用于军事态势估计的协作知识模型

分布式人工智能（ＤＡＩ）是ＡＩ领域的一个新分支。ＤＡＩ研究的主要目的在于分析和设计大型复杂的协作智能系统。本文以军事智能决策过程中的重要环节──态势估计任务为背景,提出了用于实现分布式协作求解的知识表示框架ＤＥＳＷ系统。文章简要分析了军事态势估计领域背景,然后从系统设计的三个方面依次介绍了ＤＥＳＷ的系统组织模型、主体概念模型和分布式协作推理模型。     

一类非线性系统的浑沌与次谐波

本文利用Melnikov方法讨论了一类非Hamilton可积方程的周期激励系统,得到了该系统存在浑沌解与次谐波分支的充分条件。     

基于结构相似度的SAR干扰效果评估方法

传统的合成孔径雷达(SAR)图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生。提出了一种主客观相结合评估方法,该方法不仅巧妙地利用了结构相似度(SSIM)作为主客观评价的连接纽带,而且结合局部方差相似度与图像高频信息相对应的特点,通过非线性合并得到了结构相似度的修正模型。仿真结果表明,该方法较之传统评估手段具有明显的优势,不仅能够更好地反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

一种基于辩论的协作型CGF分层协商模型

针对作战仿真对人类行为表示(HBR)的准确性要求,建立真实反映战场行为的冲突消解模型是非常重要的.根据已有研究的不足和冲突行为分析,提出了基于辩论的协作型计算机生成兵力(CGF)分层协商模型,在给出相关定义的基础上,研究了冲突下的协商行为过程,实现了基于效用理论的论据强度定量评估算法,算法用于实现首选议题的选取和共同信...     

一种基于范围表示B树的大容量IPv6路由查表算法

IPv6具有巨大的地址空间,未来要面对的将会是海量IPv6路由表,而且128位的IPv6地址比IPv4需要更多的访存数。算法针对IPv6路由查找问题中的这两个难点,提出利用B树高度较低的优良性质,将前缀转化为范围表保存在B树中,并在结点内部利用分段范围比较树算法来减少访存次数和空间耗费。理论分析和实验表明,该算法能够以很好的性能支持IPv6海量路由表的查找。     

一种新的雷达辐射源识别专家系统

基于专家知识的雷达辐射源识别系统是解决雷达辐射源识别的重要方式。针对特定的应用背景,提出了一种由知识库确定雷达辐射源相似工作模式比较序列后依据专家知识识别雷达工作模式的新的雷达辐射源识别专家系统,介绍了该雷达辐射源专家系统的组成和各部分的功能,给出了推理过程和确定置信度的知识的表示方法。     

论三个代表的人本观

主要从党的宗旨、党的执政过程和执政目的、党的性质三个方面论述“三个代表”重要思想中所包含的中国共产党“以人为本”的执政理念     

基于主动知识库的地形图汉字注记智能提取方法

地形图中包含了大量的字体丰富的汉字注记 ,正确提取并识别这些汉字是图纸处理中的关键组成部分。简要分析了交互提取及自动提取两种方法的优缺点 ,提出并实现了一种基于主动知识库的结合两者优点的汉字注记智能提取方法 ,取得了很好的应用效果。     

Madagascar

Despite a constitution that condemns discrimination, as well as positive efforts by all stakeholders, Madagascar is still far from meeting the desired objectives of the Southern African Development Community (SADC) Protocol on Gender and Development, or any other relevant international instruments and conventions. The establishment of an Organising Technical Committee on security sector reform for Madagascar is a positive development, which will hopefully facilitate an understanding of the multiple facets of gender and security in Madagascar as well as advancing the implementation of the instruments calling for greater female participation in the security sector.     

Designing rewards-based crowdfunding campaigns for strategic (but distracted) contributors

In rewards-based crowdfunding, entrepreneurs solicit donations from a large number of individual contributors. If total donations exceed a prespecified funding target, the entrepreneur distributes nonmonetary rewards to contributors; otherwise, their donations are refunded. We study how to design such campaigns when contributors choose not just whether to contribute, but also when to contribute. We show that strategic contribution behavior—when contributors intentionally delay until campaign success is likely—can arise from the combination of nonrefundable (potentially very small) hassle costs and the risk of campaign failure, and can explain pledging patterns commonly observed in crowdfunding. Furthermore, such delays do not hurt the entrepreneur if contributors are perfectly rational, but they do if contributors are distracted, that is, if they might fail to return to the campaign after an intentional delay. To mitigate this, we find that an entrepreneur can use a simple menu of rewards with a fixed number of units sold at a low price, and an unlimited number sold at a higher price; this segments contributors over time based on the information they observe upon arrival. We show that, despite its simplicity, such a menu performs well compared to a theoretically optimal menu consisting of an infinite number of different rewards and price levels under many conditions.