假设生成和任务结构对假设检验的影响

在"2-4-6"规则发现任务中,设置有无假设、有无列表和任务结构三个变量,考察任务结构和假设生成难度对假设检验成绩的影响,结果发现:有无列表主效应显著,但只有在无假设情况下有列表组成绩好于无列表组,有假设组中,有无列表效应不显著;任务结构和有无假设两个因素主效应都不显著;三种目标规则难度没有显著差异,但分别在有、无假设条件下三种规则难度表现出不同趋势的显著差异.这些结果说明:促进假设生成可以提高假设检验成绩,而任务结构对假设检验成绩的影响不显著;是否给被试提供最初假设对假设生成和目标规则难度具有调节作用,最终对假设检验成绩造成影响.

用Bayes网络检测航空影象中的三维结构体

感知组织是自动检测目标的有力工具。文章提出一个基于Bayes网络的感知组织算法,用于检测城市航空影象中房屋等三维人造结构体。算法使用假设检验的方法检测目标,由提取边缘及线段、生成平行四边形、生成假设、检验假设四个步骤组成。文中设计了两个Bayes网络分别作为假设生成和检验中的信息融合工具。Bayes网络的学习能力,使算法具有一定的自适应性。实验结果表明了算法的有效性。

扭平凡扩张与表示维数

设k是代数闭域,∧是k上基本有限维连通Koszul自入射代数.本文首先证明:如果∧满足有限生成(FG)假设,那么存在∧的k-代数自同构σ0使得关于∧-双模D∧^(σ0)的扭平凡扩张T(∧^(σ0))=∧×D∧^(σ0)亦满足FG假设.由此得到,在∧满足FG假设的条件下,(1)T(A^(σ0))的表示维数大于等于∧的复杂度加2;(2)设G是∧的k-代数自同构群Aut_k(∧)的有限子群,且其阶在∧中可逆.如果对于任意的g∈G都有σ0g=gσ0,那么斜群代数∧*G的扭平凡扩张代数T((∧*G)^(σ0))的表示维数大于等于∧的复杂度加2.