On the Subject Translation of English Inanimate-subject Sentences

Inanimate subject is a special grammatical structure in English.However,in Chinese,most sentences begin with animate subjects,so there are some problems in determining how to translate the inanimate subjects in English-Chinese translation.Based on different thinking modes between Chinese and western and on functions of English inanimate-subject sentences,it adopts exem?plification to explore three common translation methods of inanimate subjects in E-C translation,and further introduces the appli?cation of them in different literary forms,so as to deepen understanding of English inanimate-subject sentences.

多功能相控阵雷达行为辨识综述

多功能相控阵雷达是指具备相位控制阵列,能同时实现搜索、跟踪、制导等多种功能的雷达。随着雷达对抗的不断升级以及各国对于电子战的日益重视,作为获取多功能相控阵雷达信息的重要手段,其行为辨识技术的研究得到了进一步发展。结合目前多功能相控阵雷达行为辨识的背景与意义,对已有的不同多功能相控阵雷达信号模型进行梳理,对高密度、大噪声信号环境下的波形单元提取算法和基于深度学习的工作模式识别算法进行识别性能、适用场景等方面的系统性对比,并归纳了不同仿真数据集的实际应用情况,最后总结了该技术存在的问题并提出了未来展望。

基于熵值图的多功能雷达工作模式识别

针对多功能雷达工作模式多样且信号波形复杂多变,导致常规工作模式识别方法性能不佳的问题,提出基于小波变换的多功能雷达工作状态切换点检测方法,将雷达脉冲序列进行分割,得到单一工作模式脉冲序列样本。其次,基于近似熵、样本熵、模糊熵和排列熵设计了新的熵值图特征,并结合卷积深度神经网络模型,实现了多功能雷达工作模式的智能识别。仿真结果表明,该算法在虚假脉冲率或漏脉冲率为25%时,切换点检测正确率达85%;工作模式识别正确率在虚假脉冲率、漏脉冲率为20%和参数误差为8%时,识别正确率均在83%以上,识别性能皆优于两种对比文献方法,验证了该算法的有效性和优越性。

基于多尺度散布熵的磁声发射信号特征识别方法

在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法。首先,设计搭建了检测实验平台,采集了Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了自适应分解,生成了一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别。研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力。

基于自编码器的多功能雷达工作状态切换点检测方法

先进多功能雷达可以实现复杂的工作状态调制和灵活的波束调度,为识别不同的雷达工作状态并检测状态之间的切换点带来了巨大的挑战.为此提出了一种对多功能雷达层次化模型中的“符号−脉冲”层中的调制参数级工作状态的种切换点检测方法.所提出算法基于自编码器,并对真实电磁环境中观测非理想的情况进行设计,不仅可以在无监督的情况下准确地检测出工作状态切换点,并且不需要对数据的分布情况进行假设.仿真实验验证了本文提出算法相较于切换点检测算法的有效性和优越性,对于0~20%的脉冲丢失情况相较于对比方法具有更好的性能,在20%脉冲丢失的极端情况下,也可以达到0.7的F_(1)-score.

闽南饮食民俗吉祥文化内涵思维模式及社会功能

闽南饮食民俗作为闽南地区传统文化的重要组成部分,承载着闽南人对美好生活的憧憬和向往。结合例子,从食物的形状、色彩、属性、数字、名称以及民俗仪式等层面分析闽南饮食民俗吉祥文化内涵生成的思维模式,继而对闽南饮食民俗的社会功能进行探讨,有助于大家更好地了解和研究闽南地区的传统文化。

Ph-C≡C-Cu基新型功能材料的结构-性质-效能关系探究

为了培养本科生综合运用所学知识分析和解决问题的能力,本文基于最新研究成果,深入挖掘其中所涉及的本科基础化学知识,设计了探究苯乙炔铜(Ph-C≡C-Cu)基新型功能材料结构-性质-效能关系的综合实验。本实验通过光热合成法制备了三种含不同官能团的Ph-C≡C-Cu基新型功能材料,利用红外(FT-IR)光谱、紫外-可见吸收(UV-Vis Abs)光谱和稳态水接触角表征了其结构和相关物理化学性质,并研究了其结构对于有机染料甲基橙(MO)的吸附和降解效能的影响。作为本科生基础教学实验,本实验考查了学生对有机化学中不同官能团的电子效应和物理化学中液-固界面相互作用、固体在溶液中的吸附、催化反应动力学以及反应级数的判定等知识的理解、掌握和应用。通过进一步总结与讨论Ph-C≡C-Cu基新型功能材料的结构-性质-效能关系,启发并引导学生以实际问题为导向,根据所学理论和知识,从源头上出发,对功能材料的结构进行设计,培养了本科生的逆向思维方式,提升了本科生理论与实践相结合的能力。

