上古汉语分词及词性标注语料库的构建——以《淮南子》为范例

该文介绍了以《淮南子》为文本的上古汉语分词及词性标注语料库及其构建过程。该文采取了自动分词与词性标注并结合人工校正的方法构建该语料库,其中自动过程使用领域适应方法优化标注模型,在分词和词性标注上均显著提升了标注性能。分析了上古汉语的词汇特点,并以此为基础描述了一些显式的词汇形态特征,将其运用于我们的自动分词及词性标注中,特别对词性标注系统带来了有效帮助。总结并分析了自动分词和词性标注中出现的错误,最后描述了整个语料库的词汇和词性分布特点。提出的方法在《淮南子》的标注过程中得到了验证,为日后扩展到其他古汉语资源提供了参考。同时,基于该文工作得到的《淮南子》语料库也为日后的古汉语研究提供了有益的资源。     

嵌入式系统低功耗的软件实现方案

在研究嵌入式系统软件功耗优化技术的基础之上,开发一个完整的基于μC/OS - Ⅱ的GSM终端系统.以降低该系统软件的功耗为目标,通过软件设置系统的低功耗模式,减小系统空闲时间的电量消耗.最后通过功率测量仪对优化前后的系统进行功耗测试.实验结果表明,低功耗模式比系统空闲状态下功耗下降50.86％左右.     

基于多颗粒度文本表征的中文命名实体识别方法

中文命名实体识别常使用字符嵌入作为神经网络模型的输入,但是中文没有明确的词语边界,字符嵌入的方法会导致部分语义信息的丢失。针对此问题,该文提出了一种基于多颗粒度文本表征的中文命名实体识别模型。首先,在模型输入端结合了字词表征,然后借助N-gram编码器挖掘N-gram中潜在的成词信息,有效地联合了三种不同颗粒度的文本表征,丰富了序列的上下文表示。该文在Weibo、Resume和OntoNotes4数据集上进行了实验,实验结果的F₁值分别达到了72.41%、96.52%、82.83%。与基准模型相比,该文提出的模型具有更好的性能。     

基于音素识别的语种辨识方法中的因子分析

在基于音素识别的语种辨识系统中,特定的一段语音,音素识别的结果会受到说话人和信道等干扰因素的影响。对此,文中基于音素搭配关系对每段语音构建相应的特征向量表示。在向量空间中,利用因子分析建立噪声子空间的数学描述模型,并在语言模型的训练和识别过程加以消除。在NISTLRE2007的测试任务中,相对于基于音素识别的语种辨识基线系统,该方法可有效提高系统性能。在30s时长测试中,基于音素识别的语言模型和基于音素识别的支持向量机模型的等错误率分别相对降低14。4%和12。9%。     

基于DSP的脱机远程视频监控终端

介绍一个基于DSP的脱机远程视频监控终端的设计和实现，该系统采用CPLD完成图像采集的控制逻辑，以ADSP-21535为中央处理器完成图像MPEG4编码、编码数据网络传输平和本地存储。介绍监控终端的系统结构与流程，以及图像采集模块和网络接口模块的软硬件设计与实现，给出了系统的性能指标。     

一种用于图像分类的多视觉短语学习方法

针对词袋图像表示模型的语义区分性和描述能力有限的问题,以及由于传统的基于词袋模型的分类方法性能容易受到图像中背景、遮挡等因素影响的问题,本文提出了一种用于图像分类的多视觉短语学习方法.通过构建具有语义区分性和空间相关性的视觉短语取代视觉单词,以改善图像的词袋模型表示的准确性.在此基础上,结合多示例学习思想,提出一种多视觉短语学习方法,使最终的分类模型能反映图像类别的区域特性.在一些标准测试集合如Calrech-101[1]和Scene-15[2]上的实验结果验证了本文所提方法的有效性,分类性能分别相对提高了约9％和7％.     

基于多通道视觉注意力的细粒度图像分类

视觉注意力机制在细粒度图像分类中得到了广泛的应用。现有方法多是构建一个注意力权重图对特征进行简单加权处理。对此,本文提出了一种基于可端对端训练的深度神经网络模型实现的多通道视觉注意力机制,首先通过多视觉注意力图描述对应于视觉物体的不同区域,然后提取对应高阶统计特性得到相应的视觉表示。在多个标准的细粒度图像分类测试任务中,基于多通道视觉注意的视觉表示方法均优于近年主流方法。     

Java语言入门——第七讲 applet程度设计方法(一)

Java的小应用程序(applet)是一种嵌入Web页中并由与Java兼容的浏览器执行的Java程序,也可称作Java小程序。使用applet的主要目的是产生动态的、可交互的Web页。从本讲开始,将主要介绍applet的创建方法。 一、applet的创建与运行方法 applel程序与Java应用程序一样,也是由类构成的。但applet中不使用main()方法,每一个applet都是通过创建一个applet子类求实现的。在applet中必须包含一个java.applet.Applet类的子类,该子类称为     

一种改进的PRSVM语种识别方法

传统的PRSVM方法存在以下问题:音素识别器的符号化结果与原语音存在不一致;向量空间维数高,稀疏.针对以上问题,先改用更适合噪声环境下连续电话语音的音素识别器,并采用词图结构改善解码效果,再分别用全局和局部两种隐含语义分析策略改进区分性训练问题.实验表明,本方法不但有效,而且大大减少了运算量.在NIST2007语种识别评测30秒、10秒和3秒任务中,本方法比基线系统性能有显著提高,等错误率分别相对降低了22.3%、14.7%和12.2%.     

基于单片DSP的嵌入式视频监控终端及系统的实现

针对大范围分布、多监控点的视频监控需求,设计和实现了基于宽带网的具有分布式体系结构的监控系统,该系统允许视频监控终端、监控中心客户机和监控服务器在大范围内灵活、方便地组网.同时,介绍基于单片DSP的嵌入式视频监控终端的设计和实现中的关键技术,包括监控终端的软、硬件结构以及MPEG-4视频编码算法在DSP上实时实现的算法级和代码级优化.该监控系统已在实际中应用.