任务型CGF组织本体建模

针对作战模拟对人类行为表示的准确性要求,建立真实反映战场行为的组织模型是非常重要的。根据需求分析和已有研究的不足,提出了基于本体论的组织建模方法,阐述了该组织本体的构建原则,并从组织静态结构和动态行为两个方面定义了相关概念及概念间的关系。在此基础上采用一阶谓词逻辑描述了该组织本体的形式化过程。实验结果表明,该方法能够准确地建立起用于实体的组织模型,使得实体行为可以反映实际战场行为,且能够保证组织本体的通用性。     

基于自动机理论的UML活动图模型检验方法

UML活动图被认为是最合适的软件过程描述语言,研究UML活动图的模型检验方法是很有必要的。提出一种基于自动机理论的UML活动图的模型检验方法。该方法给出UML活动图的形式语义,通过计算RTC-STEP,得到LTS,并将LTS映射到Büchi自动机,用LTL表示系统性质,并将LTL公式转换为相应的Büchi自动机,用基于自动机理论的模型检验方法检验UML活动图。     

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.     

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。     

一种基于语义增强和指导路由机制的方面级情感三元组抽取方法

目前,细粒度情感分析已在观点挖掘、文本过滤等域获得广泛应用,通过细粒度情感分析,能完成更精准的文本理解和结果判断.其中,包含方面、观点和情感极性的情感三元组抽取任务是一个具有代表性的细粒度情感分析任务,且大多数相关研究是基于管道模型和端到端模型开展的.然而,一方面,管道模型本质为两阶段模型,存在错误传播的问题;另一方面,端到端模型也无法充分利用句子中各组成之间的联系,存在高层次语义关系捕获能力欠缺的问题.为解决以上问题,本文对句法和语义知识进行特征补充,提出一个基于语义增强和指导路由机制的情感三元组抽取方法(ASTE-SEGRM).首先,基于键值对网络学习源文本的句法特征和词性特征.区别于以往的建模方式,本文所提方法动态捕捉不同句法及词性类型的重要程度,并赋予不同的权重,以实现语义增强;其次,受启发于迭代路由机制,引入指导路由机制构建神经网络,使用先验知识指导情感三元组的抽取;最后,在四个基准数据集上的实验结果证明,本文所提方法优于数个基线模型.     

公理化局部有限空间中映射连续性的扩展

用公理化方法研究了局部有限空间中的连续映射及其扩张问题。给出了局部有限空间的公理化定义方法;利用邻近关系研究了局部有限空间中的连续映射、同胚和局部同胚等问题;通过对局部有限空间变形的研究,定义了局部有限空间的一种特殊收缩核,有效地解决了局部有限空间中连续映射的扩张问题。     

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。     

一种基于二元语义信息处理的群体决策方法

针对决策者权重、属性权重和属性值均为语言形式的多属性群体决策问题,给出一种基于二元语义信息处理的群体决策方法.该方法采用二元语义概念对语言评价信息进行处理和集结运算,结合传统的理想点方法对方案进行优选.首先描述了具有语言评价信息的多属性群体决策问题,然后介绍了有关二元语义的定义及其相关性质,给出了基于二元语义的集结算子,并进一步给出了解决该类群体决策问题的具体步骤.最后给出了一个算例,验证了该方法的有效性.     

论行政赔偿范围的扩大

对我国目前的行政赔偿范围进行了反思。认为我国现行的《国家赔偿法》主要以列举方式确定的行政赔偿范围,极大限制了行政赔偿范围。建议采取“概括加否定排除式”的立法模式扩大行政赔偿范围,将行政规章以下的抽象行政行为、行政不作为行为和精神损害赔偿纳入行政赔偿范围。