利用概念-权向量组匹配算法的Ontology搜索精化

提出了概念-权向量组匹配算法。该算法对输入信息和待评估Ontology进行语义分析,生成对应的概念-权向量组,利用概念-权向量组的匹配结果生成作为过滤和排序依据的结果向量。并利用该算法开发了Ontology搜索引擎——WI OntoSearch。

两阶段模型中基于白化权函数聚核权向量组的构建

在灰色聚类评估中,按照最大值准则我们认定聚类对象分量最高的为所属类别.当聚类系数各向量均衡取值难以分辨或最大分量的值与其它分量的值区分度很低,根据聚类系数向量最大分量判定决策对象所属类别与对聚类系数向量整体评估所得结果可能会产生矛盾.因此,以区间重合度构建了基于白化权函数的中心点和转折点的聚核权向量组和聚核加权决策系数向量用于求解灰色两阶段模型.最后,以学科评估为例说明两阶段模型中如何构建聚核权向量组和聚核加权决策系数向量,并以此证明有效性和实用性.

鉴权与密钥协商过程在LTE系统中的改进

提出一种改进的LTE鉴权与密钥协商方案,通过在移动性管理实体MME(Mobility Management Entity)中增加鉴权参数的计算,在MME与归属地用户服务器HSS(Home Subscriber Server)/鉴权中心AuC(Authentication Center)产生鉴权向量组。Matlab仿真分析表明,改进的鉴权过程能更好地满足LTE安全性要求,仿真结果显示,用户密度越大,越能减轻HSS的传输负载。该方案已应用于TD-LTE无线综合测试仪表的开发中。

“最大值准则”决策悖论及其求解模型

按照最大值决策准则,当相应决策系数向量各分量的值区分度较高时人们易于对决策对象所属类别做出判断.而真正有价值的问题是决策系数向量若干个分量的值区分度不高的情形.本文针对灰色聚类系数向量之最大分量取值与其它分量的值区分度很低,且按照“最大值准则”做出的决策与对决策系数向量进行整体评估所得的结论冲突,即“最大值准则”决策悖论发生的情形,提出了对聚类系数向量各分量取值信息进行综合集成的聚核权向量组和聚核加权决策系数向量;并据此构建了两难决策问题求解模型,给出了3种实用的聚核权向量组.破解了“最大值准则”决策悖论.最后以英国高等学校科学研究卓越框架（research excellence framework,简称REF）为例说明“最大值准则”决策悖论求解模型的实际应用.