基于知识约束的空车调整优化方法研究

铁路空车调整是一个集空车O D量(调配方案)生成与车流径路分配于一体的复杂的铁路网流量分配问题。由于实际的空车调整计划将受到许多模糊或不确定因素的影响,需要凭借专家知识或经验来确定,所以如何基于知识建立空车调整问题的优化模型及算法是一个重要的研究课题。本文基于空车调配满足最小费用和路网中流量合理分布的综合评价原则,通过引入知识约束的概念,构造了一个带混合约束(数学约束+知识约束)的优化模型,并结合铁路空车调整计划的实际,采用模糊定量化指标的方法,对模型的求解提出一个应用算法。

基于知识约束的决策实体配置问题建模与求解

针对指挥控制组织设计中决策实体的配置问题,提出了在知识约束条件下该问题的数学模型及其求解方法。分析了该问题的约束条件,包括该问题的知识约束、隶属约束、能力属性约束等,建立了以最小化决策实体工作负载均方根为目标的优化模型,提出了基于遗传算法的模型求解算法,设计了针对问题模型的染色体编码方式、适应度函数以及遗传算子。最后结合联合作战仿真算例中一个任务与平台关系的设计方案,验证了所提方法的可行性和稳定性。

面向工程知识约束的专用弯管机三维布局方法

专用弯管机设计的关键在于如何依据弯曲管子布局弯管机组成部件,然而现有布局方法难以处理弯管机设计工程知识约束。笔者提出了面向工程知识约束的专用弯管机三维布局方法。由弯曲管子最终形状(预期的弯曲形状)确定管子姿态,并基于管子静态和动态布局目标约束集,逐步进行弯管机上设备布局,同时满足工程知识约束。此方法很好地满足了生产过程中布局的静态和动态不干涉的要求。最后给出应用实例验证该布局方法的有效性。

知识图谱约束深度网络的高分辨率遥感影像场景分类

得益于深度网络理论与方法的快速发展,深度网络逐渐成为遥感影像场景分类任务的主流技术。然而,现有基于深度网络的遥感影像场景分类方法高度依赖大量人工标记的训练样本,且无法有效融合利用遥感领域丰富的先验知识。为了提升领域知识利用率同时降低标记样本依赖,本文提出了一种知识图谱引导深度网络学习的高分辨率遥感影像场景分类方法。首先,构建了一个包括领域内多种来源知识的土地覆盖概念知识图谱来更灵活便捷地应用领域先验知识。然后,通过知识图谱表示学习方法将土地覆盖概念知识图谱中的遥感场景语义类别表达为语义向量,形成遥感场景类别语义基准。在知识引导学习阶段,通过施加场景类别语义向量与深度网络浅层视觉特征向量的跨模态对齐约束引导深度网络的浅层部分更有效地学习不同类别遥感影像场景的共享特征,在深度网络深层部分则仍然通过场景类别标签引导学习不同遥感场景的判别特征。在测试阶段,完成优化的深度网络模型可以在不依赖任何先验知识的情况下完成高精度遥感影像场景分类。在目前公开的最大的遥感影像场景分类数据集上的试验结果表明,本文提出的知识引导学习方法相比现有方法在10%、30%、50%等不同训练样本比率下均可以获得最佳分类性能。在10%这一比率条件下,本文提出的知识引导学习方法相比基线深度网络在总体精度指标(OA)上能够得到5.11%的提升。

反垄断政策批评:知识约束及对过程竞争的威胁

反垄断政策的有效实施必须依赖万能政府的假设,即政府具备所需相关信息。实际上,政府机构并不比具有特定时空知识的当事人拥有更为完备的信息,反垄断政策的实际效果必然受到知识约束。但更重要的问题是,政府实施反垄断政策,往往构成对过程竞争的威胁,阻挠市场发挥知识发现和利用过程之功能,窒息经济增长的源泉。

