基于标签聚类的中文重叠命名实体识别方法

为解决命名实体之间的复杂嵌套以及语料库中标注误差导致的相邻命名实体边界重叠问题,提出一种中文重叠命名实体识别方法。利用基于随机合并与拆分的层次化聚类算法将重叠命名实体标签划分到不同的聚类簇中,建立文字到实体标签之间的一对一关联关系,解决了实体标签聚类陷入局部最优的问题,并在每个标签聚类簇中采用融合中文部首的BiLSTM-CRF模型提高重叠命名实体的识别稳定性。实验结果表明,该方法通过标签聚类的方式有效避免标注误差对识别过程的干扰,F1值相比现有识别方法平均提高了0.05。

基于GPU平台的多雷达自适应主瓣干扰对消算法实现

针对多雷达抗主瓣干扰面临的数据量大、计算量大的问题,提出了GPU平台实现多雷达自适应主瓣干扰对消算法。首先介绍了多雷达自适应主瓣干扰对消算法的原理、步骤,以及GPU平台运算架构和开发环境,然后给出了在GPU平台上对自适应主瓣干扰对消算法并行优化的实现方法,最后通过仿真实验进行了验证,结果表明,GPU平台可较好地实现自适应主瓣干扰对消算法的快速处理,信干噪比（SINR）改善可达约48 dB,对消效果同样体现了多雷达抗主瓣干扰的优势。