假设类复句关系词语连用情况考察

文章考察了假设类复句关系词语的连用情况。全文包括三个部分:一、考察了假设类复句关系词语的连用形式。根据连用关系词语的多少,分为两项连用和三项连用,根据连用关系词语的位置,分为前项连用和框式连用。二、考察了假设类复句关系词语在书面语和口语中的使用情况。发现假设类复句关系词语的连用既有个体差异,也有语体差异,连用现象主要出现在口语以及口语化的书面语中。三、分析了假设类复句关系词语连用的语言机制,指出连用在句法上是为了加强关联,语义上是为了强化和突显,语用上是为了使语言表达委婉含蓄。

隋前佛经中假设类复音连词调查

假设类复音连词从古到今发生了很大变化,形式的复音化是其面貌发生裂变的主要标志,而隋前汉译佛经又含有较多的口语成分,可以较好地反映历史语言演变的真实轨迹,因此,我们截取隋前汉译佛经941部,对其进行了穷尽性的调查,提取出假设类复音连词44个,并在此基础上,将其与同期中土文献中的用法进行了力所能及的对比分析。

假设、让步、条件类连词的叙实性

假设、让步、条件类连词都含有预设真假的意味,常常纠缠在一起。这类能表达真假预设的连词都能够表明说话者的内心期望,具有隐含的交际效果。从叙实性角度出发,将它们划分为三类:叙实性连词、反叙实性连词和非叙实性连词。叙实性连词多是后退一步承认分句中某种情况的发生,与主句中的真实情况形成对比,并在二者的转折中进一步强调主句,可以归为让步连词。反叙实性连词假设某种有违事实的情况发生,具有非叙实性,亦用于假设可能发生的事情,同时包含了真、假假设的不同情况,可以归为假设连词。非叙实性连词所叙内容真假模糊,所表达的重点是预设条件之下的结果,与条件连词的功用相当。

调整聚类假设联合成对约束半监督分类方法

当不同类别的样本严重重叠在分类边界时,由于聚类假设不能很好地反映出数据的真实分布,基于聚类假设的半监督分类方法的性能,可能比与之对立的监督分类方法更差。针对上述不安全的半监督分类问题,提出了调整聚类假设联合成对约束半监督分类方法(ACA-JPC-S3VM)。一方面,它将单个未标记样本到数据分布边界的距离融入到模型的学习中,能够一定程度上缓解此类情况下算法性能的下降程度;另一方面,它将成对约束信息引入,弥补了模型对监督信息利用方面的不足。在UCI数据集上的实验结果表明,ACA-JPC-S3VM方法的性能绝不会低于支持向量机(SVM),且在标记样本数量为10时的平均准确率较SVM高出5个百分点;在图像分类数据集上的实验结果表明,直推式支持向量机(TSVM)等半监督分类方法出现了不同程度的不安全学习情形(即性能相近或低于SVM),而ACA-JPC-S3VM却能安全地学习。因此,ACA-JPC-S3VM具有更好的安全性与正确性。

一种基于聚类核的半监督支持向量机分类方法

为了在标记样本数目有限时尽可能地提高支持向量机的分类精度,提出了一种基于聚类核的半监督支持向量机分类方法。该算法依据聚类假设,即属于同一类的样本点在聚类中被分为同一类的可能性较大的原则去对核函数进行构造。采用K-均值聚类算法对已有的标记样本和所有的无标记样本进行多次聚类,根据最终的聚类结果去构造聚类核函数,从而更好地反映样本间的相似程度,然后将其用于支持向量机的训练和分类。理论分析和计算机仿真结果表明,该方法充分利用了无标记样本信息,提高了支持向量机的分类精度。

基于隐聚类和狄利特雷过程的大规模MIMO-OFDM接收机设计

本文首先讨论了大规模MIMO-OFDM(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing)系统信道的空间相关性,提出了一种基于隐聚类假设的信道建模方法,利用概率参数模拟不同的传播环境.然后,将机器学习领域的狄利特雷过程(Dirichlet Process,DP)引入到稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)模型中,建立了DP-SBL结构,在信道估计的同时挖掘并利用大规模MIMO系统所特有的隐聚类特征.接着,将DP-SBL结构应用于大规模MIMO-OFDM系统中,在因子图上利用消息传递算法推导了一种基于隐聚类和狄利特雷过程的接收机算法.最后,将本文提出的接收机算法和现有算法进行对比分析.结果表明,本文提出的接收机算法充分利用了大规模MIMO-OFDM系统特有的空间相关性,能够以较低的计算复杂度获得较强的鲁棒性和显著的性能增益.

