多值渐近Ψ_i-拟伪压缩型映象集合序列的收敛性

引入有限族多值渐近Ψ_i-拟伪压缩型映象和具随机混合型误差的三步迭代集合序列,在没有任何有界的假设条件下,使用新的分析技巧,在实赋范线性空间中建立了有限族多值渐近Ψ_i-拟伪压缩型映象公共不动点的具随机混合型误差的三步迭代集合序列的强收敛定理,从而推广和改进了相关文献中的结果.     

一种基于Bloom Filter的正则表达式集合快速搜索算法

正则表达式搜索算法的性能与从非确定性有限状态自动机(NFA)的初始状态到终止状态的最短路径Lmin成正比,与正则表达式所表达的语言的前缀集合Pref(RE)成反比,而一般情况下Pref(RE)较大,确定Pref(RE)中的元素在目标文本中的出现位置比较困难.文中提出了一种基于Bloom Filter的正则表达式集合搜索算法,此算法利用Bloom Filter集合查询时间与集合大小无关的特点,可以快速准备定位Pref(RE)的出现位置,使得搜索速度不受Pref(RE)的影响,如果采用多个Bloom Filter并行,还可以间接增大Lmin.分析与测试结果表明,该算法较大地加快了正则表达式的搜索速度,对于正则表达式集合,算法性能改善尤其明显,在Lmin较长、Pref(RE)较大时,搜索速度可以提高数倍至数十倍,适合大规模的多正则表达式的快速搜索.     

一种基于粗糙集的朴素贝叶斯分类算法

朴素贝叶斯分类器的计算过程只有在完全数据库中才成立,而基于相似关系的粗糙集模型具有处理空值的功能,并且提供了属性离散化和约简技术,可以改善属性间的依赖关系。因此,将两种不同的软计算方法相结合,利用粗糙集合理论先把决策表补齐,再对数据进行约简,然后结合朴素贝叶斯分类器,得出分类结果。实验证明这种方法不仅简化了数据和模型的规模,也具有对不完全数据的分类能力。     

基于DivinE的分布式模型检测及协议验证

模型检测是一个高效且简单的方法来检测一个并发程序是否满足一个时序逻辑公式,它基于对系统状态空间的穷举搜索,通常采用深度优先搜索算法(DFS)。然而由于DFS算法固有的连续性,并且需要用到某些数据结构和同步机制,使得计算机的资源被大量的消耗,因此长期存在状态空间爆炸的问题。本文通过改进传统的DFS算法,利用DivinE工具,使状态空间爆炸问题能够在分布式环境下得到缓解。     

过程提取用于改善程序模型检测的可伸缩性

针对目前基于谓词抽象的程序模型检测工具很难处理大规模软件的现状，提出用过程提取技术对待检的源代码进行预处理，以改善程序模型检测的可伸缩性．首先，将程序中一个选定的语句集合提取出来并包装成一个独立的过程，然后在原程序的相应位置用一个过程调用替代，进而将大型程序分解成语义一致的小型过程的集合．由于模型检测算法中的过程总结边可单独计算，所以过程提取使整个程序的模型检测任务模块化，当程序对某过程进行多次调用时，利用总结边可以避免对过程体内状态空间的重复搜索，从而降低了模型检测算法在空间：和时间上的开销．理论分析和实验表明，所提技术能有效缩短大型程序的模型检测时间，并在程序的转换中不会改变原程序语义，满足了程序模型检测的安全性要求．     

Multi-h CPM信号的有限状态时序机表示

为获得多指数连续相位调制(Multi-h CPM)信号更为简洁的脉冲幅度调制(PAM)分解形式,提出了一种用有限状态时序机表示Multi-h CPM信号的新算法.该算法利用调制指数循环周期变化的特性,通过基本波形分解算法,将Multi-h CPM信号表示为周期时不变的有限状态时序机和周期时不变的PAM调制器的级联结构;然后通过限定输入符号进制数为偶数,将时序机的状态转移过程描述成一个可约的、周期平稳的、非齐次Markov链.文中采用该算法对不同调制指数下的状态转移过程进行算例验证,并给出了算法的最佳接收机模型和仿真结果.与传统的PAM最优检测算法相比,文中算法的检测性能可达到理论值,而网格状态数仅为PAM最优检测算法的一半.     

一种平衡树的研究之五

本文是文[4]的续篇,该文研究两棵平衡树之间的操作,通过两棵平衡树的同时操作,完成两个集合之间的各种运算,如测试集合包含关系(ISSUBSET)、求集合的并(UNION)、求集合的交(INTERSECT)、求集合的差(DEDUCT)、按关键字序列的连接(CONCATENATE)、拆分(SPLIT)、空间压缩(COMPACT)等算法。重要算法给出了时间复杂度证明。     

求齐次有限马尔科夫链状态空间全体闭集的算法

本文给出了齐次有限马尔科夫链状态空间的闭集族的算法，为了减少计算量和无重复地列出全体闭集，引进了状态空间压缩法和逐点删去法。对状态个数不太大的情形，可利用压缩状态空间的状态转移图求全体闭集；对一般情形，给出了计算机算法。     

求齐次有限马尔科失链状态空间全体闭集的算法

本文给出了齐次有限马尔科夫链状态空间的闭集族的算法，为了减少计算量和无重复地列出全体闭集，引进了状态空间压缩法和逐点删去法。对状态个数不太大的情形，可利用压缩状态空间的状态转移图求全体闭集；对一般情形，给出了计算机算法。     

判断基本子句集合不可满足性的一个方法

一个子句(或基本子句集合)的非模型是不满足该子句(或基本子句集合)的解释.本文给出计算有限基本子句集合的非模型个数的一种方法,并使用概率的观点从理论上加以证明.     

