汉语并列复句的自动识别方法

针对汉语句际关系中分布最广泛的并列复句, 提出一种自动识别的方法。通过对句子语义相似度和结构相似度的计算, 使用基于词义的句子相似度计算、最大公共子串、最大谓词周边匹配长度、加重特定词语复现等方法, 在广义并列关系上进行评测。最后将其中3种方法进行集成, 并取得了较为理想的效果。     

Fuzzy蕴涵代数的滤子理论刘春辉1,2

在Fuzzy蕴涵代数中引入对合滤子和结合滤子的概念并研究它们的性质, 获得了这两类滤子的几个等价刻画; 讨论了Fuzzy蕴涵代数的对合滤子、结合滤子、关联MP滤子、正关联MP滤子和交换MP滤子间的关系, 证明了一个非空集合为正关联MP滤子当且仅当它既是对合滤子又是交换MP滤子。     

虚部光子晶体掺杂介质色散模型

虚部光子晶体的新颖结构使得它具有很强的频率依赖特性,其掺杂介质的色散关系已成为被广泛研究和应用的障碍.利用线性振子的强迫振动模型和有效介质理论,建立虚部光子晶体掺杂介质的色散模型,该色散模型可推广到掺杂多种共振分子材料的情况.通过拟合得到与实验数据相符的色散曲线,从而验证了模型的有效性,有利于进一步研究虚部光子晶体光学特性.     

覆盖粗糙集的一般化

在近似空间中给出了基于最简覆盖的等域关系定义,证明了它是论域上的一个不可区分关系·由此,覆盖粗糙集转化为经典粗糙集,使得经典的粗糙集理论的应用范围得到了进一步的扩展·举例说明了一般化方法既能化覆盖粗糙集为经典的粗糙集,又提高了一个集合的近似程度·还给出了基于覆盖的近似空间中的信息处理过程的模型,该模型应用了WilliamZhu和Fei YueWang提出的覆盖约简的方法和技术来消除冗余数据,又可以使覆盖粗糙集转化为经典的粗糙集·     

关于多值依赖的几点注记

目前诸多流行的数据库原理教材中对多值依赖问题的讨论均显得不够充分,对此,本文从两个方面进行了有针对性的探讨。首先对多值依赖两种定义的等价性进行了证明;其次也给出了几个重要结论的有效证明方法。     

构建和谐社会的重要内容和基本保证 --谈巩固和发展平等、团结、互助、和谐的社会主义民族关系

从各民族和谐发展的历史基础和新的时代要求出发,阐述了正确认识民族和谐与社会和谐的相互关系,是深刻理解构建和谐社会与巩固和发展平等、团结、互助、和谐的社会主义民族关系重要意义的关键所在;提出了促进各民族和谐发展必须牢牢把握“两个共同”的主题,必须以科学发展观为指导,采取特殊政策措施,加快少数民族和民族地区经济社会的发展。     

钢管初始应力对大跨径钢管混凝土拱桥稳定承载力的影响

在钢管混凝土拱桥施工过程中,采用不同施工方法合拢成拱,然后再向管内灌注混凝土,钢管中就产生了较大的初始应力．利用初始应力钢管混凝土的本构关系,分析钢管混凝土拱桥稳定承载力影响程度．计算结果表明,钢管初始应力的存在降低了钢管混凝土拱桥稳定承载能力,且不同的荷载工况影响程度不同．分析大跨度钢管混凝土拱桥稳定承载力时,应考虑钢管初始应力问题．     

考虑非线性本构和小初始变形的单壁碳纳米管的Bernoulli-Euler梁模型

在有限变形条件下石墨烯的应力应变关系是非线性的,而且石墨烯卷曲形成的碳纳米管(carbon nanotubes,CNTs)在应用时通常会产生小的初始变形.但是,在已有的碳纳米管力学性质的研究中还没有同时考虑这两种因数影响.基于石墨烯的非线性本构关系,建立了新的包含小初始变形的Bernoulli-Euler梁模型,然后应用该模型研究了单壁碳纳米管(single-walled carbon nanotubes,SWCNTs)的静态弯曲和一阶受迫振动.结果表明:在静力弯曲时,当初始变形与外荷载的方向一致时,初始变形增大了系统的刚度.当初始变形与外荷载的方向相反时,初始变形使碳纳米管的静力变形变得复杂.在受迫振动时,初始变形和本构中的非线性项都能改变振幅的分岔点的位置.初始变形可以使碳纳米管的力学性质由硬非线性变为软非线性.因此,非线性本构和初始变形均对碳纳米管力学行为有显著影响.     

矩阵灰色绝对关联度及其意义

首次提出了矩阵灰色绝对关联度的概念,并对相应性质进行了数学证明,给出了曲面灰色关联分析的实例验证.已有灰色关联理论只能进行序列之间的关联分析,其几何意义是曲线之间的整体相似性比较;给出的矩阵灰色绝对关联度可以进行相同维度矩阵之间的关联分析,其几何意义是曲面之间的整体相似性比较.矩阵灰色关联分析有望为诸如环境监测点位优化、图像处理中的人脸部位提取等二维信号处理提供新的技术手段.     

广义粗糙模糊子群

定义了群中模糊集合基于模糊不变子群的整体近似,并研究了近似算子的性质,讨论了近似算子对于模糊子群的交、并运算的性质;提出了上(下)广义粗糙模糊子群的概念,分析并证明了模糊不变子群成为上(下)广义粗糙模糊子群的条件.