基于任务的乘员脑力负荷典型主观评价方法研究

为研究三种脑力负荷主观评价量表即Cooper-Harper量表、SWAT量表以及NASA-TLX量表能否对装甲车辆乘员信息作业脑力负荷进行测量,通过实验任务,以任务完成时间和量表得分为指标,对三种量表的敏感性以及聚合效度进行对比研究。研究结果表明:SWAT量表的敏感性要略高于CH量表以及NASA-TLX量表,SWAT量表与NASA-TLX量表的聚合效度较高,CH量表与SWAT量表以及NASA-TLX量表的聚合效度比较低,CH量表与后两种量表测定结果一致性较差;通过SWAT量表与NASA-TLX量表进行模糊综合评判比较得出NASA-TLX量表要优于SWAT量表。综上所述,NASA-TLX量表是三种量表中测量乘员脑力负荷较为理想的工具。     

基于任务的乘员脑力负荷典型主观评价方法

为研究三种脑力负荷主观评价量表即Cooper-Harper量表、SWAT量表以及NASA-TLX量表能否对装甲车辆乘员信息作业脑力负荷进行测量,通过实验任务,以任务完成时间和量表得分为指标,对三种量表的敏感性以及聚合效度进行对比研究。研究结果表明:SWAT量表的敏感性要略高于CH量表以及NASA-TLX量表,SWAT量表与NASA-TLX量表的聚合效度较高,CH量表与SWAT量表以及NASA-TLX量表的聚合效度比较低,CH量表与后两种量表测定结果一致性较差;通过SWAT量表与NASA-TLX量表进行模糊综合评判比较得出NASA-TLX量表要优于SWAT量表。综上所述,NASA-TLX量表是三种量表中测量乘员脑力负荷较为理想的工具。     

基于多源数据的智慧养老服务供需匹配研究

针对智慧养老服务中供需双方评价信息的表达存在不确定性和模糊性以及供需不匹配的问题,提出了一种基于多源数据的模块化双边匹配决策方法。该方法无需将信息统一,减少了信息处理损失。考虑老年群体存在需求差异的情况,利用两步聚类法对其进行分类;针对智慧养老服务评价属性异质性特点,采用概率语言术语、直觉模糊数处理定性评价信息,用精确数处理定量评价信息;通过改进离差最大化法计算属性权重;运用折衷解决方法得到双边效用满意度,构建双边匹配模型。最后通过上海市老年群体智慧养老供需匹配仿真实验对方法的可行性和合理性进行验证。结果表明,所提方法识别出了5类老年群体,可以为不同特征的老年群体匹配不同的智慧养老服务。     

思维力的先天发育水平表现因素及实验研究

以3岁幼儿为研究对象,在分析现有对应变力研究的基础上,提出思维力表现因素测评指标框架;依据思维力共性表现因素并结合3岁幼儿思维力的个性表现,进行了测评指标实验研究.首先,对实验方案进行信度和效度检验,结果表明:本方案有较好的信度与效度;其次,通过对实验结果的性别和年龄差异性分析,认为该被试群体可以作为标准化样本,并对其测试结果进行常模测算;最后,通过西安地区不同水平幼儿园随机抽样的297名被试思维力的常模测算,结果显示其与理论分布接近,表明这种测评方法具有普适性与可操作性.     

一种基于群体智慧的智能服务聚类方法

智能服务的供需匹配是一个复杂过程,如何获得准确的服务聚类结果,是提高匹配准确性的重要环节.利用群体智慧理论,将多个相互独立的聚类结果进行聚合,能够显著提高聚类结果的纯度和查全率.提出一种基于群体智慧的服务聚类方法,首先利用群体智慧理论的独立性、分散性、多样性引导基聚类结果的生成.进一步采用群体智慧的聚集性,提出一种基于权重的基聚类集成机制,对基聚类结果进行聚合,得到最终服务聚类结果.在Web服务数据集下进行实验,结果表明,与传统的基于k-means算法的服务聚类方法相比,提高了服务聚类的纯度和查全率.     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响。研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间。这个问题是NP-难问题。用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界。计算结果表明分支定界法和启发式算法求解此问题非常有效。     

应变力先天发育水平表现因素及实验研究

目的构建应变力测评指标框架,并以西安地区3岁幼儿作为样本研究应变力先天发育水平的表现因素。方法在全面分析应变力共性表现因素的基础上,结合3岁幼儿应变力的个性从直觉性行为应变和直觉性语言应变两方面设计测评指标体系,并对指标体系进行信度效度检验,采用游戏的方式考察能反映幼儿应变力先天发育水平的反应时间和反应准确率等指标。结果对实验方案进行信度和效度检验表明该方案有较好的信度与效度;对实验数据的性别和年龄差异性分析表明该被试群体可以作为标准化样本;西安地区不同水平幼儿园的应变力的常模测算结果与理论分布接近。结论直觉性的行为应变和语言应变两个方面的指标测评能反映幼儿先天发育水平,表明应变力表现因素测评方法具有普适性与可操作性。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响．研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间．这个问题是NP-难问题．用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界．计算结果表明分支定界法和启发式算法求解此问题非常有效．     

AHP在高校实验室类修购项目排序中的应用

在高校实验室类修购项目申报中存在运用综合评价方法进行评价排序的问题,目前使用的专家评价法存在着理论性和系统性不强,主观随意性大等不足。因此,有必要引进AHP在高校实验室类修购项目排序中的应用。研究AHP法的概念、基本方法和步骤,通过实例验证了AHP在实验室类修购项目评价中是一种非常有效的评价排序方法。AHP在实验室修购项目排序中具有简单、易操作、系统性强等优点,是一种行之有效的评价排序方法。     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

一种基于Vague集的多属性群决策排序方法及其应用

针时Vague值的多属性群决策排序问题,提出了一种新的得分函数.定义了Vague值的贴近度,并结合信息集成算予和专家权重,进而提出了一种新的群决策排序方法,本文应用实例证明了该方法的合理性和实用性.     