密度敏感的距离测度在特定图像聚类中的应用

根据聚类假设,提出一种新的基于图的半监督学习算法,称为密度敏感的半监督聚类。该算法引入一种密度敏感的距离测度,它能较好地反映聚类假设,并且充分挖掘了数据集中复杂的内在结构信息,同时与基于图的半监督学习方法相结合,使得算法在聚类性能上有了显著的提高。经过实验仿真进一步表明,该算法在特定图像应用上具有优越性。

典型半监督分类算法的研究分析

近年来,大量半监督分类算法被提出。然而在真实的学习任务中,研究者很难决定究竟选择哪一种半监督分类算法,而在这方面并没有任何指导。半监督分类算法可通过数据分布假设进行分类。为此,在对比分析采用不同假设的半监督分类典型算法的基础上,以最小二乘方法(Least Squares,LS)为基准,研究比较了基于聚类假设的转导支持向量机(Transductive Support Vector Machine,TSVM)和基于流行假设的正则化最小二乘法(Laplacian Regularized Least Squares Classification,Lap RLSC),并同时利用两种假设的Semi Boost以及无任何假设的蕴含限制最小二乘法(Implicitly Constrained Least Squares,ICLS)的分类效果。得出的结论为,在已知数据样本分布的情况下,利用相应假设的方法可保证较高的分类正确率;在对数据分布没有任何先验知识且样本数量有限的情况下,TSVM能够达到较高的分类精度;在较难获得样本标记而又强调分类安全性时,宜选择ICLS,而Lap RLSC也是较好的选项之一。

科学定律与反事实条件句——兼论“新归纳之谜”

科学定律和偶适概括在自然语言中都是全称命题。如何把二者区别开来呢 ?这就是古德曼所说的“新归纳之谜”。古德曼和亨佩尔等人在一定程度上指出科学定律和偶适概括的区别 ,即 :(1)前者可以支持反事实条件句而后者却不能 ;(2 )前者能够得到归纳证据的支持而后者却不能。本文将揭示科学定律、偶适概括和反事实条件句的逻辑结构 ,并对枚举归纳法的推理规则给以精确的表述 。

汉语关系从句中心语方向参数的二语习得实证研究——中心语参数僵化的中介语相同语类并置假设

现有的关系从句习得研究并未涉及汉语关系从句的某个具体参数值在中介语语法中能否重新设定的问题。本文以母语为英语、俄语、韩语的学习者为调查对象,力图从类型学角度调查母语不同的学习者习得汉语关系从句中心语参数重新设定的二语习得状况。调查结果显示:母语类型学特征对英语组和俄语组的影响具有一致性,但韩语组的表现并不符合基于类型学特征的预测,而所有二语组在具有相同语类并置的汉语关系从句上的表现都呈现出中介语僵化的态势。文章对习得汉语关系从句的诸多中介语表现提出了可能的解释。

条件推理概率解释模型中的隐性预设及其实证检验

通过对条件推理概率解释模型的数学分析,发现相对于不同概率空间取得的前、后件概率不满足条件概率的定义要求。基于条件概率的条件推理解释模型隐含着共属类假设,即认为推理者能在同一概率空间对条件命题的前、后件发生率做出评估,但未给出任何实验证明。为验证条件推理概率解释模型,分别进行了有关该模型的概率一致性检验和共属类假设检验。实验结果表明,被试的推理行为不满足该模型蕴含的概率一致性要求及共属类假设,被试的条件推理行为不能用Oaksford条件概率模型来解释。

科学定律与反事实条件句——兼论“新归纳之谜”

科学定律和偶适概括在自然语言中都是全称命题。如何把二者区别开来呢?这就是古德曼所说的“新归纳之谜”。古德曼和亨佩尔等人在一定程度上指出科学定律和偶适概括的区别,即:1.前者可以支持反事实条件句而后者却不能;2.前者能够得到归纳证据的支持而后者却不能。该文将揭示科学定律、偶适概括和反事实条件句的逻辑结构,并对枚举归纳法的推理规则给以精确的表述,从而对新归纳之谜给出进一步的解决。

