输电铁塔三维模型生成的改进

对文献[1]中所提出的铁塔模型生成方法进行了改进。通过对铁塔进行组块分割,重新组织数据结构,并采用逐步细化和封装的方法,对OpenGL三维坐标系下的铁塔节点坐标和杆件数据进行有效的管理。改进后运行程序,显著降低内存占用,易于实现模型修改。该法也适用于生成杆件类三维结构。     

基于PLC自动控制的水泥搅拌系统研究

近几年来，随着海洋石油勘探开发事业的发展，开发海域逐渐由浅海向深海延伸，导管架、平台组块也向着高、大、重的方向发展。对于海上打桩所需要的泥浆需求量也越来越大，泥浆质量要求也不断提高。将PLC作为泥浆生产过程控制系统的核心，有效地提高了产品质量和生产效率，实现生产的全自动控制。     

国内最大海洋石油井口平台完成吊装

海洋石油工程股份有限公司旗下的“蓝鲸”号起重船在渤海油田成功将我国最大的海洋石油井口平台组块吊装就位,标志着我国海洋工程海上安装作业能力实现跨越式发展,达到世界先进水平,为我国海洋油气开发利用提供了有力的技术支撑。     

汉语组块分析在情感分类中的应用研究

网络产品评论的情感分析对网络用户的日常购买行为有着重要的决策作用,因此,如何利用细粒化的处理方法提高情感分析的准确率,成为了一个热门的研究话题。针对该问题提出一种基于汉语组块分析的情感识别方法,首先依靠汉语组块分析对汽车评论语料进行细粒化的处理并提取情感标签,再结合情感词本体和支持向量机模型对情感标签进行分类,从而实现情感倾向性的判别。实验表明,采用汉语组块分析的情感分类方法相比其他的分类算法平均准确率提高了4%。因此,基于汉语组块分析的情感分类可以降低分类器的输入特征维数,并有效提高分类器的分类性能。     

基于统计的汉语组块分析

组块分析是一种大大降低句法分析难度的有效手段。本文针对汉语普遍规律,提出了一套符合汉语语言特点的汉语组块体系,并在此基础上设计实现了一种统计与错误驱动相结合的、能够分析有限层次的组块自动识别算法。实验证明,该方法能够有效地处理真实文本中的浅层分析问题,具有较好的准确率和鲁棒性。     

基于组块分析技术的中文机构名称识别

针对中文机构名称自动识别提出了简化的一体化N最佳层叠模型,该模型实现了从汉语切分、词性标注、组块分析一直到机构名称的自动识别.N最佳层叠方法既能够在一定程度上抑制前一个阶段的错误在后面的传播,又大大地缩小了搜索空间.在实验过程中依次加入启发信息和机构名称缩写处理,使得实验结果有显著提高.在IEER99测试集上,中文机构名称识别的最终准确率和召回率分别为92.31%和81.01%.     

蓝疆号起重船吊装组块作业适用性

采用数值模拟和物理模型试验,对比顶浪下蓝疆号系泊起重船吊物系统的运动特性.分析吊物运动对周期和波高变化的敏感性.依据Noble Denton浮式起重船操作规范,结合我国东海海况,对蓝疆号起重船吊装1000 t和3000 t组块的适用性进行分析,为蓝疆号起重船在海上作业的适用性提供理论依据.     

基于组块及记忆的词性自动标注

基于组块及记忆的模型(BMM)采用与传统方法明显不同的标注思路,以汉语中的整句为处理单元,从组块出发,立足于单个词汇,分析更为丰富的上下文语境知识,并借助知网词典记忆词性集合,同时采用渐增式的机械学习方式获取参数值。对于棘手的稀疏数据问题只简单地设置平伏常数加以平滑,最后利用少量人工规则修正标注结果。实验表明,该模型的封闭式测试准确率将近99%,开放式测试准确率为95%以上。     

面向“互联网+”的民机数据链系统发展趋势

未来的飞机是空地数据网络中的一个节点。数据链基于多种传输链路,构建网络化的生态系统,为飞机、空管部门、航空公司提供丰富的航迹、气象、放行等数据,提高飞行安全和效率。在总结国外数据链发展规划和路线的基础上,介绍了国内数据链发展规划及路线,针对未来数据链在民机上的应用提出了一种未来民机机载数据链系统架构,分析了数据链地面网络的发展趋势,展望了数据链在下一代空管系统中的应用。     

Co-training机器学习方法在中文组块识别中的应用

采用半指导机器学习方法co2training 实现中文组块识别。首先明确了中文组块的定义,co-training 算法的形式化定义。文中提出了基于一致性的co-training 选取方法将增益的隐马尔可夫模型(Transductive HMM) 和基于转换规则的分类器(fnTBL) 组合成一个分类体系,并与自我训练方法进行了比较,在小规模汉语树库语料和大规模未带标汉语语料上进行中文组块识别,实验结果要比单纯使用小规模的树库语料有所提高,F 值分别达到了85134 %和83141 % ,分别提高了2113 %和7121 %。