期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于特征加权的KNN模型岩性识别方法 被引量:1
1
作者 郭雨姗 王万银 《物探与化探》 CAS 2024年第2期428-436,共9页
岩性识别是一项重要的地质工作,为固体矿产勘探与油气勘探奠定了坚实的地质基础。岩石物性是连接岩性和地球物理场的桥梁,可以通过物性之间的差异进行岩性识别,但不同岩石的物性数据往往存在一定重合,仅靠交会图无法准确地识别岩性。KN... 岩性识别是一项重要的地质工作,为固体矿产勘探与油气勘探奠定了坚实的地质基础。岩石物性是连接岩性和地球物理场的桥梁,可以通过物性之间的差异进行岩性识别,但不同岩石的物性数据往往存在一定重合,仅靠交会图无法准确地识别岩性。KNN(K近邻)模型是一种简单、直接的机器学习方法,准确度和灵敏度都很高,适用于多分类问题。基于此,本文将基于特征加权的KNN模型引入岩性识别中,该方法将传统KNN模型与属性特征的信息增益相结合,对不同特征赋予不同权重,可以直观地反映属性特征对分类的重要程度。实验证明,相比于传统KNN方法,基于特征加权的KNN模型对岩性交界处的识别能力有大幅提升,整体提高了岩性识别的准确性和稳定性。 展开更多
关键词 KNN 岩性识别 信息增益 特征权重
下载PDF
牛至的化学成分研究 被引量:14
2
作者 郭雨姗 王国才 +3 位作者 王春华 黄晓君 李药兰 叶文才 《中国药学杂志》 CAS CSCD 北大核心 2012年第14期1109-1113,共5页
目的研究牛至(Origanum vulgare L.)的化学成分。方法采用硅胶、ODS、Sephadex LH-20及RP-HPLC等多种色谱技术对牛至全草的化学成分进行系统的分离纯化,根据理化性质及波谱数据鉴定化合物结构。结果从牛至的乙酸乙酯部位分离得到了13个... 目的研究牛至(Origanum vulgare L.)的化学成分。方法采用硅胶、ODS、Sephadex LH-20及RP-HPLC等多种色谱技术对牛至全草的化学成分进行系统的分离纯化,根据理化性质及波谱数据鉴定化合物结构。结果从牛至的乙酸乙酯部位分离得到了13个化合物,分别鉴定为4-(O-β-D-glucopyranosyl)-hydroxy-7-(3',4'-dihydroxy-benzoyl)-benzyl alcohol(1)、(5,7,3',4'-tetrahydroxy-8-C-p-hydroxybenzylflavone)(2)、6,7,4'-三羟基黄酮(3)、1,2,4-苯三酚(4)、丹参素甲酯(5)、(+)-(R)-迷迭香酸正丁酯(6)、香蜂草苷(7)、芹菜素(8)、芹菜素7-O-β-D-吡喃葡萄糖苷(9)、木樨草素(10)、阿魏酸(11)、咖啡酸(12)和β-谷甾醇(13)。结论化合物1~7为首次从该植物中分离得到。 展开更多
关键词 牛至 唇形科 酚类 黄酮 6 7 4'-三羟基黄酮 1 2 4-苯三酚 丹参素甲酯 (+)-(R)-迷迭香酸正丁酯
原文传递
基于BERT和双通道语义协同的在线医疗评论情感分析
3
作者 张雯 张建同 郭雨姗 《医学信息学杂志》 CAS 2024年第11期30-35,共6页
目的/意义利用人工智能技术从海量评论中迅速甄别负面评论,了解患者的需求与不满,推动远程医疗的可持续发展。方法/过程以好大夫在线网站的评论数据为例,首先使用双向编码器表征(bidirectional encoder representations from transforme... 目的/意义利用人工智能技术从海量评论中迅速甄别负面评论,了解患者的需求与不满,推动远程医疗的可持续发展。方法/过程以好大夫在线网站的评论数据为例,首先使用双向编码器表征(bidirectional encoder representations from transformers, BERT)模型生成词向量,随后将其输入卷积神经网络(convolutional neural network, CNN)与双向长短期记忆网络(bidirectional long short-term memory, BiLSTM)构成的双通道模型,最后通过特征融合策略获取文本情感信息,完成二分类任务。结果/结论该双通道模型能够较好地融合BiLSTM与CNN的优势,与BERT、BERT_BiLSTM、BERT_CNN等9种模型相比,分类准确率、宏F1分数最高,在在线医疗评论文本情感分类任务中具有有效性。 展开更多
关键词 双向编码器表征 卷积神经网络 长短期记忆网络 在线医疗评论 情感分类 双通道模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部