不适定的P-Laplace发展方程弱解对初始时刻几何的连续依赖性

研究了从非牛顿流体力学中提出的一类前向P Laplace发展方程的不适定性问题的弱解对初始时刻几何的连续依赖性,导出了一个仅依赖初始数据的显式的连续依赖性的格式.     

具有不同初值的前向热方程对初始时刻几何的连续依赖性

研究了具有不同初始数据的前向热方程不适定问题的解对初始时刻几何的连续依赖性.对这类不适定问题数据的稳定性研究是由在物理过程中无法对t=0时刻所有数据在瞬间测定而产生的初始时刻几何误差引起.当对方程的解进行适当限制后,可以利用对数凸性的方法导出仅依赖于初始数据的连续依赖性的不等式,推出它的H lder稳定性,从而得到问题解的连续依赖性.     

多维反射倒向随机微分方程的解对参数的连续依赖性

研究了多维反射倒向随机微分方程解的先验估计，并证明了解关于参数具有连续依赖性.     

一阶拟线性双曲组的经典解对参数的连续依赖性

考虑初值含参数的一阶拟线性双曲组的柯西问题,由初值对参数的连续依赖性得到局Ｃ＾１解对参数的连续依赖性。     

具有不同初值的倒向热方程对初始时刻几何的连续依赖性

研究了具有不同初值的倒向热方程的不适定性问题的解对初始时刻几何的连续依赖性，用一个改进的方法分别导出了仅依赖初始数据的显式的连续依赖性的不等式．     

推广的倒向随机微分超前方程

研究了对应于正向随机微分延迟方程的倒向随机微分超前方程的解的存在惟一性和对参数的连续依赖性.     

泛函形式的超前时间为定值的倒向随机微分超前方程

研究了对应于正向随机微分延迟方程的倒向随机微分超前方程的解的存在惟一性、对参数的连续依赖性，以及比较定理. 关键字: 倒向随机微分方程; 倒向随机微分超前方程; 适应过程     

Xρ空间上随机时滞格系统的随机动力学

本文研究一类加性白噪声驱动的具有时滞的随机格动力系统的动力学。引入X_ρ空间,运用Hilbert空间中的基本等式和Young、Gronwall、Schwarz不等式,证明了随机时滞格点方程解的存在性、唯一性和对初值的连续依赖性,从而得到其解生成连续的无穷维随机动力系统。     

关于含参量的Cauchy问题与H-K积分

运用H-K积分,对含参量的Canchy问题在满足ACG*和等度连续的条件下考虑了解对参数的连续依赖性.     

周期情形下两分支Camassa-Holm系统解对初值的不一致依赖性

利用近似解方法和解的局部适定性结果,讨论了一个周期情形下两分支Camassa-Holm系统Cauchy问题解在Besov空间B■(T)×B■(T)中对初值的不一致连续依赖性。该方法还可以用来讨论其他非线性发展方程解对初值的不一致连续依赖性。     

基于语言特性的中文领域术语抽取算法

提出一种基于语言特性的中文领域术语自动抽取算法.集成领域耦合性、领域相关性和领域一致性3种语言特性建立统计模型进行中文领域术语的自动抽取.提出基于困惑度衰减比率的自动评价方法,使用该评价方法对术语抽取算法进行了比较评估.实验结果表明,该算法与基于互信息和似然度的方法相比,在准确率和召回率方面都有较大提高.     

基于域间相似度序数的迁移学习源领域的选择

现有迁移学习研究大多数都建立在源领域和目标领域的相似度较高的全局约束下,对如何选择合适的源领域缺乏研究。为了确定如何自适应地从候选源领域集合中选择合适源领域,提升迁移效率,避免"负迁移"现象,基于最大均值差异(maximum mean discrepancy,MMD)提出一种叫作域间相似度序数(MMD-SR)的度量方法,用于度量候选源领域与目标领域间的相似度。同时,基于MMD-SR,提出一种迁移学习源域自适应选择策略(MMD-SR source domain selection strategy,MMD-SR_SDSS)。在人工数据集和真实数据集中的实验结果表明了度量方法MMD-SR和源领域选择策略MMD-SR_SDSS的有效性和可行性。     

Wavelet-Based Denoising Attack on Image Watermarking

In this paper, we propose wavelet-based denoising attack methods on image watermarking in discrete cosine transform (DCT) or discrete Fourier transform (DFT) domain or discrete wavelet transform (DWT) domain. Wiener filtering based on wavelet transform is performed in approximation subband to remove DCT or DFT domain watermark, and adaptive wavelet soft thresholding is employed to remove the watermark resided in detail subbands of DWT domain.     

