应急图标呈现方式及亮度对比对认知绩效的影响

应急图标的认知绩效在紧急救援中起重要作用。为探究应急图标呈现方式及亮度对比的变化对认知绩效的影响机理,采用视觉搜索范式并采用眼动实验进行结果验证。实验A结果表明:高、中载荷下,应急图标呈现方式和亮度对比的主效应明显,反色应急图标的搜索速度明显快于图形应急图标和带边框应急图标,亮度对比中0.90的搜索平均反应时间最短,0.10、0.30、0.60的平均反应时间有随亮度对比升高而降低的趋势;低载荷下,应急图标呈现方式和亮度对比对认知绩效的影响不明显。实验B眼动实验结果表明:高、中载荷下,反色应急图标注视时间明显低于其他呈现方式,亮度对比较高(0.90)的带边框应急图标平均注视时间明显低于低亮度对比,注视时间有随对比度增大而降低的趋势;低载荷下图标呈现方式、亮度对比注视时间无明显差异。高、中、低载荷下注视点的个数无明显差异,解释了实验A的结果。主观评价的评分也对实验结果做出了认知方面的解释。应急图标呈现方式及亮度对比对认知绩效具有显著影响。

基于BLSTM的科技文献术语抽取方法

术语抽取是研究科技文献领域的重要技术,为进一步提高科技文献术语抽取的准确率和召回率,本文采用了基于BLSTM(Bidirectional Long Short-Term Memory)的神经网络模型。使用预先训练的词向量字典将中文分词结果映射为向量作为BLSTM模型的输入,使用序列标注的方法将输出分类结果映射为术语的边界进行术语抽取。在自动化技术、计算机技术领域的数据集上,设计实验对比了使用词为特征的BLSTM模型和条件随机场模型的抽取结果。结果表明基于BLSTM模型的科技文献术语抽取得了更优的性能,在中文数据集上精确率最高0.7821,召回率最高0.8020,F1值最高0.7860,在英文数据集上分别达到0.8525,0.8677和0.8543。

基于高斯分析的马尔可夫位置预测方法

针对基于马尔可夫模型在真实时间上进行位置预测时,需要通过对时间进行等值划分来确定位置转移时间点,从而导致预测结果粗糙的问题,提出一种基于高斯分析的马尔可夫位置预测方法。该方法首先利用高斯混合模型拟合连续时间下地点之间的转移概率,从而发现可能的位置转移时间点,并将这些时间点作为马尔可夫模型的状态转移点,建立马尔可夫模型;然后通过用户在这些时间点的转移概率流向,计算用户位于某一位置的概率值,从而得到最终的位置预测结果。在数据集Geo Life上的实验结果表明,该方法相对于传统马尔可夫模型和高斯混合模型的预测准确率分别提升了约10%和12%。