建构学习理论在教学中的应用

在教学中运用建构学习理论,针对“基于经验的知识建构活动”进行有益尝试。在此理论背景下,教师最重要的任务是利用三个层次的建构性经验源为学生提供知识建构的良好条件,并探讨这一理念在教学中的具体应用及其效果。     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。     

再论加强公安执法人员的法治观念

法制现代化是中国当前重大的社会主题之一,它是一个历史的、发展的过程。公安法治建设必然对国家法制现代化进程产生重大的影响。公安机关的性质、地位和作用决定了公安执法人员必须具有正确的执法思想。而法律至上观念、权利本位观念、分权制衡观念、正当程序观念对公安执法人员正确执法思想的形成有着直接的影响。     

常规导弹封锁机场跑道效能准则问题研究

由于没有考虑跑道的可维修性,当前所使用的跑道失效率指标具有较大局限性。如何从实战特点出发选取效能指标成为常规导弹封锁机场跑道作战效能评估的关键。首先分析了跑道抢修能力、抢修策略、道面上弹坑数及弹坑分布均匀程度对跑道恢复起降能力的影响,提出用跑道起降能力作为效能指标选取的依据,并就跑道起降能力的量化与效能指标体系的构建进行了研究,然后用实例对所建效能指标进行了验证。结果表明,该效能指标模型比之跑道失效率指标严格的定义更加贴近作战的实际情况,使用该指标能够满足常规导弹打击机场跑道作战效能评估、火力需求预测及打击方案选优等需要。     

Parallel machine scheduling with eligibility constraints: A composite dispatching rule to minimize total weighted tardiness

We study a parallel machine scheduling problem, where a job j can only be processed on a specific subset of machines M_j, and the M_j subsets of the n jobs are nested. We develop a two‐phase heuristic for minimizing the total weighted tardiness subject to the machine eligibility constraints. In the first phase, we compute the factors and statistics that characterize a problem instance. In the second phase, we propose a new composite dispatching rule, the Apparent Tardiness Cost with Flexibility considerations (ATCF) rule, which is governed by several scaling parameters of which the values are determined by the factors obtained in the first phase. The ATCF rule is a generalization of the well‐known ATC rule which is very widely used in practice. We further discuss how to improve the dispatching rule using some simple but powerful properties without requiring additional computation time, and the improvement is quite satisfactory. We apply the Sequential Uniform Design Method to design our experiments and conduct an extensive computational study, and we perform tests on the performance of the ATCF rule using a real data set from a large hospital in China. We further compare its performance with that of the classical ATC rule. We also compare the schedules improved by the ATCF rule with what we believe are Near Optimal schedules generated by a general search procedure. The computational results show that especially with a low due date tightness, the ATCF rule performs significantly better than the well‐known ATC rule generating much improved schedules that are close to the Near Optimal schedules. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 249–267, 2017     

基于知识的敏捷指挥控制系统演化方法

为提升指挥控制系统应对变化的能力、解决当前指挥控制系统敏捷演化的难点问题,提出了基于知识的敏捷指挥控制系统演化方法。结合领域知识,对上下文和指挥控制规则进行建模,给出了实现敏捷指挥控制的知识推理方法和基于知识的敏捷指挥控制系统演化机制,为指挥控制系统敏捷演化奠定了基础。最后,试验验证该方法能有效提升指挥控制系统敏捷演化水平。     

基于规则的CGF实体行为建模技术

CGF行为建模的目的是使行为模型能更好地体现出人类行为特征,提高作战仿真系统的可信性和科学性。在介绍CGF、CGF行为建模概念的基础上,对当前几种主要的CGF行为建模方法进行了比较,并分析了CGF行为模型的一般结构。构建了基于规则的CGF行为模型,重点对基于规则CGF行为模型的决策推理方法进行了研究。采用产生式规则方法对决策知识进行了描述,定义了决策推理过程中的3个要素:态势、动作、决策推理,并对其决策推理过程进行了研究。     

基于稀疏贝叶斯学习的DOA估计

针对基于l1范数约束的稀疏表示DOA(Direction Of Arrival)估计算法对初始参数较为敏感的问题,提出了一种基于稀疏贝叶斯学习的DOA估计算法。首先通过信号来波方向的空间采样构造冗余字典,将阵列信号处理中的DOA估计信号模型转化为压缩感知中的稀疏重构信号模型。然后基于经验贝叶斯推理的方法,将待估计的稀疏系数值用方差未知的联合高斯分布描述,而未知的方差值决定了待估计系数的稀疏性。通过观测数据估计得到未知的方差,进而得到信号的DOA估计值。仿真结果表明,提出的算法有较高估计精度,并且对非相干信源和相干信源都具有较好的估计性能。     

主动学习与自学习的中文命名实体识别

命名实体识别是信息抽取中的一项基础性任务,如何利用丰富的未标注语料来提高实体识别的指标是该领域一个重要的研究方向。基于条件随机场提出一种将主动学习与自学习相结合的方法——SACRF,通过设置置信度函数和2-Gram频度阈值来选取样本,并采用人工与自动相结合的方式进行标注来扩展训练语料。实验表明,该方法在提高实体识别的精确率和召回率的同时,能够显著地降低人工标注的工作量。     

一种具有遗忘特性的在线学习算法框架

基于凸优化中的对偶理论,提出了一种具有遗忘特性的在线学习算法框架。其中,Hinge函数的Fenchel对偶变换是将基本学习问题由批量学习转化为在线学习的关键。新的算法过程是通过以不同方式提升含有约束变量的对偶问题实现的:(1)梯度提升;(2)贪婪提升。回顾了以往的相关研究工作,并指出了与之的区别与联系。人造数据集和真实数据集上的实验结果证实了算法框架的有效性。算法可以很好地处理数据流中的分类面漂移问题,为设计和分析新的在线学习算法提供了一个新的思路。