不同粒度语言信息的群体一致性判别和改进方法

针对群决策中基于不同粒度语言判断矩阵形式偏好信息的群体一致性判断和改进问题,提出了一种新的分析方法.首先,根据专家给出的不同粒度语言判断矩阵,采用LOWA集结算子确定个体方案排序的序关系值向量;然后,以群体与专家个体意见偏差最小为目标建立目标规划模型,通过求解该模型得到群体方案排序的序关系值向量;进一步地,通过定义专家个体与群体意见的贴近度指标,给出了专家群体一致性的判别改进方法;最后,通过算例说明方法的可行性和有效性.     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

基于MapReduce的大数据在线聚集优化设计

针对大数据在线聚集执行时间长、执行性能及延迟调度性能较差的问题,提出基于MapReduce的大数据在线聚集优化程序设计.使用分片聚集方法使集群中所有机器的计算资源得到充分调用,采用子连接的启发式优先方法优化各节点本地执行连接任务关系运算,实现大数据在线聚集的并行连接.利用混合近似查询框架的大数据在线聚集动态切换机制及基...     

采用模糊层次分析法的PFMEA方法改进及应用

为解决因各专家判断矩阵过于均一化而导致的风险排序与实际发生偏差的问题,在传统的基于模糊层次分析法的过程失效模式与分析(PFMEA)方法基础上做进一步的改进.从专家的个体区别和职业类别两方面考虑,分析专家判断矩阵变化程度对专家分组及评估各组别对专家权重的影响,进而合理设定专家权重.通过该改进方法在汽车空调冷凝器制造过程中的实际应用,验证方法的有效性.研究结果表明:改进的基于模糊层次分析法的PFMEA方法能更准确地对产品失效风险进行排序.     

基于相对熵的不确定性群决策集成方法

针对带有区间数的不确定性群决策问题做了研究.首先在区间数比较可能度概念的基础上,获得各个决策者对方案集不确定性评价的可能度矩阵,并将其转化为方案集的排序向量;然后从相对熵的概念出发,提出了一种相对熵的不确定性群决策最优化集成模型,讨论了模型的求解;最后实例分析表明文中所提方法的可行性和有效性.     

基于语言判断矩阵的群决策方法

针对基于语言判断矩阵的群决策问题,提出了一种基于语言信息处理的群决策方法·在描述了基于语言判断矩阵的群决策问题后,通过变量转换关系对语言短语集中的有序语言短语进行"量化",构造了与决策者给出语言判断矩阵"等价的"互反矩阵,利用几何加权平均算法对所得到的互反矩阵进行群集结,并根据和积法求出归一化主特征向量,给出了一种简便的方案排序方法,从而确定最优方案·该方法具有保证传递信息的相对完整性及计算量相对较小的特点·最后通过一个算例说明了该方法的有效性和实用性·     

基于多粒度认知的命名实体识别方法

在数据匮乏的领域,命名实体识别效果受限于欠拟合的字词特征表达,引入常规的多任务学习方法可以有所改善,但需要额外的标注成本.针对这一问题,提出了一种基于多粒度认知的命名实体识别方法,在不产生额外标注成本的前提下,增强字特征信息,提高命名实体识别效果.该方法从多粒度认知理论出发,以BiLSTM和CRF为基础模型,将字粒度下的命名实体识别任务与句子全局粒度下的实体数量预测任务相联合,共同优化字嵌入表达.三个不同类型的数据集上的多组实验表明,引入多粒度认知的方法有效地提升了命名实体识别效果.     

基于综合效应的模糊规划方法研究

模糊规划是资源分配、优化决策等众多领域广泛存在的问题,是当今学术界和应用领域的热点研究内容。在分析模糊规划的本质特征以及现有方法的特点和不足基础上,针对目标和约束的综合处理问题,提出了综合效应函数的概念,给出了综合效应函数的公理化体系,建立基于综合效应的模糊规划问题一般求解模式,并结合实例进行了分析,结果表明该方法不仅包容了现有的模糊规划方法,而且可以有效地将决策意识融入求解的过程中,在复杂系统优化、人工智能等众多领域具有较强的应用前景。     

基于排序学习的文本概念标注方法研究

提出一种基于排序学习的方法CRM (concept ranking model), 来实现文档的维基百科概念自动标注。首先人工对一定规模的文档进行概念标注, 建立训练集合, 然后利用排序学习算法在多项特征上得到对概念排序的模型, 利用这个概念的排序模型对任意文档进行概念标注。实验表明, 相对于传统的文档概念标注方法, 此方法在各类指标上都有相当大的提高, 标注结果更加接近人类的概念标注。