航运技术进步与技术替代优化理论

本文论述了技术进步是现代国际航运发展的根本动力。并运用等产量、等成本两曲线及其相关性质和边际理论,就技术进步要解决的生产要素替代和最佳组合问题进行了讨论。同时,还就航运活动的长期年平均单位成本的变化特征及其所要求的船舶替代,结合航运实际,从优化角度作了探讨。     

英语韵律在现代语音教学中的作用

传统的语音教学过分地强调单个音素的发音和语音规则,最新的研究表明英语韵律对英语学习者的理解能力和交际能力的影响很大,所以现代语音教学的重点应向英语韵律转移。本文简要地论述了:(1)英语韵律在现代语音教学中的作用,(2)“重音”“节奏”和“语调”等三种韵律特点相互之间的关系,(3)与时俱进,按照现代语音教学的新理念改进语音教学。     

简论秦汉会计发展的主要特征

秦汉时期,会计取得了较大的发展,主要体现在会计机构设置和会计人员配备初成体系、会计的相关法规开始建立和会计内容较为广泛、记帐形式日趋规范等几个方面。     

试论新时期体育教师基本素质的时代特征

教师素质是教师在教育教学活动中表现出来的,决定其教学效果并对学生身心发展具有直接和间接影响的心理品质的总和.教师素质是一个不断变化的概念,不同时期,不同国家对于教师素质的要求有所不同,全面发展教师的综合素质,是社会发展的必然.     

羽毛球新规则的特点及对策探析

通过分析羽毛球新规则的主要特点及新赛制对运动员的新要求，提出了适应新规则的训练对策。     

大学生公共体育课选项时从众现象研究

通过观察中北大学2004级的学生公共体育课选项的全过程,发现学生在体育课选项过程中存在从众现象,文章对这一现象进行了调查研究。并提出建议:加强对开设的体育项目的介绍和宣传;加强学生的辨别能力;利用学生中的非正式群体核心人物的正面影响,从而促进大学生公共体育课教学。     

国外基于任务的信息交互研究现状与进展

[目的/意义]本文旨在对国外基于任务的信息交互(Task-Based Information Interaction, TBII)的研究成果进行系统的综述,并以此为基础构建TBII的集成化研究框架。本研究有利于为今后探索TBII的研究提供理论基础。[方法/过程]基于文献调研的方法,对国外基于任务的信息交互研究的现状与进展进行了归纳总结。[结果/结论]研究发现国外学者对于该主题的研究涉及TBII基本概念、TBII阶段的划分、TBII子活动的影响因素和TBII活动完成的影响因素四个主题。研究构建的TBII集成化研究框架将以上四个主题按照一定的逻辑关系进行整合。该框架的功能如下:第一,可以揭示TBII各活动阶段的交互关系;第二,可以识别出用户、任务、TBII活动阶段、信息系统及任务产出、效果、绩效之间的关系机理;第三,提出了TBII研究的四种基本研究路径。     

基于匹配点逐层过滤的岩体点云配准方法

岩体点云配准是岩体三维重建与分析的基础。经典的点云配准方法虽然能够很好地适用于普通点云,但对于岩体点云并不能获得足够的精度。由于岩体点云表面结构复杂,且大部分区域为平面,基于岩体点云的这些特点,提出通过几何特征逐层过滤匹配点的岩体点云配准算法,引入匹配点对的协方差矩阵的特征值和特征向量矩阵,以及曲率、主方向等几何特征逐层过滤匹配点对,精确地找到匹配点对。在不同岩体点云上的实验测试与分析结果表明,该算法在准确度上有明显优势。     

基于点击流数据的用户近期兴趣视图生成方法

利用点击流数据综合分析用户点击行为，同时考虑用户对所点击页面的浏览行为和具体内容，分别引入操作行为权重和特征词条权重，提出一种基于点击流数据的用户近期兴趣视图生成方法。     

Analysis of Statistical Question Classification for Fact-Based Questions

Question classification systems play an important role in question answering systems and can be used in a wide range of other domains. The goal of question classification is to accurately assign labels to questions based on expected answer type. Most approaches in the past have relied on matching questions against hand-crafted rules. However, rules require laborious effort to create and often suffer from being too specific. Statistical question classification methods overcome these issues by employing machine learning techniques. We empirically show that a statistical approach is robust and achieves good performance on three diverse data sets with little or no hand tuning. Furthermore, we examine the role different syntactic and semantic features have on performance. We find that semantic features tend to increase performance more than purely syntactic features. Finally, we analyze common causes of misclassification error and provide insight into ways they may be overcome.