简介:摘要:图像分类是计算机视觉领域的一个重要的任务,为了解决这一任务,本文提出一种基于每一类的判别信息生成的字典模型,称为监督的类判别的字典学习(Supervised Class-discriminant Dictionary Learning, SCDDL)模型。SCDDL模型从训练集中学习得到一个字典和在这字典上的表示系数,不仅不同类别的字典对训练样本的重建误差具有判别性而且表示系数具有判别性。在此基础上,充分利用重建误差的判别性和表示系数的判别性提出相应的图像分类方案。大量的实验结果表明,与现有的模型分类方法相比较,该分类方法在图像分类的任务上具有较好的分类性能,且算法的效率高。
简介:【摘要】用字母表示数是数学表达和进行数学思考的重要形式,有助于培养学生的抽象概括能力,发展学生的数学语言与符号意识。本节课,学生经历“形象—抽象—符号”的符号化过程,由具体的数过渡到字母表示数,认识上得到了一次提升,对学生来讲也是一种挑战。纵观字母表示数的发展历程以及对学生的调查访谈,引发了笔者对本节课教学现状的若干思考,并结合学生的学习起点,试图做一些教学尝试。
简介:摘要目的通过研究证候的分类及证候名称组成要素的多层次表示方法,实现计算机对中医证候名称的批量处理,从而应用于中医智能辅助诊断系统的研究。方法在中医理论指导下,结合证素辨证、证候要素学说,对证候要素进行更细粒度的拆分,提出证候层次划分方法和证候要素多层次表示方法,并通过对妇科月经病、不孕症的中医证候名称进行人工分析,以验证证候要素多层次表示方法的合理性。基于证候要素多层次表示方法,运用基于模式匹配的模式抽取方法,形成计算机批量处理证候要素的提取方法,并通过对《中医临床诊疗术语证候部分》证候名称的批量处理,验证计算机批量处理方法的准确性。结果在中医理论指导下,将证候名称组成要素划分为病位要素、病性要素(包括基本物质、病因、病理状态)、连接词的两层五类的结构,基于此构建出证候拆分流程。月经病、不孕症中医证候名称的人工分析结果显示,所有证候名称均可被拆分为1个或多个病位要素、病性要素、连接词。通过计算机批量处理《中医临床诊疗术语证候部分》证候分类结果显示,计算机批量处理的准确率为71.4%。结论构建的证候要素多层次表示方法为计算机大批量处理数据提供了理论框架,并提高了数据处理效率和准确率,为辨证模型训练数据集的构建提供了理论依据,为中医辨证推理模型提供支撑,可应用于中医智能辅助诊断系统的研究。
简介:摘要:本文在中日对译语料库的基础上,系统分析了表示程度意义的中日指示词“こんなに/そんなに/あんなに”和“这么/那么”的对译情况,分别从“全部对应”、“部分对应”、“零对应”三个方面进行了考察。其中“部分对应”会选用其它表示程度的指示词,“零对应”不直译为指示词,而是倾向于选用表示程度的副词,并且“零对应”的特点是使指示对象焦点化,达到凸显的效果。