一种基于互联网数据采集的情绪指数构建方法

Submitted by neurta on Fri, 02/07/2020 - 09:06
本发明公开一种基于互联网数据采集的情绪指数构建方法,包括如下步骤:步骤1,获取互联网数据中针对某项投资的关注程度;步骤2,构建正负情绪指标;步骤3,从公开市场获取当月ipo数量和当日股票价格波动两项指标;步骤4,根据如下公式计算市场投资情绪指数;市场投资者情绪指数=【A/(A+B+C+D)】关注程度+【b/(A+B+C+D)】

一种基于神经网络的智能病案文字识别的方法

Submitted by neurta on Thu, 02/06/2020 - 11:12
发明提供了一种基于神经网络的智能病案文字识别的方法,发明通过新设计的卷积神经网络模块和双层神经网络的结合,新的卷积神经网络模块能加深神经网络的深度,将卷积后的特征图进行双层双向神经网络的处理,充分考虑到图片每一切片之间的联系,随着神经网络深度的加深,不会产生梯度消失的问题,还能更好的提取特征,使得本识别算法在通用文本及病案文本的识别准确率上显著提高,特别是比现有的ocr识别病案的准确率高,准确度达到98.3%,其次,本发明的算法数据集增加医学用词及医学用词训练数据,增加了医学用词的预测能力,再有,本发明的数据集是通过真实病案数据制作的数据集,能够有效的消除背景的影响

基因关联分析的修正方法及修正装置

Submitted by Anonymous (not verified) on Wed, 02/05/2020 - 15:05
本发明公开了一种基因关联分析的修正方法及修正装置,其中,方法包括:获取新的样本的基因序列:生成新的原本:对所述的样本进行标签赋值,其中,将所述新的样本进行标签赋值,其中,将所述新的样本与预设的患病以及健康的样本进行比对,以确定所属类别并放弃或者保留;重复执行所述获取序列步骤,以得到满足预设条件的多个样本,并获取新的数据集以进行基于回归方程的似然比检验,该方法可以保持原有数据中内在的基因信息,同时不违背原有的统计检验框架,从而原有的统计检验方法也可以直接使用,提高修正的适用性和准确性,简单易实现。

一种基于改进的Apriori算法的机床故障预测方法

Submitted by neurta on Mon, 01/20/2020 - 10:02
通过对机床故障的预测分析,可以在一定程度上降低或者避免因机床损失,而造成的工业生成中的经济损失。目前已有的预防技术有传统方法和在线监测方法两大类,其中传统技术是指由技术人员定期或不定期的对机床的噪音、温度、转速等状态因素进行判断,推测机床的健康状态;而在线检测方法主要通过相关系统实时监控主轴电流、扭矩、振动、声音和温度等机床状态,将采集到的数据进行分析判断,从而推断机床健康程度。传统方法存在技术人员的专业能力的主观因素,无法保证准确性,可靠性差且效率低;而在线监测方法,实时性要求高,随着机床数据的不断增加,传统的集中式数据库技术会给网络流量和服务器带来一定的压力。

乒乓球自动计分器运动目标检测与估计算法研究提纲

Submitted by neurta on Thu, 01/09/2020 - 10:43
在国内外体育比赛的裁判中,经常发生误判的争议。目前的裁判主要依靠人工进行裁判,费时费力;人的视觉具有暂留现象,分辨事物的最高频率24HZ,即反应一次至少0.042s;此外,为探究目前处于感官认知阶段的马格努斯力对运动轨迹影响的分析,对旋转乒乓球建模,模型求解,算法设计;

一种基于问句主题的自动问答答案选择方法

Submitted by neurta on Sun, 12/29/2019 - 11:41
本发明公开了一种基于问句主题的自动问答答案选择方法,通过获取问答对,对问答对中的答案进行分类,构建分类的答案集;提取待回答问句主题,根据待回答问句主题和分类模型对待回答问句进行分类,比对分类的答案集,获取待回答问句的候选答案集,根据待回答问句和与其对应的候选答案集,使用问答匹配模型获取待回答问句的答案;本发明提供的基于问句主题的自动问答答案选择方法,根据待回答问句主题对待回答问句进行分类,能够过滤掉与主题不相关的信息,提升数据集质量,提升自动问答的准确性。

设计模式:策略模式【Strategy Pattern】

Submitted by neurta on Fri, 12/20/2019 - 12:53
总体来说设计模式分为三大类:   创建型模式,共五种:工厂方法模式、抽象工厂模式、单例模式、建造者模式、原型模式。   结构型模式,共七种:适配器模式、装饰器模式、代理模式、外观模式、桥接模式、组合模式、享元模式。   行为型模式,共十一种:策略模式、模板方法模式、观察者模式、迭代子模式、责任链模式、命令模式、备忘录模式、状态模式、访问者模式、中介者模式、解释器模式。

btree索引和hash索引的区别

Submitted by neurta on Tue, 12/17/2019 - 14:54
(1)Hash 索引仅仅能满足"=","IN"和"<=>"查询,不能使用范围查询。 由于 Hash 索引比较的是进行 Hash 运算之后的 Hash 值,所以它只能用于等值的过滤,不能用于基于范围的过滤,因为经过相应的 Hash 算法处理之后的 Hash 值的大小关系,并不能保证和Hash运算前完全一样。 (2)Hash 索引无法被用来避免数据的排序操作。 由于 Hash 索引中存放的是经过 Hash 计算之后的 Hash 值,而且Hash值的大小关系并不一定和 Hash 运算前的键值完全一样,所以数据库无法利用索引的数据来避免任何排序运算; (3)Hash 索引不能利用部分索引键查询。

大型图像抽取对象识别

Submitted by neurta on Tue, 12/10/2019 - 14:29
def plot_image(i, predictions_array, true_label, img): predictions_array, true_label, img = predictions_array, true_label[i], img[i] plt.grid(False) plt.xticks([]) plt.yticks([]) plt.imshow(img, cmap=plt.cm.binary) predicted_label = np.argmax(predictions_array) if predicted_label == true_label: color = 'blue' else: color = 'red' plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label], 100*np.max(predictions_array), class_names[true_label]), color=color) def plot_value_array(i, predictions_array, true_label): predictions_array, true_label = predictions_array, true_label[i] plt.grid(False) plt.xticks(range(10)) plt.yticks([]) thisplot = plt.bar(range(10), predictions_array, color="#777777") plt.ylim([0, 1]) predicted_label = np.argmax(predictions_array) thisplot[predicted_label].set_color('red') thisplot[true_label].set_color('blue')

标准号:GB/T 34083-2017 中文标准名称:中文语音识别互联网服务接口规范

Submitted by neurta on Tue, 12/10/2019 - 10:11
国家标准《中文语音识别互联网服务接口规范》由TC28(全国信息技术标准化技术委员会)归口上报及执行,主管部门为国家标准化管理委员会。 主要起草单位 科大讯飞股份有限公司 、中国电信集团公司 、中国电子技术标准化研究院 、北京慧听科技有限公司 、苏州思必驰信息科技有限公司 、阿里云计算有限公司 、中国科学院声学研究所 。 主要起草人 李洪亮 、严峻 、于继栋 、朱恩德 、程彩峰 、张陈 、胡修文 、杨震 、赵菁华 、周伟达 。