基于CAJViewer的学术文献使用技巧     

郭萍 《安阳工学院学报》2011,10(6):31-34

学术文献保存格式除了传统的PDF外,还包括CAJ、KDH、NH、CAA、TEB等格式,CAJViewer作为一款专门的文献浏览软件,通吃这些文献格式,具有浏览页面、查找文字、文本识别、邮件传输等九大功能,可取代Adobe Reader阅读器对PDF的浏览功能,也不需要单独使用OCR软件而进行文本识别,灵活使用其功能,可极大地方便用户对学术文献的浏览和使用。  相似文献   

日本NHK灾难传播的预防文化启示     

金磊 《北京城市学院学报》2011,(4):17-22

按照日本的《灾害对策基本法》,日本NHK(Nippon Hoso Kyokai)即日本广播协会,不仅是日本全国唯一的公共广播电视台,还是指定的国家公共新闻机构。NHK不仅与日本气象厅的灾害监测网连成一体,而且还有自身独立的灾害信息采集系统,能在第一时间向世界公众播报各种灾害信息。日本"3.11"复合巨灾中,日本应急决策管理及主要应急力量间协调有效,公众虽有"核灾"恐慌,但社会群体秩序井然,表现出特有的巨灾前"临危不乱"的综合素质,所有这些均得益于日本NHK灾难传播的科学、合理、及时,都受益于NHK长此以往的安全预防文化的媒体教育。本文特别研究了NHK灾难传播管理对中国传媒界的启示,以及深入开展我国公众安全文化教育的思路。  相似文献   

中度智力落后儿童情绪理解能力研究     

王丽  孙圣涛 《绥化学院学报》2015,(7)

探讨中度智力落后儿童在情绪识别、情绪观点采择和移情上的年龄和性别差异,了解智力落后儿童情绪理解能力发展情况。通过一对一实验测试的方法对80名智力落后儿童进行情绪理解任务的测验。研究发现,中度智力落后儿童高兴识别的正确率最高;在基本情绪识别上,情境观点采择和移情正确率的顺序是一致的。中度智力落后儿童在四种基本表情命名和三种不同的情绪理解任务上存在显著的年龄差异。  相似文献   

财务报告目标与收益报告模式关系研究     

殷涛 《信阳师范学院学报(哲学社会科学版)》2015,(2):55-58

收益报告作为财务报告体系的重要组成部分,其内容和具体的报告模式取决于财务报告目标。受托责任观下以本期营业观确认收益,采用历史成本计量收益,遵循权责发生制,运用收入费用观计算收益,与传统的收益报告的要求一致。决策有用观下以损益满计观确认收益,采用公允价值为主多种计量属性计量收益,遵循现金流量制,运用资产负债观计算收益,与全面收益报告的要求一致。随着我国经济环境的不断变化,财务报告目标由受托责任观向决策有用观转变,收益报告模式应由传统收益报告向全面收益报告过渡。  相似文献   

基于曲波变换决策融合的掌纹识别     

王新春  程满  刘渝民  岳开华 《楚雄师范学院学报》2015,(3):16-20

用曲波变换提取出掌纹图像在不同尺度下的图像特征,通过降维处理的主成分分析(PCA)方法,由径向基函数网络训练或判决,按照用户的要求,选择不同的决策规则,对各种尺度下的识别结果进行融合,可达到较高的掌纹识别率。  相似文献   

FACR：一种快速且准确的车辆识别器     

周龙  王伟强  吕科 《中国科学院大学学报》2021,38(1):130-136

现存的细粒度车辆识别器在多个数据集上取得了良好的性能。但这些方法通常运行效率低;而且当图像中存在多辆车时,易受背景干扰,不能准确地定位注意力区域。提出一种快速且准确的车辆识别器FACR,与现存方法相比有如下3个特点：1)其注意力区域定位组件,对图像中背景车辆有很高的鲁棒性;2)网络结构相对简单,在保持准确度相当的情况下,计算效率更高;3)首次使用层次分类的方法对车辆进行细粒度分类,使得单一网络能同时用于识别汽车类型、生产商、汽车型号和生产年份。在Compcars和Stanford Cars标准数据集上进行实验。结果表明,与现存方法相比,FACR在计算效率和分类精度方面具有良好性能。  相似文献   

