一种基于小字典不对等语料的跨语言词嵌入方法

双语词嵌入通常采用从源语言空间到目标语言空间映射,通过源语言映射嵌入到目标语言空间的最小距离线性变换实现跨语言词嵌入。然而大型的平行语料难以获得,词嵌入的准确率难以提高。针对语料数量不对等、双语语料稀缺情况下的跨语言词嵌入问题,该文提出一种基于小字典不对等语料的跨语言词嵌入方法,首先对单语词向量进行归一化,对小字典词对正交最优线性变换求得梯度下降初始值,然后通过对大型源语言(英语)语料进行聚类,借助小字典找到与每一聚类簇相对应的源语言词,取聚类得到的每一簇词向量均值和源语言与目标语言对应的词向量均值,建立新的双语词向量对应关系,将新建立的双语词向量扩展到小字典中,使得小字典得以泛化和扩展。最后,利用泛化扩展后的字典对跨语言词嵌入映射模型进行梯度下降求得最优值。在英语—意大利语、德语和芬兰语上进行了实验验证,实验结果证明该文方法可以在跨语言词嵌入中减少梯度下降迭代次数,减少训练时间,同时在跨语言词嵌入上表现出较好的正确率。     

简易棋盘格图像标定系统应用

棋盘格图像在摄像机标定中有非常广泛的应用,对于复杂环境且测量精度要求非常高的场合,会需要特定的且有一定复杂度的算法,但通常情况下,使用这样的标定系统是没有必要的,且会让初次应用的人觉得困难。这里提供一套应用简单,快速,对棋盘格图像具有旋转不变性,良好的鲁棒性,且对非复杂环境具有高精度的标定系统。所有算法均是在前辈们的算法上稍作改变而来,应用效果非常好。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

水蜡叶斑病病原菌鉴定及对药剂的敏感性

[目的]为明确水蜡叶斑病致病菌,为其防治提供依据。[方法]采用柯赫氏法则、形态学测定、r DNA-ITS序列比对鉴定,研究了致病菌的分类地位;测定了病菌对不同杀菌剂的敏感性。[结果]水蜡叶斑病致病菌是极细链格孢菌(Alternaria tenuissima),测定了病菌对12种杀菌剂的敏感性。结果表明:10%苯醚甲环唑WP、30%氟菌唑WP、125g/L氟环唑SC对菌丝的敏感性较高,EC_(50)值分别为14.36、37.91、29.86 mg/L;对孢子的敏感性较高,EC_(50)值分别为125.81、245.73、207.03 mg/L。[结论]明确了水蜡叶斑病致病菌种类,筛选的3种杀菌剂可有效抑制病害的发生。     

苏6井区下石盒子组高分辨率层序地层学特征

以高分辨率层序地层学理论和技术方法为指导，在苏里格气田苏6井区地表露头、钻井岩心、测井、地震资料综合研究的基础上，通过基准面旋回结构、叠加样式的沉积动力学分析，将该井区下石盒子组划分为2个长期、5个中期和14个短期旋回层序；并较为详细地讨论了各期旋回层序特征；建立了以长期旋回层序界面和最大洪泛面为等时年代地层框架，以中期旋回层序为等时地层单元的高分辨率层序地层格架；通过分析，认为下石盒子组盒₈下段天然气储、盖条件最为有利；有利于储层发育的河道砂体主要出现在长、中期上升半旋回的中、下部，层序界面上相当短期旋回级别的单河道砂体是下石盒子组天然气勘探开发的主要目标。     

基于DTW改进算法的孤立词识别系统的仿真与分析

传统的DTW算法在进行孤立词语音识别时着重于时间规整和语音测度的计算，而没有对数据的可靠性和有效性进行分析。本文提出了一种改进的端点检测算法，并采用一种改进的DTW算法，在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效的降低了识别时间和存储数据量，提高了系统性能。     

地统计克立格插值法在工程土方计算中的应用

土方计算是工程中经常碰到的问题。尝试利用地统计学的克立格插值法来计算土方，将其应用于余姚市泗门镇土地整理工程中进行实测试验。介绍了其基本的原理和公式，并与利用数字高程模型计算得到的土方工程量进行了比较，发现地统计插值法可较精确地确定设计标高和土方量，证明该方法的可行性和优越性。