A Model of Translations

This paper attempts to model translations from one language intoanother. Book markets are an integral part of the cultural life of anation, and new ideas on political, social and cultural aspects arespread by means of books. It is a fact, however, that linguisticbarriers will often prevent a book from reaching a mass audience unlessit is translated. But the mechanism involved in translations has notbeen adequately described. A model is presented here in three steps: Thefirst step is to determine the number of new books in an economy. Thenext step is to determine the propensity to import translated works fromother countries. The final step is to determine from which language thetranslation will originate. This provides a basis for judging thecultural affinity between nations.     

网络信息分类法研究

阐述了网络分类法的功能，从分类体系、类目划分、类目排列、交叉关系处理、用户界面等方面论述了网络分类法的编制技术。     

对高校体育普修课"体能分班形式"的实验研究

通过教学实验,对高校体育普修课的分班形式进行了研究。发现按“体能”分班这种形式进行教学,可以充分发挥学生学习的积极性和主动性。并且在教学方法和手段上更具有针对性。这不仅能有利于教学效率的提高,更能避免“大锅饭式”的教学,达到因人而异,从而真正提高教学效果。     

浅谈无机化学中元素部分的教学

本文针对学生学习无机化学中元素部分的难点,探讨了在教学过程中应用无机化学理论对元素学习进行指导、适时进行归纳总结、通过实验操作加强对知识的巩固等问题。     

史书多维知识重组与可视化研究——以《史记》为对象

艰涩的古汉语文法和线性的内容呈现方式是普通读者从史籍原文获取所需信息的两大障碍。该问题的解决需要实现史书知识重组与形式再造,即支持从时间、人物、地点等多个维度出发获取史书中的知识,并以图结构的方式呈现所返回的结构化知识以及对应的史书原文,从而在降低相关信息的获取与理解难度的同时,拉近读者与史籍原文的距离。然而,目前基于史书原文获取结构化知识的研究较少,已有研究自动化程度较低,且多在可视化呈现上与史书原文相割裂。因此,本研究提出并实现了史书多维知识重组与可视化系统,该系统包括史书多维知识建模、基于古籍智能处理技术的史书多维知识库自动构建与多维知识可视化三部分。最终将该系统应用于我国第一部纪传体史书《史记》,实现了其以人物、时间、地点、社会集团、职官等不同维度为中心的自动重组与可视化。     

基于图像分割和EM算法的PolSAR地物分类方法

在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。     

基于AdaBoost改进随机森林和SVM的 极化SAR地物分类

为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。     

基于γ-散度的稳健有序误标记logistic回归

有序多分类方法已经得到了广泛研究。传统的有序多分类方法假设样本的类别标签是不存在误标记的。但是由于实际数据复杂以及人工经验有限,获得标记完全正确的样本是不现实的,因此,传统的方法就存在局限性。提出一种基于γ-散度的有序误标记logistic回归方法,在处理存在误标记的有序多分类问题时具有很强的稳健性,也就是说,当某一样本被错误标记时它对参数估计的权重小于其被正确标记时的权重。该方法通过最小化γ-散度构建模型,利用梯度下降算法求解模型,不仅具有很强的稳健性而且在模型中可以忽略误标记概率。模拟研究和真实数据分析都说明该有序误标记logistic回归方法在处理存在误标记的有序分类问题时效果很好。     

对体育概念与分类的探讨

体育概念和分类的正确界定,是一个非常重要的理论问题。目前国内外许多体育专家、学者对此虽有不少研究,但由于种种原因,互不统一,给实际工作带来许多困惑和干扰。本文就确定概念与分类的原则;从现代化体育的发展看概念与分类;“三分法”的利弊比较等出发,阐述了作者的观点及分类方法。     

古籍牌记的特点

论文提出古籍牌记肇端于汉简,出现于唐代。宋代以后,呈现出字数有多有少、形式多种多样、字体不一、数量多少不定等特点。