地表高程剖面特征及其在起伏度分析中的应用——以平行岭谷区华蓥市为例

针对确定高分辨率、小区域地形起伏度最佳求算区域中存在的不确定性,提出了分析地表高程典型剖面的多尺度特征,继而探索其在确定最佳求算区域中的应用适应性的方法。利用多尺度DEM分析县域地形起伏,以川东平行岭谷区华蓥市为例,基于ASTER GDEM数据,提取高程剖面线。Morlet小波多尺度分解显示,在20~27(600~810m)及42~46(1 260~1 380m)窗口区间小波方差呈现峰值特征。为验证多尺度特征及其在确定地形起伏度最佳分析窗口中的应用,基于30m及90m分辨率的DEM运用邻域统计法求算地形起伏度。均值变点法表明地形起伏度最佳分析窗口分别为27×27(810m)、17×17(1 530m),单元面积分别为0.65km2、2.34km2,接近小波峰值区间,90mDEM求算的地形起伏度更接近于实际情况。实验表明,高程剖面分析是研究岭谷区地形多尺度起伏特征有效方法之一;其指示的特征尺度,可以与变点法确定的起伏度分析窗口相互对照。     

Hidden Web信息获取

如今Web上越来越多的信息可以通过查询接口获得，但为了获取某Hidden Web站点的页面，用户不得不键入一系列的关键词。由于没有直接指向Hidden Web页面的静态链接，当前大多搜索引擎不能发现和索引这些页面。然而，研究表明，由Hidden Web站点提供的高质量的信息对许多用户来说非常有价值。文章通过研究针对特定类型的表单，建立一个有效的Hidden Web爬虫，以便获取Hidden Web后台数据库信息。     

一种高效的P2P环境中的窗口查询算法

随着多媒体以及P2P网络的发展,针对高维数据基于属性的窗口查询已经成为一个重要研究课题.提出了一种在超级节点P2P网络中有效解决高维数据的窗口查询算法,在每个单独的网络节点上,数据通过一种降维算法映射到一维空间,在超级节点上,构造数据的统计信息表以及构造网络查询树,算法在每次查询时,按照查询树的规则来访问整个网络,并利用统计信息剪枝网络中的节点查询,避免网络的泛洪.实验中使用了不同的数据集来评测算法的查询效率,结果表明该算法具有很高的查询效率.     

XML结构化匹配中的位图过滤加速法

针对可扩展标记语言(XML)数据查询中的结构化匹配问题,提出一种位图过滤加速法,该算法能有效地提高XML结构化匹配效率。通过预先为每个XML节点建立标签位图,该加速法在XML结构化匹配中,能以位图比较形式过滤大部分未匹配节点,从而达到加速效果。研究位图过滤加速法与几类XML结构化匹配算法的集成问题,提出了低代价的融合方法。实验证明,集成位图过滤加速法的XML结构化匹配算法在查询效率方面明显优于原有算法。     

基于优先级分类的动态随机早期检测队列

针对随机早期检测（RED）算法在服务质量（QoS）保证方面的不足,提出了一种改进队列。该队列基于本地对数据分组的优先级划分,为不同的优先级类别设置不同的RED最大门限值。同时,此系列门限值根据各优先级分组的QoS参数测量值进行动态调整。实验表明,改进的队列继承了RED拥塞控制的优点,提供了一定的QoS保证功能。     

气相法白炭黑补强加成型RTV硅橡胶的研究

采用气相法白炭黑作补强剂填充加成型RTV硅橡胶,研究了白炭黑含量对硅橡胶黏度、力学性能、介电性能以及硫化时间的影响,并通过SEM考察了白炭黑在硅橡胶中的分散效果.结果表明,白炭黑能显著地增强硅橡胶的力学性能,当白炭黑用量为5%时,硅橡胶的拉伸强度提高了近4倍,其综合力学性能达到最佳,同时能使硅橡胶具有更低的介电常数,且介电损耗变化不大.     

基于深度神经网络的关系抽取研究综述

关系抽取作为信息抽取领域近年来的研究热点,从宏观上可具体分为基于流水线的关系抽取、联合抽取和远程监督等,其中各个类别的关键性问题并不相通。近年来深度神经网络因其强大的语义表征能力,逐渐取代传统的机器学习成为关系抽取的基本模型,又可根据抽取方法细分为基于特征、卷积神经网络和注意机制模型等的关系抽取任务。随着数据规模的不断增大,自动高效地从文本中抽取结构化信息并构建知识库具有重大意义,关系抽取的研究和发展更具有必要性。文章对深度学习模型在各类关系抽取任务中的应用进行系统性评述,先主要介绍了常用的语料集及其规模、构建方式等;然后介绍深度神经网络在基于流水线的关系抽取和联合抽取任务中的具体应用,并描述两类任务的重难点问题。最后,文章认为迁移学习和小样本学习在基于深度神经网络的关系抽取研究中更具挑战性和普遍性。     

基于预训练与答案选择模型的机器问答研究

机器问答是通过自然语言处理技术,使机器可以理解人们用自然语言提交的问题,同时并对问题做出响应回答。针对机器问答进行研究,采用了基于Bert模型的答案选择模型,提出了基于预训练与答案选择模型的机器问答方法。对于答案选择部分,采用全连接神经网络模型和长短时记忆网络两种网络模型结构,并对这两种模型进行对比分析。所采用的模型在NLPCC-ICCPOL DBQA数据集中评价指标ACC@1、MRR、MAP测试结果分别为0.8102、0.8110、0.7204。在Natural-Conv数据集上评价指标ACC@1、MRR、MAP测试结果分别为0.8380、0.8250、0.8490,其中ACC@1评测结果相较于CNN、LSTM等模型的结果分别提高了0.0854、0.0952。     

锂电池生产企业的消防安全问题研究

锂电池的应用越来越广泛，已经成为目前最受欢迎的电池。在锂电池的生产过程中，使用了多种类型的原料，一旦发生火灾，不仅会给火灾现场造成严重的经济损失，也会影响到人们的生命财产安全。基于此，对锂电池生产过程中存在的消防安全问题进行分析，并提出了相应的消防安全措施，以提高锂电池生产企业的消防安全意识和防范能力，避免火灾事故的发生，保障企业及人民群众生命财产安全。