基于邻接矩阵全文索引模型的文本压缩技术

基于不定长单词的压缩模型的压缩效率高于基于字符的压缩模型,但是它的最优符号集的寻找算法是NP完全问题,本文提出了一种基于贪心算法的计算最小汉字平均熵的方法,发现一个局部最优的单词表。这种方法的关键是将文本的邻接矩阵索引作为统计基础,邻接矩阵全文索引是论文提出的一种新的全文索引模型,它忠实地反映了原始文本,很利于进行原始文本的初步统计,因此算法效率得以提高,其时间复杂度与文本的汉字种数成线性关系,能够适应在线需要。并且,算法生成的压缩模型的压缩比是0.47,比基于字的压缩模型的压缩效率提高25%。     

自然场景文本定位

随着自然场景文本识别研究的不断深入,建立标准的场景文本图像库和了解该领域的研究现状变得越来越重要。为此,2003年国际文档分析和识别大会专门建立了一个这样的图像库,并组织了自然场景文本识别比赛,我们参加了其中的自然场景文本定位分赛。本文对我们参加这次比赛的算法做了介绍并给出了比赛结果,在文章最后,对参赛算法做了比较,指出了场景文本定位的发展现状。     

汉语文语转换系统中停顿指数的自动标注

本文采用了一个基于C-TOBI的停顿指数标注的语料库,利用有指导的学习方法对自动停顿指数标注方面做了一些有益的探索。本文共实现了三种方法:基本的马尔科夫模型,引入了词长信息的马尔科夫模型,引入词长信息的马尔科夫模型结合基于转换的错误驱动的学习方法。然后通过对3000句的真实文本进行开放测试,以基本的马尔科夫模型的结果作为基准,实验结果不断改进,最终达到了78.6%的准确率,错误代价降低了14.5%。     

结合类频率的关联中文文本分类

该文提出一种词类频率和关联中文文本分类相结合的算法ARCTC。此算法将文档视作事务,关键词视作项,并针对文本事务的特性,提出利用词的类频率筛选与分类相关性不大的词汇,然后将改进的关联规则挖掘算法用于挖掘项和类别间的相关关系。挖掘出的规则用于形成类别特征词的集合,可用来和类标号未知文档的词的集合求交集,交集元素个数最多者即为所分类别。实验证明,该算法在提高训练时间和测试时间的同时具有较好的召回率、准确率和F-Measure。     

论先进生产力的判断标准与本质特征

先进生产力的判断标准应该是经济效率标准、具体时空标准、人民利益标准、可持续发展标准的统一。先进生产力的三个本质特征：先进生产力是一个诸种先进生产要素综合作用的系统；先进生产力以先进的科学技术为载体；先进生产力具有量态和质态两种属性。     

论林白小说的叙述选择

真实与虚构并行、杂糅共存于文本中，采用这种叙述技巧使林白的小说充满了象征意义和语言美感。与此同时，这一技巧的运用对林白小说的意义远不止技巧层面本身。它分别作用于文本、作者、读者并使其间达到了沟通。对于文本：真实与想象杂糅赋予作品以张力，文本中的事件通过换装取消了传统意义上的本质与真实使文本呈现出象征和寓言的氛围。对于作者：林白借真实与虚构的杂糅处理和重建了与常规相对的女性的历史，她跳出了个人主义视角，将自我这一概念扩展到女性这一群体层面。对于读者：林白以一种不彻底的坦诚和不彻底的遮蔽的姿态引导读者去猜测事件的真相，这其中除了对真实本身的好奇心，更有对变幻的文本背后的象征指向的探索欲。真实与虚构的换装不应仅仅被视作炫技，而是到达象征中心的必由之路。     

Web文本挖掘系统及聚类分析算法

给出了Web文本挖掘系统WTMS的系统总体结构图，开发并实现了基于SOM的Web文档层次聚类算法。同时结合现代远程教育背景实现了Web文本挖掘的原型系统。该系统可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘，从而帮助人们快速进行文本信息导航，获取重要的知识。     

一个基于字特征的文本分类模型

提出了一种基于字特征的中文文本分类方法。该方法的出发点是变常用的基于表层的匹配为基于概念的匹配,用汉字特征向量作为文本的表示方法。算法根据文本中汉字的特征建立文本表示矩阵和类别表示矩阵,并通过线性最小二乘算法形成分类矩阵。     

基于PSVM的乳腺X照片分类器设计

纹理是图像中反复出现的局部模式和它们的排列规则。一幅图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔变化幅度的综合信息，它是分析图像纹理的基础。文中提出了基于灰度共生矩阵的乳腺X照片纹理特征提取方法。同时，利用比BP神经网络精度更高，比传统的SVM算法效率更高、更易于实现的PSVM算法作为分类器的训练方法。     

篇章与阅读教学

篇章只有通过阅读才能实现其言语交际的意义和功能,而在传统的阅读教学中通用的阅读策略是不全 面的且弊端十分明显。从篇章整体出发,通过语言文字来获取所传递的信息才是阅读教学的最终目的。