双特征空间的实体排序学习

随着大规模知识图谱的出现以及企业高效管理领域知识图谱的需求,知识图谱中的自组织实体检索成为研究热点。给定知识图谱以及用户查询,实体检索的目标在于从给定的知识图谱中返回实体的排序列表。从匹配的角度来看,传统的实体检索模型大都将用户查询和实体统一映射到词的特征空间。这样做具有明显的缺点,例如,将同属于一个实体的两个词视为独立的。为此,该文提出将用户查询和实体同时映射到实体与词两个特征空间方法,称为双特征空间的排序学习。首先将实体抽象成若干个域。之后从词空间和实体空间两个维度分别抽取排序特征,最终应用于排序学习算法中。实验结果表明,在标准数据集上,双特征空间的实体排序学习模型性能显著优于当前先进的实体检索模型。     

具有属性析取扩展特征的内逆P-信息智能挖掘

逆P-集合(inverse packet sets)是由内逆P-集合P-F(internal inverse packet set(X)F)与外逆P-集合XF(outerinverse packet setXF)构成的集合对;或者,((X)F,(X)F)是逆P-集合;逆P-集合具有动态特性.它是研究另一类动态信息与应用的新模型.逆P-集合中元素的属性满足属性析取.利用内逆P-集合的结构,给出了元素的属性析取扩展形式与特征、属性析取扩展条件下的内逆P-信息智能挖掘,以及挖掘定理与智能挖掘原理;给出了满足内逆P-推理与非完整信息条件下的完整信息的智能挖掘-发现.利用这些结果,给出了具有属性析取扩展特征的信息智能挖掘的应用.     

基于多尺度小波包分析的肺音特征提取与分类

提出了一种适于非平稳肺音信号的特征提取方法.以4种肺音信号（正常、气管炎、肺炎和哮喘）为样本数据,通过分析肺音信号的时频分布特点,选择了具有任意多分辨分解特性的小波包.对小波包进行空间划分后找到了适合肺音特征提取的最优基,并基于最优基对肺音信号进行快速多尺度的分解,得到了各级节点的高维小波系数矩阵,建立了小波系数与信号能量在时域上的等价关系,并将能量作为特征值,构造了低维的作为分类神经网络的输入特征矢量,大大降低了输入特征的维数.研究表明该算法的识别性能是高效的.     

Erratum to: Experimental research on overlying strata movement and fracture evolution in pillarless stress-relief mining

International Journal of Coal Science & Technology -     

基于散斑跟踪技术的超声心动图心动周期估计

基于块匹配散斑跟踪技术,提出估计超声心动图心动周期的方法。选择超声心动图心肌壁中感兴趣区域(region of interest, ROI),跟踪和记录每帧超声图像上ROI区域内心肌组织上的散斑或散斑模式的位置和运动。通过计算ROI区域内散斑的位移,用最小绝对误差和(sum of absolute differences, SAD)算法估计心动周期的长度和起点,并用仿真超声序列图像对方法进行验证。试验结果表明超声心动图心动周期的理论值与实际值有较高的一致性。该方法能够有效、可靠地估计心动周期长度和起点。     

125I标记重组人血小板生成素的分布和代谢特征

摘要：目的: 建立125I标记重组人血小板生成素（rhTPO）的分析方法并研究小鼠尾静脉注射125I- rhTPO后的体内分布及药动学特征。方法: Iodogen法制备125I- rhTPO，经Sephadex-G25凝胶柱分离纯化，纸层析法检测放化纯度。按1g.kg-1剂量经尾静脉给药，于不同时间检测血浆中的放射性变化，并计算相应的血药浓度及药动学参数。同时于各时间点观察125I- rhTPO在各组织器官的分布情况。结果和结论: 制备的125I- rhTPO标记率为96.25%，放化纯度95.85%。尾静脉注射125I- rhTPO 1g.kg-1在小鼠体内可以二室模型拟合血药浓度的动态变化，T1/2为0.30h，T1/2为6.20h。125I- rhTPO在小鼠体内主要经肾脏排泄，部分可经肝胆系统代谢。在各骨组织中以富含骨髓细胞的胸骨放射性计数最高，股骨次之，而乏骨髓的胫骨放射性计数最低，提示骨髓是TPO作用的靶组织。