备煤条件对焦炭冶金性能的影响

克里沃罗格钢铁公司焦化厂现有焦炉6座。这些焦炉的炭化室高度和容积不同(4．3、5．5和6．0m；21．6、30．9和32．3m^3)，其使用寿命和工艺状况也不同。     

新疆农产品质量安全发展现状与对策

农产品质量安全直接关系到消费者的生存、生活和健康,越来越受到人们的普遍关注.主要分析了新疆农产品质量安全发展现状,并有针对性地提出了发展对策,要完善农产品质量安全监督管理法规体系、加快农业标准体系建设、依法开展农产品质量安全检验检测等.     

时尚

时尚是有规律的.它不是以进步的形式运动,而是在循环中运动.外在的一致性通常会破坏内在的一致性.本文就时尚的规律、时尚的产生与运动过程、时尚与限制性规则、现代时尚的新变革等方面展开讨论.     

煤牌号和工艺因素对焦炭性质的影响

煤料的组成可以间接评定焦炭的性质，但不能揭示炼焦过程中物理化学变化的实质。根据文献资料介绍，煤料的结焦性是煤的地质成熟期（变质作用）、粘结性（塑化）和岩相不均匀性这三种性能表现的结果。除了以上因素，影响焦炭质量的还有煤的粒度组成、水分、预热制度和炭化室的几何形状。很多焦化厂的科研人员研究了种种预测焦炭质量的方法，概括起来可以用以下式子表示：Mi＝f（Vd，∑OK，y，K，Ms）式中：Vd—挥发分（干基）／％K—炼焦制度准数M—炼焦粒度组成准数∑OK—贫煤总量y—胶质层厚度／mm本文着重介绍备煤和炼焦主要工艺因…     

HMM与神经网络相融合的低资源语音合成方法

为了提高语音合成自然度和稳定性,提出HMM与深度神经网络相融合的,以维吾尔语作为实验语言的语音合成方法.基于深度学习的端到端语音合成方法存在生成速度慢、稳定性及可控性不够好,但是合成语音自然度高,而基于HMM的方法系统稳定性好,合成语音自然度不如端到端的方法.因此,系统前端部分利用HMM(马尔科夫模型)获取维吾尔语固有的语言特征,后端合成部分利用深度神经网络框架建立自回归模型.前端文本分析用HMM模型获取语言特征,后端合成用不同的神经网路模型,并进行了对比试验.最后对于实验结果进行了评测.实验结果验证了基于HMM+BiLSTM的语音合成方法的效果最好.     

单翼迷宫式滴灌带抗热氧老化性能的影响研究

单翼迷宫式滴灌带产品新国家标准中增加了氧化诱导时间（OIT）,这对产品的抗热氧老化性能提出了要求。本文从滴灌带配方出发,讨论了产品原料与其OIT的料效关系,结果表明,防老化母料的加入比例对滴灌带的OIT影响最大,增加其比例可增大滴灌带的OIT;高密度聚乙烯（PE?HD）的加入比例对滴灌带的OIT影响大于线性低密度聚乙烯（PE?LLD）和低密度聚乙烯（PE?LD）的加入比例,增加PE?HD比例、减小PE?LLD和PE?LD比例可增大滴灌带的OIT;PE?LD的加入比例对滴灌带OIT的影响最小,在配方设计时应综合使用比例合理的PE?HD、PE?LLD、PE?LD以满足滴灌带良好的加工和其他性能要求;防老化母料中稳定剂比例不应随成本而减少,稳定剂比例增大时,滴灌带的OIT增大;通过对滴灌带的熔体质量流动速率（MFR）、炭黑含量及OIT指标测试,得出滴灌带MFR和炭黑含量与其OIT无明显的相互变化关系。     

基于N-gram语言模型的哈萨克文机构名识别

针对哈萨克文文本中机构名构成特点,提出了一种基于N-gram语言模型的哈萨克文机构名可信度计算方法,并以机构名尾词为触发词,构建了一个哈萨克文机构名识别系统。系统分为训练和识别两个模块,识别过程是：首先从训练语料中提取特征进行训练,得到一个特征训练模型,然后利用训练好的特征模型及少量的附加规则,对测试文本中的机构名进行识别,实验结果表明该方法可行。     

哈萨克语基本名词短语自动识别研究与实现

以哈萨克语基本名词短语识别为目标,实现了哈萨克语基本名词短语自动识别系统。采用基于规则自动识别及人工标注的方法建立基本名词短语标注语料库,在此基础上,采用统计和规则相结合的识别方法,利用互信息进行基本名词短语边界预测,然后根据哈萨克语基本名词短语构成规则对预测边界进行调整,加入标注符,得到最终的识别结果。实验结果表明,两种方法封闭测试的识别精确率分别为80.2%和82.5%。     

语料资源缺乏的连续语音识别方法的研究

由于少数民族语言有其本身的特点, 不能简单地套用现有的连续语音识别的方法. 本文以蒙古语为例, 研讨了声学和语言模型的建立, 并在日本国际电气通信基础技术研究所的连续语音识别器上实现了蒙古语的语音识别系统. 本文侧重于语言模型的建立, 基于蒙古语黏着性语言特点, 提出用相似词聚类方法建立多类N-gram模型. 实验结果显示, 应用我们提出的语言模型, 识别精度比用传统的词的N-gram识别法提高了5.5%.     

哈萨克文脱机手写字符识别系统的研究与实现

由于手写哈萨克字符结构的特殊性,仅提取几种单一的字符特征进行识别时正确率较低,识别效果较差。由此采用改进的PCA方法定位单词基线位置,对每个字符提取包括笔画密度特征、投影特征、轮廓特征等在内的36种特征,使用K-W检验对各特征的分类能力进行比较,并采用线性判别函数进行分类,取得了较高的识别精度。实验结果表明,该系统针对脱机字符识别率达到94％以上。