故意伤害罪若干争议问题探讨

故意伤害罪之伤害故意特指对造成轻伤、重伤后果所持有的态度,而不是泛指对任何损害他人健康结果所持的态度;故意轻伤未遂不成立犯罪、故意重伤未遂适用伤害致人轻伤的法定刑;不能确定何人的行为造成伤害的后果时,对于同时犯,应适用伤害未遂理论;多次伤害的,应认定为同种数罪,再根据适用刑罚的实际效果为标准确定是数罪并罚还是一罪从重处理。     

不同色域映射意图的适应性研究

为了在实际生产过程中针对不同类型原稿及其用途快速准确地选择相应的色域映射意图,详细研究了常用的4种色域映射意图对不同类型原稿的影响适应性,即哪种色域映射意图能够使特定的原稿准确再现。实验选择具有代表性的图像和TC9.18RGB色表分别按照4种色域映射方式输出,运用视觉主观评价和色表测量数据的客观评价方法相结合归纳出4种色域映射的适应性。实验结果表明,注重色调和层次上表现的原稿类型适合采用感知映射,注重色彩渲染的原稿类型则适合采用饱和度映射,而对于精确再现的图像则适合采用绝对色度映射。     

大学生创业意愿制约因素分析

创业意愿是影响大学生创业的重要因素,调查分析表明,创业风险、社会环境、个人创业能力等是制约大学生创业意愿的重要因素。政府、高校应从建立创业扶持平台、加强创业教育、加强舆论引导等方面入手,培养大学生创业精神,强化大学生创业意愿。     

形式概念内涵的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的研究工具。在它的应用中,概念的快速求法具有举足轻重的作用,研究人员已经提出了许多求概念的算法,这些算法都离不开形式背景并不可避免地对形式背景进行多次访问,对于大的形式背景来说,会大大降低算法的效率。提出用属性树方法求概念的内涵,只对形式背景进行一次扫描,就可以求出全部概念的内涵,从而可求出所有的概念。实验表明,该算法的效率要高于Ganter算法的效率,并且可以进行并行计算。     

基于广义回归神经网络的上肢关节角度预测

针对人体上肢运动意图识别问题,基于上肢表面肌电信号,提出广义回归神经网络(general regression neural network,GRNN)预测受试者的上肢关节角度.GRNN预测模型的输入为处理后的表面肌电信号,预测的3个关节角作为输出,将GRNN预测结果和径向基函数(radial basis function,RBF)神经网络的预测结果对比,并用均方根误差对上肢关节角度的预测结果做评估,验证GRNN模型预测上肢关节角度的可行性.结果表明,GRNN模型能较好地估计人体关节角度.     

神经网络与贝叶斯滤波器在换道预测中的应用

为提高车辆在换道过程中的行车安全性。提出一种基于BP神经网络与贝叶斯滤波器的换道意图预测方法,通过车道线传感器、方向盘转角传感器和车身CAN总线采集相关表征参数,将其作为BP神经网络输入数据,对驾驶人换道意图进行初步预测,BP神经网络输出结果作为贝叶斯滤波器输入数据,对BP神经网络预测结果作进一步修正。对模型利用真实换道数据进行训练和检测,结果表明此模型的预测准确率达到91.38%,相较于单一的BP神经网络模型,预测准确率提高了6%,并且具有更强的通用性。     

一种查询意图边界检测方法研究

针对一个特定的查询意图,用户往往需要提交多次查询请求。有效地识别连续查询请求之间的意图变化边界,能够帮助检索系统更好地理解用户完整查询意图,以提高查询推荐及查询扩展的效果,并能够辅助个性化检索中用户模型的建立。在充分分析前人研究的有效特征基础上,提出了基于主题相似度检测意图边界的方法,并在SVM及CRF模型上都取得一定的提升。实验结果显示,所提方法的最优性能比Baseline系统F值提高了2%。     

电子商务合同意思表示若干法律问题研究

电子意思表示对于电子商务合同具有重要的法律意义,但数据电文形式的电子意思表示与传统的口头或书面的意思表示形式不同,无法完全适应传统意思表示法律制度。因此在电子意思表示中,有必要对当事人行为能力进一步规制;以电子形式表现的要约与承诺,其具体应用规则也应重新界定。     

一种基于面的拓扑元素永久命名及辨识方法

通过对面的合并、分割拓扑结构演化和设计意图的分析,提出和实现一个基于面的拓扑元素新的命名和辨识方法.该命名方法采用基于面拓扑结构演化的动态命名和可变长字符串编码,将造型过程中面复杂的拓扑变化简单地通过一个可变长字符串编码描述;设置特征引用拓扑元素的实名和虚名,基于命名编码子集操作和特征拓扑相关性分析,辨识特征引用拓扑元素;并将边元素引用统一按基于面的命名和辨识方法处理.该法较好地实现了参数化特征造型中拓扑结构变化情况下拓扑元素的辩识,并成功应用于自主版权的基于历史和特征的造型软件系统--JhSolid中.     

基于用户查询意图的搜索排序算法

目前互联网技术的研究热点是智能化的、个性化的服务,而传统的Web搜索排序算法和已有的个性化排序已经不能满足政府、企业等用户的信息查询需要.本文将研究核心定位到充分理解用户查询偏好上,提出了基于用户偏好的PageRank算法.文中利用用户互反馈技术修正查询关键词,利用语义相关性技术分析用户查询意图,理解用户偏好.改进的算法完善了搜索查询的可靠性依据,能够较好地挖掘用户的偏好主题,贴近用户的查询目的,提高搜索查询效率和用户满意度.