西方生命虚构叙事创作新趋势——以《马洛与莎士比亚秘史》为例

西方生命虚构叙事是一种以历史人物的生命因子为叙事驱策,通过虚构化策略再现历史人物人生的创作体裁,马洛与莎士比亚作为"作者之争"的主角经常出现在近期的西方传记研究和生命虚构创作中。达甘在《马洛与莎士比亚秘史》中将学术元素与侦探元素交融在一起,以生命虚构文本而非学术论著的形式再现《哈姆雷特》的创作过程,藉此创设一种另类的"共谋理论",这在某种程度上代表着后现代语境下西方生命虚构叙事的学术化、另类化和不自然叙事化的创作新趋势。

新归纳之迷真的解决了吗?——与陈晓平先生商榷

1991年第5期《自然辩证法通讯》发表了陈晓平先生的《新归纳之迷及其解决》.该文第一部分介绍了当代美国著名科学哲学家古德曼(Nel son G00d man)的归纳理论——包括新归纳之迷的提出、绿蓝悖论和投射理论;第二部分阐述了作者自己的意见——包括对古德曼绿蓝悖论的批判和对新归纳之迷的理解及“解决”.我认为,陈先生关于新归纳之迷的解决存在一些问题,故专门提出来与陈先生商榷,并同时希望得到诸位专家的批评指正.

结合密度峰值优化模糊聚类的自训练方法

【目的】为了在迭代自训练之前探索数据集分布情况,挑选出所含信息量较大且置信度较高的无标记样本加入训练集训练,让训练出的初始分类器有较高的准确性,提高自训练方法的泛化性。【方法】以聚类假设为基础,先对无标记样本集进行密度峰值聚类,在人工地选出聚类中心后,将新的聚类中心作为模糊聚类的初始聚类中心进行模糊聚类,从而筛选出有用的无标记样本。【结果】通过使用密度峰值优化模糊聚类算法,筛选出所含信息量大且置信度高的样本加入了训练集,训练出泛化性更强、分类精度更高的分类器。【结论】实验结果表明,改进后的自训练方法能快速发现样本集原始空间结构,筛选出有用无标记样本加入训练集,与结合其他聚类算法的自训练方法相比分类精度有所提高。

审计假设研究

审计假设(Auditing Postulate 或 Assumption,也有的译为审计公设)问题由美国审计学者莫茨(P·K·Mautz)和夏拉夫(H·A·Sharaf)在其"被认为是世界上第一部将审计理论作为一门独立的学科加以论述的著作"——《审计理论结构》一书中首次提出以来,国内外审计理论界对这个问题的研究集中于两个方面:一是审计假设包括哪些内容,即应当设立多少条假设;二是审计假设在审计结构属于哪个层次。

历史——领会音乐的线索——同科学院院士格奥尔格·克内普勒的谈话

《光谱》月刊记者(下简称记者):您正在研究音乐的起源,并且在理论上发展了这方面的观点。您在这方面所涉及的仅仅是推测,还是已能证实您的成果? 克内普勒教授(下简称克内普勒):这需要探索起源的过程。要探索距今最久远的目标。在这方面没有直接的原始资料(乐器或类似的资料)。还存在各种各样不清楚的地方。所以不得不以假设从事研讨;当然,这必须符合要求。

论坛荟萃

刘宝三:论个体思维的社会化 个体思维总是具有社会性的,但个体思维的社会性不等于个体思维的社会化。个体思维社会化的涵义有两个方面:1、个体思维主体不断向社会思维学习,通过自觉的艰苦的努力,使思维活动具有发散性,同社会思维保持广泛密切的联系。2、个体思维社会化是个体不断把自己的思维成果推向社会,为社会所认同,所接受,并用于认识和改造社会,成为社会思维成果的组成部分。个体思维社会化的意义在于,一方面,个体思维活动的社会化,对社会思维提出了更高的要求;另一方面,个体思维成果的提高及其社会化,又能提高整个社会思维水平,推动社会思维的发展。