基于XPath的新闻信息抽取系统设计与实现

随着互联网技术的迅猛发展,因特网成为目前新闻信息最丰富最主要的来源。本文在分析新闻网页的基础上,分析了目前现有的信息抽取技术和XML技术,提出了一个基于XML技术的Web新闻抽取系统。本文主要是充分运用XML中的XPath技术在数据定位方面的优势,并提出一种基于DOM树的XPath生成算法,使用XSLT语言用于描述抽取规则,并使用路径表达式XPath定位待抽取的信息点。     

基于KL-散度的智能电网用户特征提取方法

智能电网技术的发展,使得传统电力系统的规模及复杂度大大增加,同时产生了大量的用电数据,如何有效利用数据挖掘技术,从这些海量数据中挖掘出有潜在价值的信息,成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段,将用户的用电数据进行划分,在分析每段时间内用户用电数据的基础上,采用KL-divergence（KL-散度）方法衡量用户差异,并结合基于密度改进的K-means算法,给出了一种新的用户特征提取算法,用以描述电网用户的特征差异,从而实现针对不同类别用户制定不同电力营销策略,这在一定程度上能够提高企业经济效益。最后,算例仿真结果表明,所给出的用户特征提取算法在计算的时间效率和准确性上,较传统方法都有了明显的提升。     

基于阈值的彩色目标图像的提取与测量

幅彩色图像提供了很多不同的信息,但是为了更好地研究我们所感兴趣的目标图像,需要将它们以图像斑块的形式单独提取出来,从而排除研究所不需要的干扰信息和背景信息,使得研究上作更容易、更准确。通过合理的选取阈值及提取关系,如大于等于阈值、小于等于阈值等,可从图像中提取研究所关心的目标图像及其边界,并测量所提取的目标图像的总面积及目标图像各斑块的面积和周长,由此可研究其分布规律与分布密度;并可在测量的基础上对目标图像斑块进行统计,统计出在一定面积或周长范围内目标图像斑块的个数,为相应的研究提供定量分析。     

一种改进的Web应用结构抽取方法

以采用HTML为文件格式,JavaScript作为客户端脚本,JSP作为服务器端执行代码的Web应用系统为研究对象,在现有Web应用结构抽取方法所存在的缺陷分析基础下,通过静态分析Web应用系统的源代码,获得整个Web应用的目录结构和文档类型,再进一步抽取页面内主要结构元素,将所得到的信息以XML语言形式进行存储。通过构建和遍历XML语法树,抽取主要组件及组件间的关联信息,最终形成Web应用的系统结构图,从而提高Web应用系统维护和演化工作的效率,有效帮助维护人员对整个Web应用系统的理解。     

面向交互式动画创作结构化剧本的生成

为了减少传统动画制作中手工劳动,实现高效的动画剧本创作,提出了一种面向交互式动画创作的结构化动画剧本生成模型并加以实现。通过一个实际样例阐述了该模型在剧本生成过程的具体应用,并对其结果进行分析,验证了模型的有效性。     

基于神经网络的数字识别

本文介绍了神经网络、数字识别的相关内容及其概念,在此基础上重点研究了基于神经网络的数字识别系统。本文对基于神经网络的数字识别系统包含的功能,以及每个功能模块所使用的技术进行了阐述。最后对基于神经网络的数字识别系统所具有的优点进行了分析和讨论。     

多焦视网膜电图非线性成分的提取

研究关于多焦视网膜电图（mfERG）检测,可以在相对较短的时间内连续记录测试多个局部视网膜电生理响应信号的波形,有着重要的临床应用价值,其中非线性成分在反映视网膜功能分析上有较强的潜力。通过mfERG的分离算法,对多焦电信号进行分离,得到局部的反应信号,并利用高阶的规律和提取规则,构建模型对视网膜局部电信号中的各阶非线性成分进行分离提取。通过仿真实验有效地得到了视网膜电图的局部信号及其中的非线性成分。算法简单快速,实践中易于实现。在所得结果基础上,可以分析一阶与二阶之间的相互关系,为以后研究高阶间的相互关系提供基础。     

化学和化工深层网信息挖掘技术的研究与应用

针对化学和化工领域深层网信息量大、专业性强,但是难于检索的问题,本文研究了深层网信息挖掘的相关技术及化学和化工深层网的特点,并将其综合应用于对化学和化工深层网信息资源的挖掘系统中。该系统通过提取表单标签并结合化工物性词典种子合成绝对URL地址的方式,实现了对深层网入口表单的自动填写和提交功能,采用结合了XPath文档定位语言和XSLT数据逻辑处理模式初步实现了对返回的结果页面中化学和化工数据的提取。     

Web报表生成系统的研究与实现

报表作为数据信息的发布,包括内容和形式两方面。本文的报表系统其主要特色是使用XML和XSL实现了报表数据和报表格式的分离,即同一报表数据可以有多种显示样式,这样的数据与结构的分离增强了数据的独立性,提高了数据的共享程度。     

频域盲源分离的邻频幅角比排序算法

频域盲源分离方法通过STFT变换将时域的线性卷积模型转化为频域的瞬时混合模型,可以利用瞬时混合的成熟算法,然而缺点是存在排列和尺度的不确定性,会使逆STFT变换后的信号发生再次混叠。对分离矩阵内部结构进行研究,提出邻频幅角比的概念,通过纠正图样中发生排列错误频点处的分离矩阵结构,达到正确拟合已分离信号的目的。仿真结果表明,邻频幅角比排序算法可以纠正大多数频点上的排序错误,正确进行盲源分离。