基于物理知识约束的数据驱动式湍流模型修正及槽道湍流计算验证

对湍流摩擦阻力的精准预测是学术界和工业界普遍关心的重要问题,而数据驱动式的湍流模型修正方法对此显示出较大的潜力和前景。提出了一种基于物理知识约束的数据驱动式湍流模型修正方法,根据湍流摩擦阻力分解获得先验物理知识,在S-A湍流模型的生成项中引入非均匀分布的修正因子,以修正因子为设计变量,设定包含物理知识约束的目标函数,利用离散伴随方法求解目标函数与设计变量之间的梯度关系,通过高效率的迭代求解获得修正因子的分布。以槽道湍流为例,验证了包含物理知识约束的数据驱动式建模方法的优势,并分析了物理知识约束对湍流摩擦阻力预测精度的影响,结果表明引入物理知识约束可进一步提高湍流摩擦阻力的预测精度。

基于仿真和知识的广义动态约束网络技术

针对并行协同设计中的参数不确定性,将普通的约束网络扩展为广义动态约束网络,以对设计中的不确定性信息进行管理.建立了包含领域级约束和知识级约束的广义动态约束网络模型;提出了基于仿真分析和自适应响应面法的领域级约束建模的有效方法,并提出模糊-粗糙集算法,对仿真结果进行数据挖掘,实现了知识级约束获取;基于模板技术给出了广义动态约束网络中各种约束的统一表示方法;构造了有效的约束冲突求解策略和一致性求解算法,求出一致性设计区间.最后通过设计实例验证了文中方法的有效性.

集束化策略对SICU护士身体约束知识、态度和行为的影响

身体约束是临床上常用的保护性医疗措施,其实施的原因主要是SICU护士认为身体约束是预防发生非计划性拔管和坠床,减少对治疗干预的主要对策。但这一传统医疗措施因频发严重的不良事件和对患者尊严的侵犯,正面临严峻的挑战。国际学者近年重新审度了身体约束的合理性和正确性,身体约束缩减行动的趋势已日渐明朗。

基于模糊-粗糙集算法的知识级约束建模

提出了支持复杂产品并行协同设计的广义动态约束网络(GDCN)概念和模型;然后,提出了模糊-粗糙集算法,对仿真结果进行数据挖掘,实现知识级约束获取;最后,开发了基于仿真的知识级约束获取系统,并以某型号V6发动机曲柄连杆机构设计为例,说明了方法的准确性和有效性。

知识溢出约束下中国OFDI的母国生产率效应

中国对外直接投资的生产率效应主要依赖于逆向知识溢出效应的作用,在知识溢出约束下对外直接投资渠道带给生产率提升的作用更大更显著。在生产率研究框架中以三种方案纳入知识溢出约束后,结果显示通过对外直接投资都能够促使中国实现技术进步并最终促进生产率增长,但对外直接投资的生产率效应并不是直接反映在对外直接投资的规模上,而是体现在对外直接投资渠道下知识溢出效应的作用:逆向知识溢出效应越大,生产率提升越明显,且只有到发达国家开展知识寻求型OFDI才能显著促进中国生产率提升。

基于三重约束的消费需求动态演化

本文首先提出面临问题的痛苦与境况改善的预期快乐是消费需求的起源,顾客价值是消费需求的核心。接着从知识约束、支付预算约束以及市场供给约束视角出发,探讨了消费需求的动态演化逻辑,并提出了潜在需求、初始需求以及可行需求(可供给、可支付)等消费需求三阶段演化模式。最后,提出了基于三重约束的消费需求动态演化水瓶理论模型。

基于知识点约束的遗传算法组卷策略的研究

基于遗传算法的自动组卷策略采用分段实数编码,具有自适应型的交叉和变异遗传算子,基于知识点约束的分题型的组卷算法思想,为自动组卷算法的进一步发展提供了研究方向。

基于约束知识的IP-MCMC-PF目标跟踪方法研究

针对粒子滤波算法在有干扰的目标跟踪中可能出现的粒子多样性减少和精度下降等问题,研究并实现了一种新的基于约束知识的IP-MCMC-PF目标跟踪方法。该方法首先通过约束知识提高粒子预测的准确性,并通过多链并行的IP-MCMC方法提高粒子的多样性,有效地解决粒子退化问题;在此基础上通过PN学习算法在线更新抽样粒子的抽样分布和检测器的训练样本,实现目标跟踪算法的在线学习,有效提高了复杂背景下目标跟踪的准确度和自适应性。实验结果表明,该方法在遮挡、形变、光照变化等多种干扰的情形下都具有很好的跟踪效果。

