维吾尔语词首音节元音声学分析

该文利用“维吾尔语语音声学参数数据库”,统计分析和归纳了维吾尔语词首音节元音的共振峰模式及其分布格局。声学元音图有多种画法,该文采用JOOS型声学元音图。这种元音图的特点是以F1为纵坐标,以F2为横坐标。这样绘制成的声学元音图与元音舌位图有很好的对应性。维语标准音词首音节中有[y, i, e, O, u, o, ;, A]等8个元音。舌位前后的分布特点是[u, o, A]为后元音,[y, i, e, O, ;]为前元音;开口度(舌位高低)分布特点是[y, i, u]为高元音,[e, O, o]为次高元音,[;]为次低元音, [A]为低元音.     

“微机原理与接口技术”课程教学改革创新探讨

"微机原理与接口技术"是重要的专业基础课,学生普遍反映该课程"难"、"活"、"繁",属于"困难课程"之一。本文介绍了我院"微机原理与接口技术"课程教学改革的一些具体措施以及经验。     

一种序贯Unscented卡尔曼滤波在微小型无人直升机导航系统中的应用

对于应用到微小型无人直升机上的低成本捷联惯导（SINS）/GPS组合导航系统来说,SINS Ψ角误差模型在描述低精度惯性器件误差时对误差项的忽略,使其无法满足SINS误差估计的要求.为了克服Ψ角误差模型的不足,本文建立了基于四元数的SINS非线性误差模型.该误差模型无需对失准角进行小角度假设.为了对组合导航系统中的SINS误差进行估计,提出一种序贯Unscented卡尔曼滤波方法.该滤波方法对观测向量进行序贯处理以降低算法的计算量.仿真结果表明,该滤波方法能有效提高低成本SINS/GPS组合导航系统的性能.     

基于I-Miner的聚类分析研究

数据挖掘是当今数据库系统研究和应用领域中的热点问题.聚类是数据挖掘中的核心问题.I-Miner是一个企业级的数据挖掘工具,利用I-Miner软件进行聚类分析,将聚类结果呈现丰富的可视化效果,通过S语言拓展软件功能,解决应用的特殊需求.     

沃森家族的幕后生活

沃森家族创建了雄霸世界的计算机硬件公司IBM。这个财富家族的创始人是托马斯·沃森,他从一个一文不名的乡下人．靠推销起家一手把IBM这个当初生产磅秤、屠刀和穿孔机的小公司发展为世界超一流的硬件公司。他的独生子托马斯·约翰·沃森曾是一个经常去夜总会厮混的花花公子,老沃森教育有方,浪子回头金不换。小沃森继承了父业．把IBM的计算机事业推上峰巅。     

基于ARM嵌入式近红外光谱仪器的研制

本文介绍了基于ARM微处理器的嵌入式近红外光谱仪器设计,并给出了仪器的软件和硬件的设计方案.设计应用了最先进的ARM嵌入式技术,利用ARM丰富的内部设备,实现了光谱数据的传输和基于触摸屏的人机交互平台.实现近红外光谱仪器操作简单化,体现了ARM微处理器的优胜之处.     

多无人机编队半实物仿真系统开发与应用

针对多无人机编队飞行试验的需求,文中开发一种半实物仿真系统,用以开展多机编队飞行的半实物仿真试验,并对编队功能和性能进行试验验证。根据无人机系统的组成和硬件配置,设计并构建半实物仿真系统的架构。针对机载传感器的接口类型完成仿真系统的硬件选型,并设计仿真电缆。基于被试无人机的气动参数和发动机参数,建立无人机的Simulink六自由度实时仿真模型,并开发部署相应的仿真环境和仿真软件。基于该仿真系统,进行8架无人机编队飞行的半实物仿真试验。试验结果表明,参试的8架无人机能够实现编队飞行的功能,并根据给定的不同队形的指令进行队形变换和保持。所设计系统不仅能在飞行试验前进行编队仿真验证和测试,还能对地面操作手进行飞行试验前的模拟训练。     

有源相控阵雷达TRM高功率微波在线测试系统

高功率微波（HPM）是系统电磁环境效应评估中的重要项目之一。针对有源相控阵雷达“前门”耦合窄带HPM效应评估需求,通过HPM效应评估不同试验方法比较分析,提出采用多端口高隔离“魔T”、耐高功率吸收式滤波器与隔离器等关键微波器件,构建基于传导注入法的收发组件（TRM）高功率微波效应评估实时在线测试系统,针对典型频段TRM开展效应试验,获取相应试验数据,验证了该测试系统是合理可行的。     

融入无监督度量学习的稀疏子空间聚类模型

子空间聚类任务中的无标记数据具有维度高、数据分布分散等特点,传统方法对数据预处理未进行详细地针对化设计且大多使用欧氏距离度量数据间的相似性,使聚类性能提升受限.因此,本文提出融入无监督度量学习的稀疏子空间聚类模型,该算法将距离度量与子空间聚类联合到同一框架,设计由两步组成的聚类过程.该方法对原始数据进行度量学习并重构了稀疏子空间聚类模型,使数据预处理不再是一个单独的步骤,最大限度地将输入的无标记数据之间相似度提高,有效提升了子空间聚类性能、加强了模型泛化能力.我们在真实公开数据集上进行实验测试,实验结果表明该方法优于现有的子空间聚类算法,具有良好的聚类性能.     

基于知识图谱与BERT的安全领域汉字文本纠错模型

针对安全领域所涉及的文本中存在大量人为混淆的文字的问题,提出一种基于汉字知识图谱的BERT(Bidirectional Encoder Representation from Transformers)预训练模型,表征汉字的读音、字形、语义三个维度的特征,构建纠错算法。首先,构建汉字知识图谱刻画汉字的读音、字形拆解、繁简转换、汉字与数字转换等属性和关系,并基于汉字知识图谱中的读音属性和node2vec模型训练得到汉字读音向量;其次,基于知识图谱中字形关系构建node2vec模型,得到node2vec字形向量,并结合卷积神经网络（CNN）方法训练字形向量,两者之和作为最终的字形向量;最后,基于BERT预训练模型,融合读音、字形、语义三维度的向量,并在不同维度间使用自注意力机制加权求和,发现错误字位置并选择正确的候选字。为验证所提模型的有效性,在安全领域诈骗短信数据集上,将所提模型与FASpell、SpellGCN、Soft-Masked BERT进行了对比。实验结果表明,所提模型的正确率和召回率比FASpell分别提升了24.7、21.6个百分点,比SpellGCN分别提升了22.2、1...