一种松耦合的生物医学命名实体识别算法

生物医学命名实体识别(Bio-NER)是生物医学文献挖掘利用的基础工作。针对目前Bio-NER存在的困难和问题,提出了松耦合的Bio-NER算法LCA,该算法利用启发规则过滤器、词性模板匹配及改良的隐马尔科夫模型(HMM)识别生物医学命名实体。在GENIA corpus3.02语料库上进行的实验表明,LCA可以达到80%的准确率和89%的召回率,优于相关工作中的结果。

面向智能碾压机的位姿感知算法

解决智能碾压机控制精度不达标的难题之一在于位姿信息的精确感知.为了改善智能碾压机在复杂环境下的位姿感知效果,解决现有位姿感知算法存在精确性和普适性较差的问题,本文提出了用于智能碾压机位置测量和航向测量的联合算法框架.首先,为了改善智能碾压机在复杂环境下的定位精确性,基于姿态传感器(AHRS)的加速度计和陀螺仪测量值构建运动学预测方程,基于GPS的测量值和一组速度运动约束关系构建测量方程,在此基础上设计基于EKF的松耦合算法对东向位置和北向位置进行精确输出.其次,为了解决碾压机铰接式结构带来的前后车身航向角不一致的问题,通过分析AHRS输出磁方位角的原理以及输出数据构建航向角估计的经验方程式,并通过反向传播(BP)神经网络模型进行变量值标定,对后车身航向角进行有效输出.最后,基于改装的智能碾压机平台对位姿感知算法进行实验分析.实验结果表明:智能碾压机在路面波动下依靠GPS定位出现定位偏差时,该算法有效地将偏差量进行补偿;在GPS短期失效3 s时,该算法输出坐标值与真实值的均方根误差为10.9 cm;在低速状态下,该算法输出航向角与GPS测量值的最大误差为0.45°,有效解决了后车身航向角测量问题;说明位姿感知的联合算法框架展现了较好的精确性和有效性.

运动活塞的流固耦合数值模拟

松耦合算法在数值模拟流固耦合问题时具有应用简单和计算高效的优势,但是需要解决流固界面上的信息传递算法.理论上在同时满足速度和位移相等条件是不可能的.本文基于界面上流固位移相等条件的松耦合,采用新的几何守恒律算法,对具有理论解的活塞问题进行了求解,数值实践表明新方法具有良好的计算精度.算例表明基于新几何守恒律的流体计算方法能良好的与传统的动力学方法Newmark方法相结合,新的松耦合方法在流固耦合数值模拟方面具有良好的应用前景.