有限维结合代数上表示可约性的两个判别法则

本文给出了有限维结合代数上表示可约性的两个判别法则。它们是:若φ是有限维结合代数上的表示,其表示矩阵为aφ=T(a)∈F_n,n>1,并且存在a∈Z(A),a≠0,使得T(a)≠0 而det T(a)=0,则φ是可约的;若φ是有限维结合代数A上的正则表示,其反表示矩阵为S(a)∈F_n,n>1,则φ是既约的充要条件为:(?)a∈A,a≠0,有det S(a)≠0。     

本体的语义变化表示策略

基于一般本体变化表示方法, 提出一种基于语义的本体变化表示方法. 该方法能清晰表示本体的变化信息, 描述变化的目的, 提高变化表示的可理解性, 减少变化表示中的冗余操作. 阐述了语义变化表示方法的基本形式, 分析了这些基本变化对本体的影响, 并设计了对应的处理策略, 从而使这种方法可以应用到本体演化过程中, 提高演化过程的处理能力.     

一类混合型交换四元数矩阵实表示的性质及应用

在引入混合型交换四元数及混合型交换四元数矩阵概念的基础上,首先,证明了混合型交换四元数和实数域上的4阶矩阵是同构的,将对混合型交换四元数的研究转化为对实数域上4阶矩阵的研究.其次,在混合型交换四元数矩阵和实数域上4n阶矩阵同构的基础上,将对混合型交换四元数矩阵的研究转化为对实数域上4n阶矩阵的研究.利用实矩阵的性质得到混合型交换四元数矩阵实表示的系列性质,并给出了混合型交换四元数矩阵可逆的等价条件.以混合型交换四元数矩阵实表示的性质为基础,得到混合型交换四元数矩阵复特征值的个数及特征值存在的充分必要条件,并将实数域上的盖尔圆盘定理推广到混合型交换四元数矩阵上.最后,利用具体的数值算例验证了混合型交换四元数矩阵盖尔圆盘定理的正确性和有效性.     

基于非局部相似性和分类半耦合字典学习的超分辨率重建

为了提升单幅彩色图像的超分辨率重建质量,提出了一种改进的基于学习的超分辨率方法.针对半耦合字典学习超分辨率算法训练精度不高的缺陷,采用稀疏域分类与半耦合字典学习交替进行的启发式策略.在训练阶段引入稀疏域非局部相似性约束项,使用改进了的非局部约束l1范数优化问题求解算法,训练得到多组高、低分辨率字典和映射矩阵.在重建阶段利用分类稀疏表示、非局部相似性并结合残差补偿进一步提高重建精度.实验结果表明,该方法在主观和客观评价标准下均取得了较好的重建效果,显著提升了超分辨率重建质量.     

旋转机械长历程偏心故障的数值与图形特征获取方法研究

研究采用采样点的波动稳定性描述偏心故障的程度,即通过对旋转机械长历程偏心故障数据采用信息融合、小波阈值降噪、数据压缩、构造特征方阵、计算特征值方差等方法获取故障的数值特征来描述偏心故障程度;利用小波分解获取低频时域信号和二维轴心轨迹方法探寻偏心故障劣化过程中在图形上的本质变化.应用这三种方法获取转子实验平台模拟的长历程偏心故障的数值与图形特征,结果显示,所获取的数值和图形特征均随着故障的劣化而单向变化,因此,三种方法均能够有效表征偏心故障劣化的过程和程度,具有较高的稳定鲁棒性.      

SD序列矩阵表示与保守性

提出用矩阵形式表示一组核酸序列的方法．以大肠杆菌ＳＤ序列（在起始密码子ＡＴＧ前－１～－２５位点的２５个碱基范围内）为例给出了表示各位点单碱基、相邻双碱基、相邻三碱基出现的矩阵形式,并计算了体现序列的保守性、关联性的Ｍ（ｌ）值,发现大肠杆菌ＳＤ序列保守性,相邻双碱基、三碱基关联性与基因表达水平成正相关关系     

旋转机械故障诊断的框架知识表示

专家系统的核心是知识，有效，正确的知识表示是专家系统中知识处理的最基本前提，针对旋转机械故障专家系统中的知识表示问题，作 用框架结构对其知识进行表示，并讨论了框架结构表示的推理技术和搜索技术，使旋转机械故障诊断专家系统能利用这些知识进行迅速推理并得出正确的诊断结论。文中给出了其在C＋＋语言环境下的实现方式，顺便讨论了框架知识表示与面向对象知识表示之间的关系。并在VC＋＋集成开发环境下开发出了一个知识表示的演示模型，结果说明该知识表示方式是有效的。     

人工智能的泛符号机制

针对 90年代以来人工智能研究逐步转入低潮的局面 ,提出了关于人工智能的泛符号机制的新思想、新理论 ,泛符号机制 =泛逻辑 知识表示的超拓扑结构 多维信息空间。     

网格工作流的语义模型及其查询机制

针对网格工作流的描述方法提出了一个新的视角:运用知识表达技术提供一个网格工作流的语义模型和查询机制,并将面向对象的继承思想引入到网格工作流表达的语义框架中,该框架是可扩充、可配置的,用户可以对新的类别定义新的语义框架,并可基于该继承结构的语义框架,进行有层次的工作流的查询.     

多模块稀疏投影在密集场景目标跟踪中的应用

提出了一种包含随机运动的复杂密集场景下的目标跟踪方法. 在跟踪算法中,将稀疏模型与多模块彩色特征相结合,并通过将其转化为l1正则化最小二乘问题实现对特征的稀疏投影. 跟踪过程中利用粒子滤波得到预测跟踪点,并将对应于最小投影差的预测点模块作为最优跟踪. 为适应特征变化,在跟踪完成后根据新的跟踪结果自动更新目标模板. 大量包含遮挡和光照变化的不同类型密集场景测试验证了该方法的有效性,与其他算法的比较说明了其优良性能.