基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

基于知识图谱的核电设备健康管理知识建模与分析

随着信息技术发展,设备健康数据与知识图谱技术结合为设备健康发展带来新的发展机遇,知识图谱利用其多种特异性优势,使企业系统中积累的海量设备维修数据得到有效整合利用.本文提出基于知识图谱的核电设备健康管理知识建模与分析方法,并根据实体关系模型构建维修知识图谱本体框架,同时基于核电企业实际的维修工单数据,从统计分析和关联分析两方面取得良好的实践效果.研究结果表明,知识图谱能够在设备维修知识的集成上解决传统的数据孤岛问题,同时能基于故障的可视化分析为维修人员和管理人员提供决策和知识支持.     

关于有限群幂图的强彩虹连通数

图的强彩虹连通数在网络信息安全传输中有重要的应用,由于决定图的强彩虹连通数问题是NP-困难的,因此需要给出一些特殊图的强彩虹连通数的计算方法.该文首先运用图论与群论的相关知识,给出了幂图强彩虹连通数的一些上下界,并且研究了达到界的一些幂图.其次利用这些界给出了循环群、初等交换p-群、二面体群和半二面体群的幂图的强彩虹连通数的计算公式.结果表明,幂图的强彩虹连通数依赖于群的极大对合数及群的极大循环子群数.     

一个野代数的二维的不可分解表示

在表示型的研究中,野代数Γ=k〈x,y〉扮演重要角色,但通常描述其表示是非常困难的。本文主要利用Belitskii算法得到代数Γ所有二维表示的同构类,等价地,得到二阶矩阵对的Belitskii标准形,并得到该线性矩阵问题的Belitskii标准形的参数数。     

基于鲸鱼优化算法的类图重构研究

为了提高软件质量,组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能.本文提出一种基于鲸鱼优化算法的类图重构方法,并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优.在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构,研究结果表明:基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法,可有效提高重构质量.     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

带交换和跳跃的一维双向自驱动系统的仿真研究

自驱动粒子系统在生物系统、交通运输系统领域具有广泛的应用价值.本文提出了一维双向自驱动粒子模型,在模型中考虑粒子的跳跃、粒子间的换位等行为.运用模拟仿真方法分别讨论了左右向移动的粒子密度比、换位概率、跳跃率对系统流量的影响,结果表明:两种粒子的比例越接近,系统流率越大;在密度位于中段区域时(0.3<ρ<0.8),粒子跳跃概率越高,系统流率就越大;对向粒子交换概率越大,系统流率越大,流率-密度曲线由非单调转变为单调递增;系统没有出现回滞现象.这些研究结果有助于理解非平衡态系统的一些重要性质.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。