失效概率计算中的信息遗失与系统级建模方法

通过对系统失效概率问题的深入分析,揭示了传统上通过载荷-强度干涉分析计算零件失效概率过程中发生的系统失效相关性信息遗失问题,以及无法通过零件失效概率指标构建一般系统(具有失效相关性的非独立失效系统)失效概率模型的原因。从数学的角度探讨了载荷-强度作用机制和一般系统都存在共因失效的原因。在此基础上,提出了通过"系统级"的载荷-强度干涉关系建立系统失效概率模型的方法,建立了能根据有限的失效数据预测系统任意阶失效概率的参数化模型。最后,通过实例验证了所提出模型的适用性。

同声传译中信息遗失的成因及策略——从认知心理学角度

根据著名口译研究者丹尼尔·吉尔(Daniel Gile)提出的同声传译的脑力分配模型,同声传译需要做的是听力与分析、短时记忆、言语表达和协调。短时记忆是同声传译一种非常重要的能力,但在记忆过程中,极易出现信息的饱和与缺损情况,并且在输入、存储和输出三个阶段以及在理解出现失误与精力分配不恰当时都会流失,导致实践中出现错译和漏译的现象。口译转换难以实现信息的对等与守恒。从认知心理学的角度可以诠释同声传译中信息的遗失现象。在此基础上,译者可以采取省略、信息重组、转换、预测、阐释以及其他各种不同的策略应对同声传译中的信息不足现象。

利用PCA增强随机化隐私数据保护方法

基于随机化的数据扰乱及重构技术是数据挖掘中的隐私保护(Privacy-Preserving Data Mining,PPDM)领域中最重要的方法之一。但是,随机化难以消除由于属性变量本身相关性引起的数据泄漏。介绍了一种利用主成分分析(Principal Component Anal-ysis,PCA)进行属性精简的增强随机化方法,降低了参与数据挖掘的属性数据间相关性,更好地保护了隐私数据。