Markov逻辑网及其在信息抽取中的应用

介绍Markov逻辑网的理论模型,阐述Markov逻辑网的结构和参数学习算法及2种基本类型的推理,从命名实体识别、实体关系抽取和实体解析3个方面总结Markov逻辑网在信息抽取中的应用现状。分析结果表明,Markov逻辑网模型能较好地将一阶谓词逻辑和概率图模型相结合,灵活地在Markov网中融入模块化知识,描述复杂的特征。

基于动态二进制分析的密码算法识别

针对网络安全领域中应用程序内部密码算法识别问题,提出一种基于动态二进制分析的密码算法识别方法。该方法以二进制分析平台DynamoRIO作为支撑,动态记录程序执行期间的数据信息,并综合利用基于统计特征的过滤和分类、基于密码算法常数特征的匹配以及基于数据流分析的函数参数识别等技术,对密码算法进行识别。测试结果表明,该方法能够迅速识别并准确定位应用程序中所使用的密码算法。

基于无线传感器网络的多节点调制识别方法

针对无线传感器网络多节点联合调制识别性能不随节点数目增多而提高的问题,给出一种选择性联合调制识别方法。利用该方法推导出利用表决法和加权表决法进行联合调制识别的前提条件。依据前提条件对监测节点进行筛选,以信噪比为权重对多个监测节点的识别结果进行加权表决。仿真结果表明,该方法在没有过多增加网络通信负载的情况下,有助于提高识别性能。

基于物理层网络编码的两跳中继改进方案

根据物理层网络编码可以提高无线通信系统通信效率的特点,提出一种提高无线通信系统通信效率的改进方案。该方案在物理层网络编码方案的第2阶段将PCMA思想与物理层网络编码相结合,达到通信双方不间断地交换信息的目标,使得两跳中继模型在3个单位时隙内完成2个数据帧的交换。实验结果表明,与物理层网络编码方案相比,该方案能减少信息交换的时间,通信效率提高60%。

非倍测度空间上的Calderón-Zygmund算子（英文）

综述回顾了带有非倍测度的欧氏空间R^d上的Calderon-Zygmund理论中的基本结果.在该背景下欧氏空间上所赋予的测度μ不需要满足通常的双倍条件,只需满足如下增长性条件,即存在正常数n∈(0,d]以及C使得对任意的x∈R^d和r∈(0,∞),μ(B(x,r))≤Cr^n.回顾的主要结果包括:Hardy空间H^1(μ)与正则BMO空间RBMO(μ);与H^1(μ)以及RBMO(μ)相关的插值定理;Calderon-Zygmund分解;T(1)定理与Calderon-Zygmund算子在Lebesgue空间和Hardy空间上的有界性;Cotlar不等式与极大Calderon-Zygmund算子的有界性;多线性Calderon-Zygmund算子在乘积Lebesgue空间上的性质;Calderon-Zygmund算子的加权模不等式;由Calderon-Zygmund算子与RBMO(μ)函数所生成的交换子的有界性.此外,作者还介绍了该研究方面的一些最新进展与成果.