(一)研究意义 微量有机污染物的来源复杂,有些污染物是通过排污道由污染源定量、定 点直接排放的,这些污染物可以通过人为控制排放而加以处理解决。而有些污 染物是溶解的或固体污染物从非特定的地点(非点源, nonpoint source),通过 大气颗粒物沉降、降水和径流冲刷作用进入受纳水体、土壤和沉积物中,引起 的水体、土壤或沉积物的污染。还有些则是在环境中相互反应形成的。从成因 上看,环境中的有机污染物的来源主要包括天然有机物的生物化学分解、农业 生产(包括农用化学品的施用、污水灌溉)直接分散进入、化石燃料的开发利 用、化学工业过程中产生的污染物通过大气降尘、地表径流作用进入水体、沉 积物和土壤中等。这些污染物污染源类型复杂、分布广、地理位置分散,没有 确定的污染源点,在时空上无法定点监测,治理和控制十分困难,非点源污染 物污染源解释已就成为了污染源研究的主要对象

江西省吉安县中、泰和中学、遂川中学2012届高三第二次月考试题_江西省吉安县中

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

江西省南昌一中、南昌十中2011届高三11月联考语文试卷_江西南昌一中南昌十中2011届高三11月联考语文

第一次随机事件与古典概型 一.填空 1.写出下面随机事件的样本空间:(1)袋中有5只球,其中3只白球2只黑球,从袋 中任意取一球,观察其颜色 (2)从(1)的袋中不放回任意取两次球 (每次取出一个)观察其颜色 (3)从(1)的袋中不放回任意取3只 球,记录取到的黑球个数

通过溶胶?凝胶（Sol?Gel）法成功合成了纳米锰方硼石并对其进行了稀土Eu3+掺杂。使用X射线衍射、透射电子显微镜和高分辨透射电子显微镜等表征了锰方硼石晶体结构，并通过荧光光谱测试对其发光性能进行了研究。结果表明：合成纳米锰方硼石为粒径小于50 nm的球状颗粒，与天然锰方硼石的物相结构相同，属于斜方晶系，与尖晶石类似，（010）晶面的晶面间距为0.8565 nm。在490 nm激发光激发下，天然锰方硼石、合成锰方硼石和稀土Eu3+掺杂锰方硼石晶体中的Mn2+发光，其中发绿光的Mn2+在晶体中占据四面体格位中心，发红光的Mn2+在晶体占据八面体格位中心。合成的锰方硼石随激发波长变长，产生发射光谱的红移现象，有利于实现冷暖发光转换；在稀土Eu3+掺杂的纳米锰方硼石光谱的发光强度得到了提升

2012年江西省九所重点中学高三语文3月联合考试试题_分宜中学 玉山中学 临川中学

江西师大附中、临川一中、南昌三中2010届高三联考语文试题_江西师大附中

国内某厂镀锡板缺陷处夹杂物主要来自结晶器保护渣的卷入，但其成分与结晶器保护渣有明显差别。为了进一步研究这种成分差别的原因，建立了耦合热力学平衡和动力学扩散的结晶器卷渣类夹杂物的成分转变动力学模型，明确了卷渣类夹杂物的尺寸和密度对其成分转变的影响规律，并通过对结晶器和液相穴内的钢液流动和夹杂物运动的数值模拟研究了夹杂物在钢液中的停留时间。结果表明：结晶器保护渣卷入钢液后与钢液不断发生反应，成分会发生明显改变。卷渣类夹杂物转变为缺陷处夹杂物所需要的时间与夹杂物尺寸以及夹杂物密度有关，夹杂物的尺寸和密度越大，转变为缺陷处夹杂物成分所需的时间越长。卷渣类夹杂物转变为缺陷处夹杂物所需时间与夹杂物尺寸呈幂函数关系，与夹杂物密度呈二次函数关系。夹杂物在钢液中的平均停留时间随夹杂物直径的增大而减小，并且随着拉速的增大而减小。小尺寸夹杂物一旦被卷入钢液中，将有充足的时间转变为缺陷处的成分。大尺寸夹杂物在钢液中的平均停留时间小于成分转变时间，但最大停留时间远大于成分转变所需时间，表明部分大尺寸夹杂物依然具有充足的停留时间转变为缺陷处的成分

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法