一种基于不变矩的图像分类算法     

张黎  陈宇桐  李海伟 《大众科技》2014,(9):12-15

在图像分类和识别技术中,针对图像特征的提取这一重要问题,文章实现了用三种不变矩对图像目标提取特征并进行分类的方法,该方法分别提取目标的区域中心矩、区域中心不变矩和径向矩作为特征矢量,并与区域协特征方差算子进行图像分类比较分析。将特征用支持向量机的方法进行分类器的训练,再对目标进行分类。实验结果表明,区域径向矩算子运用在车辆目标分类中具有较好的效果。  相似文献   

面向信息特征模式识别的核方法研究综述     

黄炜刘坤 《现代情报》2014,34(3):168-176

面对网络大数据的挑战,特征信息的模式识别已成为信息情报领域的研究热点。本文对模式识别的现状进行了剖析,研究了现广泛运用于信息模式识别中的核方法。梳理并对比分析了核方法的各种算法理念与思想,介绍了核算法的设计、核函数的构造与核参数的选择方法,特别探讨了在网络舆情信息模式识别中的应用前景。  相似文献   

基于稀疏表示的人脸识别算法     

赵璞  袁华 《大众科技》2014,(4):32-34

近年来,人脸识别一直是计算机视觉和模式识别领域一个很热门研究课题。随着压缩感知理论的发展,稀疏表示已经成功应用于人脸识别。文章系统地综述了人脸识别的研究现状、系统,并重点介绍了基于稀疏表示的人脸识别算法及求解,最后对人脸识别算法存在的问题以及发展进行了展望。  相似文献   

AdaSL: An Unsupervised Domain Adaptation framework for Arabic multi-dialectal Sequence Labeling     

《Information processing & management》2022,59(4):102964

Dialectal Arabic (DA) refers to varieties of everyday spoken languages in the Arab world. These dialects differ according to the country and region of the speaker, and their textual content is constantly growing with the rise of social media networks and web blogs. Although research on Natural Language Processing (NLP) on standard Arabic, namely Modern Standard Arabic (MSA), has witnessed remarkable progress, research efforts on DA are rather limited. This is due to numerous challenges, such as the scarcity of labeled data as well as the nature and structure of DA. While some recent works have reached decent results on several DA sentence classification tasks, other complex tasks, such as sequence labeling, still suffer from weak performances when it comes to DA varieties with either a limited amount of labeled data or unlabeled data only. Besides, it has been shown that zero-shot transfer learning from models trained on MSA does not perform well on DA. In this paper, we introduce AdaSL, a new unsupervised domain adaptation framework for Arabic multi-dialectal sequence labeling, leveraging unlabeled DA data, labeled MSA data, and existing multilingual and Arabic Pre-trained Language Models (PLMs). The proposed framework relies on four key components: (1) domain adaptive fine-tuning of multilingual/MSA language models on unlabeled DA data, (2) sub-word embedding pooling, (3) iterative self-training on unlabeled DA data, and (4) iterative DA and MSA distribution alignment. We evaluate our framework on multi-dialectal Named Entity Recognition (NER) and Part-of-Speech (POS) tagging tasks.The overall results show that the zero-shot transfer learning, using our proposed framework, boosts the performance of the multilingual PLMs by 40.87% in macro-F1 score for the NER task, while it boosts the accuracy by 6.95% for the POS tagging task. For the Arabic PLMs, our proposed framework increases performance by 16.18% macro-F1 for the NER task and 2.22% accuracy for the POS tagging task, and thus, achieving new state-of-the-art zero-shot transfer learning performance for Arabic multi-dialectal sequence labeling.  相似文献