探知非法核活动的关键技术:环境取样分析

 回顾了国际原子能机构环境取样分析技术的产生背景和发展历程,介绍了目前主要应用的环境取样分析技术,分析了环境取样分析技术在全面保障监督和探知非法核活动中所起的重要作用。     

基于D-S证据理论的不确定数据清洗

数据清洗的任务是检测数据中存在的错误、缺失或不一致,通过删除、填充、修改等方法提高数据质量.针对存在元组级不确定性的数据表上的选择投影连接操作,基于D-S证据理论中置信区间的概念,给出辨识框架构建和置信区间计算的方法,提出了一种基于待测数据项置信区间来检测查询结果中错误数据的方法.实验结果表明,提出的不确定数据错误检测方法具有高效性、准确性和可用性.     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S(Dempster-Shafer)证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

盗伐、滥伐林木材积测算及定案研究

盗伐、滥伐林木材积数量是对案件定性、对行为人处罚的重要依据。目前材积测算的方法较多,相关法律法规对测算方法没有统一规定,导致同一案件出现多个测算结果。笔者采用案例研究、调查访问、模拟现场调查等方法,根据涉案林木的状态,分别对几种常用的测算方法的精度进行了比较研究,提出应根据不同案情确定材积测算方法;同一案情有多种测算方法时,应优先选用精度较高的方法,使测算结果具有唯一性,并经司法机关认可取得合法性。这样对盗伐、滥伐林木案件进行定案时可减少争议的出现,缩短办案时间,提高办理毁林案件的质量。     

传感器融合技术在火灾预警探测中的应用研究

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等.     

二值证据权(Wofe)模型岩溶塌陷区划研究

介绍了证据权模型及 GIS 应用原理, 并引入到岩溶塌陷危险性区划中。在杭州西湖周边岩溶塌陷危险性分析中, 将研究区划分为 10 m ×10 m 的网格单元, 并提取地层、构造等证据图层, 分析各证据与岩溶塌陷发生的空间相关性, 计算各证据对塌陷发生的对比值, 剔除显著性水平不满足要求的证据, 并且确定了对具有分级特征的证据进行二值化时的切值, 进而选取了地层单元、孤峰组-栖霞组地层界线、黄龙组-老虎洞组地层界线、距 EW-NW 向构造线的距离、距 NE 向构造线的距离等5个证据, 求得每个单元网格的后验概率, 并计算塌陷点已知与预测的个数之比为 0. 864, 认为符合条件独立性检验, 最后的应用表明, 这种数据驱动的方法同样适用于岩溶塌陷区划问题的研究。     

基于证据权重法的辽西钼-多金属矿床评价预测

针对目前矿业勘探开发中的资源潜力快速评价问题,以基于GIS的数据驱动模型证据权重法为主导,结合基础地质资料,从遥感影像中提取相关构造、矿化及蚀变信息.采用中上寒武-奥陶统、义县组、雾迷山组、燕山期花岗岩、粘土蚀变、二价铁强度、三价铁强度和构造强度等8个因子评价辽西钼-多金属矿床,并通过X2独立性检验证明其在数学上的可行性,且在3大矿集区符合的基础上,评价预测出高家岭、红崖子两个成矿远景区.     

论应诉反倾销的会计支持

当进口国对我国出口产品进行反倾销立案调查时,出口企业作为应诉的主体,需要会计从多方面进行举证支持,争取零税率或低税率,实现企业效益的最大化。从反倾销应诉前的会计准备、填写调查问卷的会计举证、会计陈述抗辩方面来谈谈应诉反倾销的会计支持。     

一种基于能量函数的证据合成算法

传统证据合成的计算量会随着证据个数急剧增加,限制了DS证据理论的广泛应用。从减少参与证据合成的焦元数量出发,提出了一种改进的DS证据理论的实用算法,以解决DS证据理论的实用化问题。该算法以焦元的能量函数、证据的平均能量函数作为选择抛弃焦元和剩余焦元的标准,同时将抛弃焦元的基本概率赋值重新分配给与之具有嵌套关系或相交关系的剩余焦元。该算法保留了抛弃焦元在证据合成过程中的生存权利,充分考虑了计算量和准确性。通过实例比较了该算法与其他几种近似算法的性能,验证了所提出算法的有效性和合理性。     

基于BERT的诉讼案件违法事实要素自动抽取

针对诉讼案件违法事实要素抽取效果依赖领域专业知识的特点,提出一种基于transformer双向编码器表示(bidirec-tional encoder representations from transformer,BERT)的诉讼案件违法事实要素自动抽取方法.首先,通过构建领域知识并采用谷歌BERT预训练语言模型进行训练得到拟合诉讼案件领域数据的模型参数和中文预训练字嵌入向量作为模型的输入,得到具有上下文相关的语义表示,以提高词嵌入的上下文语义质量.其次,采用循环卷积神经网络对文本进行编码并获取在文本分类任务中扮演关键角色的信息,提升案件违法事实要素抽取的效果.最后,采用focal函数作为损失函数关注难以区分的样本.违法事实要素抽取的工作是通过对文本标签进行分类得到的.实验测试表明,该方法对诉讼案件要素抽取的F1值为86.41％,相比其他方法性能均有提高.对模型注入领域内知识,也可以提高模型抽取准确率.