一类基于完全图K2m上匹配的相交关系的池设计

利用有限集合的子集间的相交关系,构造了一族基于完全图K2m上匹配的池设计,并证明了它具有较高的容错性。     

局部紧的Abel群上的Paley-Wiener空间和规范正交基

设G是一个局部紧的Abel群,集合Ω?G是具有正有限Haar测度的Borel集.集合Ω上的Paley-Wiener空间定义为PWΩ平移正交基和集合Ω上的平方Haar可积函数空间L2(Ω)上的规范正交基之间的关系.     

时序逻辑控制的多席位任务协同调度算法

针对指挥控制方舱多席位任务协同的时效性问题,从时间和状态的角度,把复杂的指挥控制过程进行描述和任务编码,以任务树和任务执行甘特图的形式,建立了基于任务时序排列的多席位任务协同模型,并利用空闲事件驱动策略,提出了针对该模型的时序逻辑调度算法。实例仿真分析表明:相对于传统方式,算法使系统协同过程总的空闲时间减少了9%,任务整体并行执行时间减少了4.6%,该模型和算法能很好地描述和优化指挥控制过程中的多席位任务协同过程,减少任务协同过程中的空闲时间和任务整体并行执行时间,从而提高作战效率。     

采用CS约简和FGR决策的数据挖掘方法

为更好地解决大数据集多实例、多属性、多分类给数据挖掘带来的困难,构建了一种基于CS约简和FGR决策的挖掘方法,首先寻找原始数据集合的核心实例,根据核心实例去除数据集合中的冗余,再采用FGR决策完成分类挖掘任务,通过与两种典型方法的比较实验发现,所构建的方法可以有效地压缩数据集合规模、精简挖掘过程的规则,以较高的效率完成准确的挖掘分类.     

关于压缩算子的不变子空间

Nagy和Foiac曾经给出完全非酉压缩算子的特征函数的正则分解和算子的不变子空间之间的关系.本文进一步讨论一般压缩算子的不变子空间和它的特征函数按本文定义的正则分解的关系,从而取消了对压缩算子的完全非酉性的限制.     

关于压缩算子的几个问题

本文研究酉部为有限维希尔伯脱空间的一般压缩算子不变子空间的特殊形式,提出弱压缩的充分必要条件及一些充分条件。     

随机环境中马氏链的状态研究

利用马氏链的一般理论讨论了随机环境中马氏链的性质和状态分类。借助于随机环境中马氏链的特征数,首先讨论了状态本质与正则本质的关系,给出了正则本质态的一个充分条件,在此基础上研究了弱常返态与正则本质态的关系及本质态与非正则本质态的关系,而后在状态空间有限及联合空间不可分解的条件下对状态空间进行了分解。最后举出一个实例说明了文章结论的正确性。     

关于Q_右析取语言

本文讨论了由句法右同余导出的两个反AFL即Q_-和A_-右析取语言族的性质其之间的关系。若R(L)≠φ,则L是Q_-右析取语言当且仅当R_L是R_(ees)右同余。而对及有限语言L是Q_-(A_-)右析取语言等价于说L是关于前缀序的一个有限(完全)链。     

一种基于Bi-GRU的卫星对地观测 任务可调度性预测方法

针对现有卫星观测任务可调度性预测模型难以建模长时间间隔的观测任务依赖关系的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)的卫星对地观测任务可调度性预测模型.该模型以卫星历史规划方案作为学习样本,能够以较低计算代价较高准确率地预测出对地观测任务集合中可以被响应的子集.该模型首先通过多层全连接感知机神经网络提取任务属性间的关联关系,然后采用多组多层双向门控循环单元组成的循环神经网络提取观测任务与其前驱及后继观测任务序列的潜在时序特征,最后融合各组双向门控循环单元的预测结果,从而利用观测任务之间的正向与反向信息依赖关系提升任务可调度性预测准确度.实验结果表明,与现有主流预测模型相比,本文提出方法在准确率、精确率、召回率和F1分数等指标上分别提升了2.27％、2.36％、3.45％和2.37％.     

电力系统故障诊断与不可观测保护状态识别的解析模型

现有的针对继电保护信息不完整情况下的故障诊断与不可观测保护状态识别(FSE-SIUPR)的数学模型不能处理警报信息的时序特性,而这种特性对于弥补继电保护信息的不足、快速而准确地诊断故障并评价保护和断路器的动作行为具有重要作用.在此背景下,文中首先基于时序约束网络理论,发展了一种能够充分利用警报信息时序特性的FSE-SIUPR的集成数学优化模型,该模型能够从时序上解释整个故障演变过程,并识别出一些不可观测保护的状态.之后,采用禁忌搜索(Tabu)算法对优化模型进行求解,并用一个实际电力系统的故障场景对所提出的模型进行了验证.