李光地思想的学术定位——从体用思维的角度探讨

李光地思想的学术定位,学术界评价不一,或尊之太高,或抑之太甚。李光地以传统体用思维模式构建其理学思想体系,既不主张禁欲主义,也不主张纵欲主义,是在肯定人的自然属性基础上的道德超越,是道德人性论。李光地将治法归于心法,心性修养成为治国的起点与根本,仍然是伦理治国的模式,其思想没有脱出理学的范围,是传统的理学家。

深刻领悟习近平总书记新发展理念 坚持创新引领广西水文高质量发展——持续深化改革是广西水文高质量发展的必由之路

水文是研究自然界水的时空分布与变化规律的一门学科。水文是防汛抗旱减灾的耳目尖兵,是水资源管理水环境治理的前哨,是水生态文明建设的支撑;水文是构建人水和谐社会、人民群众追求美好生活不可或缺的基础要素。我们要时刻清醒认识自己的履职责任,深入分析短板不足,及时转职能、转方式、提质量,通过创新培育发展新动力、提升履职能力,促进水文高质量发展,不断增强人民群众获得感、幸福感、安全感。

基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法

为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。

基于IMF能量熵的脑电情感特征提取研究

为提高脑电信号情感识别分类准确率,结合经验模态(EMD)分解和能量熵提出一种新的脑电特征提取方法。本研究主要介绍了EMD分解的基本原理,分析了传统EMD算法中的"端点效应",采用分段幂函数插值算法改善了EMD分解的精度和性能,然后将改进后的算法应用到脑电信号特征提取,获取脑电信号的IMF分量后计算出IMF能量熵作为情感识别的特征,最后通过分类实验对比改进后的EMD算法和传统EMD算法对脑电情感特征的分类准确率。实验结果显示改进的EMD算法能使识别率提高15%左右,并且以IMF能量熵为特征的平均识别率在80%以上,实验结果表明将IMF能量熵用于脑电信号情感识别是可行的。

被忽视的大学英语课堂教学功能

大学英语教学应该承担多种功能。但在实际授课中,大学英语课堂却在实用主义、观念狭隘等因素的影响下,异化成了简单技能培养和表层知识传授的场所。中国文化的英文表述、中西文化内在的思维差异、还有道德教育均遭到了不同程度的"阉割"。从微观和宏观相结合的角度出发,参照高等教育人才培养目标,在重新审视目前大学英语教学中存在的种种缺陷的基础上,分析这些缺陷的成因,并提出相应对策。

基于EMD的语音特征信息提取

有效提取语音信号的特征信息是语音识别的关键。对语音信号采用经验模态分解法可得到语音的一系列本征模函数,提取本征模函数的过程是降低语音信号冗余度的过程。在语音识别的试验中以本征模函数为训练模型较传统的识别方法识别率更高。仿真结果表明:方法是有效的,用于提取语音的特征信息是可行的。

基于能量特征和RBF神经网络的柱塞泵状态识别方法

柱塞泵状态发生改变时,其振动信号各频带的能量发生相应变化,利用各频带的能量特征可识别柱塞泵状态。基于此提出一种基于能量特征和径向基函数(radial basis function,RBF)神经网络的柱塞泵状态识别方法。首先利用改进阈值的小波包降噪方法对原信号进行降噪处理,然后对降噪后的信号进行经验模态分解(empirical modedecomposition,EMD),选取含主要状态信息的IMF(intrinsic mode functions)分量,提取能量特征作为神经网络的输入参数,识别柱塞泵的状态。同时利用小波包分析技术提取能量特征,并运用神经网络进行状态识别。应用实例表明,以EMD提取各频带能量作为特征参数的RBF神经网络状态识别方法比小波包分析提取各频带能量特征的方法具有更高的识别率,能有效地识别柱塞泵的状态。

