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.     

对称性在积分计算中的应用规律

利用积分域的对称性简化积分计算是优先考虑的计算策略之一.如果积分域由对称的两部分组成,首先考察积分域是否具有方向性,然后考察被积函数在对称点处的函数值是否相等或者相反.当积分域无方向性时,若被积函数在对称点处的函数值相等,则积分简化成半个积分域上积分的2倍;若被积函数在对称点处的函数值相反,则积分为零.当积分域有方向性时,结论正好与积分域无方向性时的结论相反.如果积分域具有轮换对称性,当对被积函数做相应的坐标轮换时,积分值不变.     

少些盲目 多些思考——历史课堂如何创设情境促进有效学习

在新课程实施的过程中,许多教师在课堂上利用"情境"来激发学生兴趣,活跃气氛,以提高课堂效率。但是也出现了盲目追求情境,把情境当点缀的现象。创设有价值的教学情境应从以下三个方面来把握,即能激起学生的情感和兴趣,符合学生认知水平和心理特征,服务于教学目标。     

基于工作记忆内容的注意:儿童与成人的比较研究

选取10名小学儿童(7~8岁)和10名大学生(19~27岁)作为被试,采用"工作记忆+视觉搜索"的双任务实验范式,探讨儿童与成人基于工作记忆内容的视觉注意的异同.实验要求被试在工作记忆保持阶段完成一个视觉搜索任务,结果发现儿童与成人均表现出基于工作记忆内容的注意:相对于中性条件来说,工作记忆内容与干扰项匹配会显著降低成人被试的搜索绩效,而工作记忆内容与目标匹配会显著提高儿童被试的搜索绩效.研究结果表明,尽管儿童和成人都表现出了基于工作记忆内容的视觉注意,但儿童较成人能更好地运用该注意机制以提高视觉搜索绩效且受其不利影响较少.     

一种局部与全局特征相结合的主题域识别模型

传统的主题域识别技术主要局限于单一领域，缺乏领域间的交互式协同，难以保证识别结果的准确性，因此提出一种局部与全局特征相结合的主题域识别模型.该模型一方面基于实体在领域内的局部特征进行局部识别，另一方面基于领域间协同作用、领域相关度等全局特征对各个局部识别结果进行一致化趋近，从而使识别结果更全面、有效.另外，针对相似矩阵的更新时机、协同作用的量化以及迭代终止条件的设定三个方面对主题域识别算法进行了优化.通过实验验证了本文所提出的关键技术的可行性和有效性.     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

情感词信息加工的脑神经认知机制研究

情感词是情感传达的重要介质,以往国内外的相关研究也常常把情感词作为情感认知研究的切入点,且取得了许多优秀的成果.文章旨在从情感词认知加工的ERP研究和脑成像研究两方面来探讨其脑神经认知机制,以期对情感词的研究有一个总体的认识,进而为人类情感认知机制的研究奠定基础.     

格值一阶逻辑系统LF(X)中的α-有序语义归结

讨论格值一阶逻辑系统LF(X)中α-语义归结方法和有序归结方法的相容性。给出了LF(X)中α-有序语义归结和α-有序语义归结演绎的概念,通过实例说明LF(X)中α-有序语义归结演绎的有效性和不完备性。     

张量伪谱的新包含域

张量伪谱可以看成是矩阵伪谱的推广,它在齐次动力系统中有着重要的作用.对张量伪谱圆盘定理进一步研究.利用张量伪谱中特征向量的最大元,给出了张量伪谱的新包含域.数值例子验证了结果的有效性.