中国航天科工集团科技期刊联合征订启事

《推进技术》由中国航天科工集团第三研究院北京动力机械研究所主办,是国务院学位委员会和教育部研究生办联合指定的重要期刊,为中国科技论文统计用刊、中文核心期刊,被《中国导弹与航天文摘(CAMA)》、     

基于中文地址类信息的分词处理

数据仓库中脏数据处理的热点问题是识别与消除相似重复记录.针对中文地址类重复信息的处理,提出了一种基于特征字符的分词策略,在建立了包含分词规则的元数据库基础上,描述了基于特征字符的分词算法.实验结果表明分词所用的时间随着数据集的增长变化不大.因此,将分词方法应用于中文地址类重复记录的检测,也不会增加检测的时间.     

“机设基础”精品课程智能答疑系统研究与设计

针对《机械设计基础》精品课程,提出了一个基于潜在语义索引的智能答疑系统,并对其中的中文分词技术和句子相似度计算进行了研究,对系统进行了设计,给出了实现方法。     

我的新式广播剧

请让我得意一下!我DIY(自己动手)绘本小说中文多媒体版上了iPad iBook store,我做成天下第一本中文多媒体绘本!你看我的画同时听我讲故事。放在从前,让我做出说不很难,我曾经有录音棚,有专业录音师。不过,如今我住在美国,独自干活,过去的条件全都没有。在新浪微博我结识了一位朋友,南京音乐台主持人杨侃,他请愿帮我做。于是,我买个巴掌大的小话筒,为了不让窗外鸟叫声钻进话筒,我躲入地下室的厕所做录音。美国摇滚乐队《门》的主唱曾经坐在自家马桶上录     

术语定义抽取的特征选择框架

为了进一步提升航空领域术语定义抽取的精度和效率,提出了一种不依赖已有特征选择方法的特征选择框架。该框架结合了分类特征的类间分布差异和类内分布差异,更好地表达了术语定义内部各子概念间特征分布的差异对划分类别的贡献。在分析该框架和传统过滤器特征选择方法对特征分布的影响的基础上,在航空领域术语定义语料库中对实验结果进行了对比。结果表明,本文提出的方法在使用平衡随机森林方法时,取得的最好成绩为F1-measure=0.652,F2-measure=0.761,所需特征比例从30%~40%降低到20%~30%;在使用直接分类方法时,F1-measure成绩提高了2.57倍,F2-measure成绩提高了3.11倍,均优于过滤器方法和Fisher Score方法。     

基于RGB亮度分级的图像预处理研究

利用一种基于RGB亮度分级的图像预处理方法,在源图像的R、G、B三个分量上对图像进行亮度分级合并,以减少自然场景图像的颜色数目,在不破坏源图像结构的前提下降低图像的复杂度,同时又保证了较好的通用性。     

《燃气涡轮试验与研究》入编《中文核心期刊要目总览》

接《中文核心期刊要目总览》2011年版编委会通知,本刊《燃气涡轮试验与研究》入编《中文核心期刊要目总览》2011年版(即第六版)之航空、航天类的核心期刊。该书由北京大学出版社出版。评选核心期刊的工作,是运用科学方法对各种刊物在一定时期内所刊载论文的学术水平和学术影响力进行综合评价的一种科研活动,研究工作量浩大。北京地区十几所高校图书馆、中国科学院国家科学图书     

《航空材料学报》征稿简则

<正>一征稿范围《航空材料学报》为双月刊,在国内外公开发行。中文核心期刊,为中国科技论文统计源期刊、中国科学引文数据库源期刊以及中国学术期刊(光盘版)入编期刊等。被文摘与引文数据库(Scopus),《化学文摘》(CA)、英文科学文献(INSPEC)等多家国外权威检索系统收录。主要刊登与航空工业有关的材料、材料制备     

融合句嵌入的VAACGAN多对多语音转换

针对非平行文本条件下语音转换质量不理想、说话人个性相似度不高的问题，提出一种融合句嵌入的变分自编码辅助分类器生成对抗网络（VAACGAN）语音转换方法，在非平行文本条件下，有效实现了高质量的多对多语音转换。辅助分类器生成对抗网络的鉴别器中包含辅助解码器网络，能够在预测频谱特征真假的同时输出训练数据所属的说话人类别，使得生成对抗网络的训练更为稳定且加快其收敛速度。通过训练文本编码器获得句嵌入，将其作为一种语义内容约束融合到模型中，利用句嵌入包含的语义信息增强隐变量表征语音内容的能力，解决隐变量存在的过度正则化效应的问题，有效改善语音合成质量。实验结果表明:所提方法的转换语音平均MCD值较基准模型降低6.67%，平均MOS值提升8.33%，平均ABX值提升11.56%，证明该方法在语音音质和说话人个性相似度方面均有显著提升，实现了高质量的语音转换。      

基于支持向量的迭代修正质心文本分类算法

针对质心分类算法容易产生归纳偏置或模型失配问题的不足,提出一种基于支持向量的迭代修正质心分类算法.该方法仅使用由支持向量机(SVMs,Support Vector Machines)选出的支持向量来构造质心向量,然后利用训练集误分样本来迭代修正初始质心向量.与其他分类算法相比,该算法取得较好的宏平均F₁和微平均F₁,在8个常用文本分类数据集上的实验验证了该算法的有效性,特别是在不均衡文本语料上.