江苏省高职院校软件人才培养与市场需求分析

本文介绍了江苏省职业教育概况及高职院校计算机类专业招生情况,详细分析了江苏省对IT类人才的需求情况,并阐述了江苏省在建设软件人才培养环境方面所做的工作。     

语言学组合特征在语义关系抽取中的应用

语义关系抽取是信息抽取中的一个重要的研究领域。目前基于特征向量的语义关系抽取已经很难通过发掘新的特征来提高抽取的性能。本文提出了一种特征组合方法,通过在各种词法、语法、语义的基本特征内部及特征之间进行合理的组合形成组合特征,使用基于支持向量机的学习方法,使得关系抽取的准确率和召回率得到了提高。在ACE 2004语料库的7个关系大类和23个关系子类抽取实验中F值分别达到了66.6%和59.50%。实验结果表明通过对基本语言学特征进行组合所得到的组合特征能够显著地提高语义关系抽取的性能。     

基于粒子系统的实时火焰绘制方法研究

设计了粒子系统火焰模型,详细讨论了模型中粒子的属性及其变化.为了提高系统运行效率.采用四边形面片代替点光源粒子,结合纹理映射、Billboarding和alpha混合技术,使得火焰模型在实际应用中能满足实时性要求.同时保持较好的逼真效果.     

氧化时间对钛合金钻杆微弧氧化膜层结构和性能的影响

采用脉冲直流微弧氧化方法在钛合金钻杆表面制备了不同氧化时间下的TiO_2陶瓷膜层,用扫描电镜、X射线衍射仪、显微硬度计、球盘摩擦试验机及电化学工作站等分析了膜层的形貌、结构、组成以及膜层的硬度、摩擦磨损性能和耐蚀性。结果表明,随着氧化时间的延长,膜层的厚度增加,但膜层的硬度、耐磨性和耐腐蚀性先增加后降低。经不同氧化时间处理后,膜层的相结构主要由金红石型TiO_2和锐钛矿型TiO_2组成,此外还含有少量的Al2TiO5晶体和SiO_2非晶态。微观形貌分析表明,随着氧化时间延长,膜层表面粗糙度延长。在本实验条件下,当氧化时间为40min时,微弧氧化膜层的综合性能较好。     

带余热回收的CO2车用热泵系统实验研究

本文研制了一套具有串联式余热回收功能的CO₂热泵系统,并在标准焓差台中实验研究了不同工况参数对系统低温制热性能的影响。结果表明：双热源余热回收系统(空气热源和电机热源)的性能优于单空气热源系统,双热源模式可以优化系统参数,提高系统制热量与COP,扩大热泵系统低温工作范围。在环境温度为-20℃时系统切换至双热源模式后的制热量及COP分别提高18.9%和5.9%。低温环境下使用双热源模式优势显著,随着室外温度由-5℃降至-20℃,开启双热源模式后制热量的增加率由4.3%增至18.9%,COP的增加率由4.3%增至5.9%。提出低于-5℃的环境温度是使用余热模式的最佳温度范围,为CO₂车用热泵系统的实际应用提供指导。     

基于帧间差分的足球球员检测算法

针对帧间差分法不能很好应用于变化场景的缺陷,提出了一种改进的帧间差分法,通过边缘提取、区域补偿等操作将该方法应用到足球视频中,对球员进行有效的检测.该方法首先利用颜色空间统计信息反投影技术得到运动场地,利用球场的主色对球场边缘进行补色,区域补偿,得到固定场景.利用帧间差分法检测球员,最后通过对球员候选区域的颜色信息与模板直方图匹配,达到对球员的队属辨别的目的.实验结果表明,该方法检测效果很好且具鲁棒性.     

轻量级的面向对象C语言编程框架

LW_OOPC是一个面向对象的C语言编程框架,非常的轻量级,却很好地支持了很多面向对象的特性。     

CBERS-02星CCD数据土地利用分类方法研究——以江苏省宜兴地区为例

以江苏省宜兴地区为试验区,首先进行了CBERS-02星CCD数据的图像预处理,然后利用ERDASI-MAGINE和Definiens7.0等软件,采用非监督分类、监督分类、混合监督分类、面向对象四种分类方法进行了土地利用分类,并将影像分类结果进行了精度评价分析。结果表明：在一级地类的提取中,面向对象的最邻近分类器的分类精度最低,混合监督分类的精度最高;在二级地类的提取中,面向对象的特征阈值法得到的分类结果较好,能够轻松提取传统分类方法难于提取的地类。     

混合的汉语基本名词短语识别方法

提出一种混合的汉语基本名词短语（BaseNP）识别模型,包括采用语法规则、统计方法和组合分类器方法。利用BaseNP词的信息、词性信息及上下文句法信息,构建组合分类器,提高判断的准确性。在中文树库（CTB5.0）上进行实验,F值达到了90.09%,证明该方法能有效地识别BaseNP。     

一种高效的多层和概化关联规则挖掘方法

通过对分类数据的深入研究,提出了一种高效的多层关联规则挖掘方法:首先,根据分类数据所在的领域知识构建基于领域知识的项相关性模型DICM(domain knowledge-based item correlation model),并通过该模型对分类数据的项进行层次聚类;然后,基于项的聚类结果对事务数据库进行约简划分;最后,将约简划分后的事务数据库映射至一种压缩的AFOPT树形结构,并通过遍历AFOPT树替代原事务数据库来挖掘频繁项集.由于缩小了事务数据库规模,并采用了压缩的AFOPT结构,所提出的方法有效地节省了算法的I/O时间,极大地提升了多层关联规则的挖掘效率.基于该方法,给出了一种自顶向下的多层关联规则挖掘算法TD-CBP-MLARM和一种自底向上的多层关联规则挖掘算法BU-CBP-MLARM.此外,还将该挖掘方法成功扩展至概化关联规则挖掘领域,提出了一种高效的概化关联规则挖掘算法CBP-GARM.通过大量人工随机生成数据的实验证明,所提出的多层和概化关联规则挖掘算法不仅可以确保频繁项集挖掘结果的正确性和完整性,还比现有同类最新算法具有更好的挖掘效率和扩展性.