单汉字标引方法的改进研究

本文根据信息论中的交互信息,给出了相邻汉字相关度的测量方法,在此基础上提出了基于字串预分割的单汉字标引检索方法,对当前具有代表性的单汉字标引方法进行了改进研究。试验证明本文提出的方法具有较好的性能     

直接电位法同时测定邻硝基苯酚和对硝基苯酚

本文以长链溴化S-烷基双硫腙衍生物为载体制备了邻硝基苯酚阴离子电极和对硝基苯酚阴离子电极,建立同时测定邻硝基苯酸和对硝基苯酚的方法。邻硝基苯酚的线性检测范围为 5×10~(-3)-3×10~(-5)mol/L,检测下限为9×10~(-6)mol/L;对硝基苯酚的线性检测范围为5×10~(-3)-2×10~(-5)mol/L,检测下限为9×10~(-6)mol/L。     

邻氯苯乙腈水解合成邻氯苯乙酸

邻氯苯乙腈水解制邻氯苯乙酸,在以硫酸、水、乙酸按体积比１：１：１的混合酸催化下,反应时间８０ｍｉｎ,回流温度１２０℃,可获８６．２％的收率。     

一氯醋酸镧与邻菲罗啉混配配合物的合成与表征

采用一种新的合成方法,在水、甲醇和二甲亚砜混合溶剂中合成了一氯醋酸镧与1,10-邻菲罗啉混配配合物,通过元素分析、红外光谱、和差热一热重等分析测试手段研究了配合物的性质,并确定配合物的组成为:La(ClCH_2COO)_3(Phen)_2·2H_2O.     

基于改进KNN的文本分类方法

本文针对VSM (向量空间模型)中KNN (K最近邻算法)在文本处理环境下的不足,根据SOM (自组织映射神经网络)理论、特征选取和模式聚合理论,提出了一种改进的KNN文本分类方法。应用特征选取和模式聚合理论以降低特征空间维数。传统的VSM模型各维相同的权重并不适应于文本处理的环境,本文提出应用SOM神经网络进行VSM模型各维权重的计算。结合两种改进,有效地降低了向量空间的维数,提高了文本分类的精度和速度。     

余角与补角学习导航

互为余角、互为补角都是指两个角之间的数量关系,与它们的位置无关。理解和掌握余角、补角的性质有助于分析角与角之间的关系,也为以后的学习打下基础,同学们在学习时要注意以下几个方面。一、正确理解概念 1．互为余角 如果两个角的和是90°,那么这两个角就互为余角,也就是说其中一个角是另一个角的余角。     

巧辨对顶角与邻补角

邻补角和对顶角是初中几何里的两个十分重要的概念,也是同学们今后学习几何的基础。可是大家能正确分辨这两个概念吗？为了帮助同学们理解并掌握这两个概念．我们从四个方面对它们进行分辨．     

混配双核铜配合物[Cu（C12H8N2）（C7H5O2）（NO3）]2的合成及晶体结构表征

采用传统溶液法合成了二聚体配合物[Cu（C12H8N2）（C7H5O2）（NO3）]2,其晶体属三斜晶系,P1空间群;晶胞参数为：a=0．87921（10）nm,b=0．91004（10）nm,c=1．16484（13）nm,α=95．7980（10）°,β=111．0080（10）°,γ=95．7870（10）°,V=0．85613（17）nm^2,Z=2,Dc=1．656g／cm^3．铜离子周围有2个氮原子和4个氧原子与之配位形成畸变的八面体配位构型,其中,2个氮原子由邻菲罗啉提供,4个氧原子中3个由配体水扬醛提供,1个由硝酸根提供．两个配位单元通过水杨醛的酚羟基氧原子相连．     

适用于隐含主题抽取的K最近邻关键词自动抽取

众所周知,K最近邻方法作为机器学习领域的一个经典的方法,在很多领域都有出色的表现.本文利用K最近邻方法的思想,提出了一种基于K最近邻的关键词自动抽取方法.现有的关键词抽取技术仅仅是对正文词汇的抽取,不能抽取隐含主题.隐含主题的抽取是关键词自动抽取技术的难点,但是该方法可以有效抽取隐含主题.该方法首先对数据进行预处理,使用向量空间模型将文本表述为数学化语言;然后,以人工标注关键词的文献数据作为训练集,使用K最近邻方法构建新文献的关键词候选集;最后,根据关键词本身的特点对候选关键词做了有效的后处理.实验表明,该方法不仅可以提高关键词抽取的准确率和召回率,还可以有效抽取文章的隐含主题.