基于事件的定性知识表示模型

当前突发事件应急管理研究已经成为热点问题。本文针对突发事件及事件链研究特点,运用系统工程理论论,建立了突发事件及其链式关系知识表示模型。该模型从突发事件机理出发描述应急管理过程的知识需求,不仅揭示了突发事件发展、演变的行为模式及突发事件链式关系形成机理,还为应急决策提供理论依据,最后给出模型的应用实例,实现了事件演进的自动生成及应急过程中的知识支持。     

基于无监督学习的源数估计及盲分离算法

针对目前欠定盲分离问题中源数未知,采取"两步法"进行分离源信号.在第一步聚类算法中,一般都假设源信号个数已知,即事先给定聚类数目,这类算法成功与否依赖于源信号个数的先验知识.为了有效解决这个问题,提出了一种新的基于模糊聚类分析的无监督学习算法,它利用观测信号之间的相似关系来确定模糊相似矩阵进行迭代算法,不但可以精确估计源信号个数,同时也能获得对混叠矩阵的精确估计.该方法进一步完善了"两步法",仿真结果表明了算法的有效性及优异性能.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

基于GM(1,1)模型的时间序列分段表示方法

时间序列分段表示的目的是对序列进行降维,并使得处理后的数据尽可能保留原始数据特征。以较小的误差,对数据进行较高比率的压缩,是分段表示方法的目标。以往的分段方法主要用线段进行分段,在数据拟合时,存在较大的误差。本文利用GM(1,1)模型的单调变化性质,在拟合误差阀值的限制下,提出了一种基于GM(1,1)模型的分段表示方法(GMPR)。经实验验证,得出相比以往的线性分段方法,GMPR可以取得更好的结果。     

从动态线性定价法则到动态资本资产定价模型

首先给出了未定权益的动态线性定价机制,然后在连续时间Lévy过程驱动的市场模型下,利用Lévy过程的弱可料表示性和Girsanov定理,从动态线性定价法则导出了动态资本资产定价模型.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

保谱方程的换位表示

1.特征值问题Ly=λy与y_x=Uy的保谱方程,分别具有Lax与零曲率形式 L_t=[V,L],U_t-V_x+[U,V]=0。一个基本问题是:在什么条件下,向量场形式的孤子方程u_t=X(u)与它们是等价的。本文     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。     

论合同中的意思表示瑕疵

意思表示真实是合同有效的构成要件,有瑕疵的意思表示会导致合同无效或者被变更、被撤销.我国合同法对意思表示瑕疵的规定与传统民法在立法模式、类型、效力等方面存在一定差异,需借鉴国外成功的立法经验,进一步完善对意思表示瑕疵的法律规制.     

基于本体的CBR及其在旅游产品智能推荐系统的应用研究

针对传统CBR存在的案例库难以扩展,表述词表不统一等异构问题,将本体技术引入CBR,对推理系统结构进行了分析设计.研究基于本体CBR的旅游产品案例表示方法,以及案例检索策略.并将该系统应用于旅游产品智能推荐过程中.实验证明该推理系统能有效地提高CBR中案例的查全率,提高旅游产品智能推荐的推荐精度.