连通算法,计算源节点和目的节点间可达时段数的拓扑重叠算法,选择消息转发路径的路径选择算法和丢包策略四部分。通过在ONE仿真平台上将其和一些典型的路由算法进行比较,实验证明HBSR方案能够更有效地在VANET中找到消息转发路径,在送达时延明显降低的同时交付率有显著提高,并且表现相对稳定。     

基于词共现图的中文微博新闻话题识别

针对传统的话题检测算法主要适用于新闻网页和博客等长文本信息,而不能有效处理具有稀疏性的微博数据,给出一种基于词共现图的方法来识别微博中的新闻话题.该方法首先在微博数据预处理之后,综合相对词频和词频增加率2个因素抽取微博数据中的主题词.然后根据主题词间的共现度构建词共现图,把词共现图中每个不连通的簇集看成一个新闻话题,并使用每个簇集中包含信息量较大的几个主题词来表示微博新闻话题.最后在微博数据集上进行实验,实现了对微博中新闻话题的识别,验证了该方法的有效性.