基于迁移学习的贝叶斯网络参数学习方法

针对贝叶斯网络参数迁移过程中对源域及目标域限定条件较多等问题，在考虑源域-目标域多种信息形式的情况下，提出一种基于贝叶斯网络参数迁移学习的统一框架.该方法综合考虑了源域结构和数据量在迁移中的作用，在结构相似性的基础上，探讨了备选源域数据量对参数迁移的影响.在迁移过程中引入与目标域数据相关的平衡系数.通过平衡系数将目标域数据与迁移过程联系起来，实现平衡系数的自动调节.Asia网络验证了本文方法的准确性.     

基于三支决策的二阶段分类模型研究

当对三支决策边界域进一步划分时,边界域知识存在划分信息不足,从而导致分类精度不高,针对上述问题提出一种新的基于三支决策的二阶段分类模型(TWD-TP).第一阶段根据贝叶斯规则构建三支决策中样本的条件概率,通过求解最优化损失函数得到所需阈值,然后按照三支决策规则对数据集进行划分.三支决策是基于最小风险贝叶斯决策理论的划分,在其正域、负域中包含一定的误分类样本;在第二阶段通过类标签索引分别将正域、负域中误分样本作为增量信息引入延迟决策域,形成重构边界域,最后对重构边界域进行划分.实验结果表明:所提出的TWD-TP模型不仅能在三支决策划分中筛选出高误分类特征的样本,同时其重构边界域中不能被划分的样本得到正确划分,分类精度进一步提高.     

领域本体建模方法的研究

给出了一种基于RUP(Rational Unified Process)思想的领域本体建模方法论.首先简单介绍了领域本体概念、当前本体建模的方法论及存在的问题,然后通过比较本体建立过程与软件开发过程,提出基于RUP软件开发过程的领域本体构建方法论,并以此方法论为指导,给出一个实例.     

一种基于DCT变换的图像信息隐藏算法

针对LSB（最低有效位）空间域上隐藏信息易受攻击破坏，提出了一种基于DCT（离散余弦变换）的信息隐藏算法，实验结果表明DCT域的隐藏算法比LSB及其他的一些空间域的隐藏算法更具抗JPEG攻击能力．     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在不同速度下自适应性变差,易产生较大的跟踪误差;最后,设计了基于车速变化的变预测时域轨迹跟踪控制器.CarSim/MATLAB/Simulink联合仿真结果表明,改进后的轨迹跟踪控制器在不同车速下轨迹跟踪具有良好的控制精度和稳定性.     

基于相似度的神经网络多源迁移学习算法

为了解决迁移学习中的"负迁移"问题,提出了基于相似度的神经网络多源迁移学习算法。该算法是以经典的BP神经网络模型为基分类器,利用梯度下降法对各个源领域与目标域之间的相似度进行学习和优化,把各个源领域的网络权重参数信息按照与目标域之间的相似程度迁移到目标域中,提高机器学习算法在目标域的分类性能。在UCI数据的Letter-recognition数据集以及20Newsgroups文本数据集上进行实验。实验结果表明了MTL-SNN算法比传统的多源迁移学习算法以及BP神经网络算法在分类准确率上有所提升,因此MTL-SNN算法有效地解决了"负迁移"问题。     

船舶领域研究综述

通过对现有船舶领域模型进行分类综述和分析,总结基于各类研究方法的主要研究成果及其主要特点,剖析其存在的主要问题,阐明船舶领域研究的核心思想和意义,明确提出船舶领域研究的几个具有理论和实际意义的可能的研究方向.