一种基于EMD的人脸图像光照问题处理方法

鉴于经验模态分解(EMD)算法的无参数特性和基于数据驱动的自适应分析,从EMD算法筛选过程中插值点和差值算法选取的角度出发,提出了一种标准EMD的改进算法。用改进的EMD算法分解需要识别的人脸图像,得到从整体上有效消除了光照变化影响的原人脸图像的重构图像,并将重构图像用于识别。通过在YaleB人脸库上的实验结果表明,将提出的光照处理方法应用到人脸识别中可以取得较好的效果。

临近最优主动学习的藏语语音识别方法研究

语音识别模型需要大量带标注语音语料进行训练,作为少数民族语言的藏语,由于语音标注专家十分匮乏,人工标注语音语料是一件非常费时费力的工作。然而,主动学习方法可以根据语音识别的目标从大量未标注的语音数据中挑选一些具有价值的样本交给用户进行标注,以便利用少量高质量的训练样本构建与大数据量训练方式一样精准的识别模型。研究了基于主动学习的藏语拉萨话语音语料选择方法,提出了一种临近最优的批量样本选择目标函数,并验证了其具有submodular函数性质。通过实验验证,该方法能够使用较少的训练数据保证语音识别模型的精度,从而减少了人工标注语料的工作量。

改进的集合经验模态分解在人体行为识别中的应用

针对在基于惯性传感器人体行为识别的研究中,集合经验模态分解(ensemble empirical mode decomposition,EEMD)无法自适应地筛选出对不同分类行为更有用的固有模态函数的问题,特别是对步行、上楼、下楼3种易混淆行为的识别,提出一种改进的自适应集合经验模态分解特征提取方法,通过对不同分类行为筛选不同固有模态函数并提取窗口均值差异等新颖特征,有望在不同的分辨率下得到更准确、更有效的原信号特征信息。为了验证该方法的有效性,实验分别用典型时域频域特征与该方法提取的特征集训练K近邻(K-nearest neighbor,KNN)与支持向量机(support vector machine,SVM)分类器,并采用留一法(leave-one-out,LOO)交叉验证算法进行测试。结果表明,当分别采用KNN和SVM进行分类时,相比于原方法,改进的方法对步行、上楼和下楼3种行为的平均识别准确率分别提高了29.22%(KNN)和15.79%(SVM),对分类的7种不同行为的总平均识别准确率分别提高了95.11%(KNN)与93.14%(SVM)。

结合二维内蕴模函数和贝叶斯多任务学习的SAR目标识别

为了提高合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别性能,提出了结合二维内蕴模函数(Bidimensional Intrinsic Mode Function,BIMF)与贝叶斯多任务学习的SAR目标识别方法。采用二维经验模态分解获得SAR图像的多层次BIMF,从而更好地描述原始图像的细节信息。为了获得稳健的决策,采用贝叶斯多任务学习对原始SAR图像及其多层次的BIMF进行联合稀疏表示。最后,通过比较各个类别对于测试样本的重构误差判定目标类别。基于MSTAR数据集在多种条件下对提出方法进行了验证实验,结果证明了方法的有效性。

基于IMF奇异值分解和SVM的虹膜识别方法

提出了基于固有模态函数奇异值分解和支持向量机的虹膜识别方法.用一维经验模式分解对按行展开的虹膜数据进行分解,将得到的若干个IMF形成初始矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为虹膜特征向量输入支持向量机进行分类识别.与传统的Gabor小波特征提取方法比较,本文方法解决了滤波器参数繁杂问题且在编码长度和时间方面有明显的改进.试验结果表明,本文方法能有效地应用于身份鉴别系统中.

基于特征函数和联系数的系统故障模式识别

为识别具有确定性和不确定性的系统故障模式,提出一种系统故障模式识别方法。利用已有故障标准模式识别故障样本模式,使用集对分析联系数表示识别的确定性和不确定性;使用空间事故树的特征函数计算联系数的分量系数,通过联系度和识别度识别故障样本模式;借助电气系统实例分析,有效识别在多因素影响下的系统故障模式。结果表明:基于特征函数和联系数的模式识别方法可表示模式识别的确定性和不确定性;该方法可使用特征函数确定联系数分量系数,利用联系度和识别度识别故障模式。