【摘 要】
：
教材德目指标是学校道德养成体系中教材选用的重要标准之一,对提供个性化德育信息服务具有重要意义。目前该方面的量化评估的研究有限,评估具有主观特点,效率不高。针对这一问题,对上海中小学教材短文本德目指标进行研究,提出基于深度学习的短文本分类模型IoMET。采用数据增强技术和卷积神经网络对教材短文本进行深度学习,并使用精确率、召回率和F1-度量值进行评价。实验结果表明,IoMET模型对德目指标的预测效果
论文部分内容阅读
教材德目指标是学校道德养成体系中教材选用的重要标准之一,对提供个性化德育信息服务具有重要意义。目前该方面的量化评估的研究有限,评估具有主观特点,效率不高。针对这一问题,对上海中小学教材短文本德目指标进行研究,提出基于深度学习的短文本分类模型IoMET。采用数据增强技术和卷积神经网络对教材短文本进行深度学习,并使用精确率、召回率和F1-度量值进行评价。实验结果表明,IoMET模型对德目指标的预测效果较好,与未进行数据增强的原始短文本相比,IoMET模型评测效果有较大的提升。
其他文献
针对在复杂的自然场景中中文本倾斜、模糊、光照等检测难题,提出一种基于卷积神经网络YOLOv3与最大极值稳定区域MSER的检测方法YOLOv3-M,并针对中文场景分别改善YOLOv3与MSER。通过YOLOv3算法对图像文本区域的矩形坐标进行回归预测,设计一个基于MSER的角度检测方法与之关联,实现倾斜文本行的检测。YOLOv3-M弥补了YOLOv3不能检测倾斜目标的缺点以及MSER检测容易被复杂场
针对反激变换器的输出电压稳定性问题,提出一种输出反馈模型预测控制方法。建立双线性模型,设计状态反馈和输出反馈模型预测控制器,增加Luenberger-type型观测器确保状态估测动态误差是全局指数稳定;外环PI控制旨在消除电压偏移误差。给出系统存在输入电压和存在输入约束条件下的电感电流全局收敛的闭环稳定性分析。仿真结果表明,相比于PID控制,该方法在保证系统全局稳定性的同时,可以实现系统误差在有限
通常无监督算法在对高光谱数据进行聚类时仅使用光谱信息,忽略了空间信息,使得聚类准确率较低。针对上述问题提出一种基于深度谱空网络和无监督判别极限学习的高光谱图像聚类算法。利用深度谱空网络对高光谱数据进行光谱特征和空间特征的分层交叉学习,通过反复学习获得深度空谱特征,为后续无监督聚类提供方便。在三种高光谱图像上进行实验,结果表明,该算法获得的聚类效果优于其他基于极限学习机的方法和其他无监督方法。
图形构造是工程领域中设计图形的重要手段,针对其在效率、交互性和复用性存在的不足,提出一种基于中轴变换的参数化图形构造方法。通过控制点生成中轴段,通过中轴半径确定图形边界信息。基于上一条中轴段的端点迭代生成中轴段及其边界;基于这些边界信息,构造出图形。利用中轴的控制点进行交互,确保了构造时的交互性;只需对参数值进行改变,即可构造相似的图形,保证了方法的复用性;复杂的图形仅需要通过简单的中轴变换即可得
在彩色编码结构光测量系统中,为解决伽马畸变和颜色串扰导致的CCD接收相位非线性问题,提出一种基于彩色灰度图像的伽马值预编码法。根据CCD对彩色三通道响应程度的差异,分别对各通道投影灰度引入不同预编码值进行预调制,同时求取串扰逆矩阵对颜色串扰进行补偿。为验证该方法的有限性,搭建光栅投影结构光三维测量系统。实验结果表明:该方法能够校正各通道光栅条纹的非正弦性,包裹相位的相位误差得到大幅减少。与已有的校
针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A*蚁群算法与滚动窗口法的平滑路径规划方法。首先,用改进的A*算法初始化蚁群信息素,解决前期蚁群效率低的问题。然后,改进状态转移概率函数,在函数中考虑可行路径“活跃度”以及终点位置,避免死锁现象。同时,基于不平等原则机制更新蚁群的信息素,避免陷入局部最优路径,加快算法的收敛速度。其次,融合滚动窗口法,在全局路径规划的基础上,结合动态避障策略进行局部实
针对目前已有显著性目标检测算法精度不高以及目标边缘模糊等问题,给出一种基于深度网络的显著性目标检测算法。该算法设计一个端到端的多尺度全卷积网络,在原始输入图像中运行一次即可直接得到像素级的显著性图像;通过基于图像四边的边界先验知识改进GMR流形排序算法,根据前景与背景是相对的这一理论提出背景计算;采用基于完全连接的CRF像素显著性细化模型提高相邻像素之间显著值的一致性,使生成的显著性目标突出。定性
视觉导航算法的设计是高压线路巡检机器人领域的一项关键技术,为了解决当前目标检测算法准确率低、抗干扰能力弱、小目标检测效果差等问题,提出一种最近邻加权灰度均值算法,用于提取目标的感兴趣区域(ROI)。采用相线直径匹配的方式对ROI边框进行精细调整,依据特征提取与机器学习理论实现ROI分类。实验结果表明,该算法具有很高的ROI提取精度,分类器对于正样本的召回率最高可达99.83%,可有效地指导高压巡检
针对现有自然语言因果关系抽取模型的低准确性和自由参数过多等问题,提出高效的面向知识通道和面向数据通道相结合的混合卷积神经网络(Mixed Convolution Neural Network, MCNN)方法。面向知识通道结合词汇知识库中因果关系的语言知识,自动生成的卷积过滤器以捕获因果关系的重要语言线索。实验表明与SingleCNN和MultiCNN相比,该方法在因果关系提取方面效果更优。
由于斜拉索索力的准确计算与测量对桥梁建设与养护具有重要的工程意义,提出一种自适应模糊神经网络索力估计与拟合分析方法。基于弦振动理论与切比雪夫级数方法推导弹性边界条件下拉索振动频率方程,建立索力与频率间的函数关系,利用自适应模糊神经网络对索力-基频关系进行拟合修正。通过搭建索力实验平台来验证该方法的有效性。实验结果表明:设计的推理系统使得训练平均误差小于0.15 N,测试平均误差小于0.30 N,其