支持并行设计的约束知识管理

设计约束知识是支持并行设计知识的重要组成部分,通过设计约束知识管理与并行设计的有效集成,可以提高并行设计的效率和效果。分析了并行设计约束知识的组成,以约束网建立了设计约束知识之间的关系,支持并行设计活动中设计约束知识的使用。对设计约束知识管理相关技术进行了总结,构建了支持并行设计的约束知识管理框架,讨论了知识管理系统的主要功能,为系统的开发提供了基础。

CAD中的知识驱动研究

对三维CAD系统中的知识驱动方法进行了研究。提出在产品设计过程中 ,通过知识项的分解与转换 ,建立基于知识约束的知识建模过程。与单纯融入知识语言的KBE方法不同 ,它充分利用CAD的交互式设计环境 ,将知识以知识项和设计对象的形式融入产品模型之中。介绍了基于知识约束有向图的推理求解方法 ,在自主版权三维CAD系统InteSolid 2 .0上开发了知识驱动模块。将此方法应用于齿轮减速器的设计过程中 ,取得了良好的效果。

三维CAD系统的知识融合与驱动技术研究

通过知识约束将设计知识和参数化特征造型系统有机地联系起来,在三维CAD系统中,对工程问题和任务分解为知识项,再通过知识项到知识约束的分解,实现设计知识融合驱动的知识约束模型 最后介绍了InteSol id2

ICU护士身体约束知信行现状调查分析

近年来国际学者对身体约束密切关注[1],越来越多的研究重新审视这一实践的正确性和合理性[2]。加拿大安大略省于2006年出台“身体约束缩减行动（PRMA）”的法规,明令所有医院建立制度以“最小化身体约束[3]”。多份质性访谈结果揭示患者在身体约束期间感觉到了屈辱、孤独、被隔离和缺乏同情和关心[4]。

复杂构件结构智能优化约束表达与处理新方法

为提高复杂构件结构优化的约束处理效率,挖掘并利用优化过程中的深层次隐性约束知识,提出了一种基于文化算法双重进化思想的复杂构件结构智能优化约束表达与处理新方法。建立了层次式的约束知识表达模型,构建了以任务知识为指导的层次式智能约束处理机制,探讨了优化过程中深层次隐性约束知识的处理流程,实现了优化过程中约束知识的进化并指导了群体空间的不断进化。最后,以挖掘机动臂结构优化为例验证了所提方法的可行性与有效性。

“草根经济”中的知识产权制度失灵现象及其探究

"草根经济"是指那些从家庭小作坊起步并至今仍带有原先经济模式痕迹的传统制造企业。从我们对长三角地区传统制造业创新转轨问题的调查情况看,"草根经济"中的知识产权保护存在着一定程度的制度失灵现象。这种制度失灵既和我国知识产权保护在民间缺乏足够的道德支持有关,也和知识产权制度的保护密度不适应"草根经济"的现状有关,还和我国知识产权制度的执法强度受到行政部门、乡亲情面等外部因素的干扰有关。知识产权制度失灵已经成为阻碍"草根经济"创新转轨的一大障碍,严重影响着我国传统制造业的健康持续发展。而改善知识产权保护教育,强化知识产权保护中的道德约束力,将是克服"草根经济"中知识产权制度失灵的重要对策。

地学知识图谱引导的遥感影像语义分割

尽管深度语义分割网络有效提升了遥感影像语义分割性能,但其效果远未达到人类领域专家的目视解译水平。原因是人类视觉系统在进行遥感影像解译时,往往会综合运用视觉特征、语义信息和先验知识。然而,深度语义分割网络本质上是数据驱动的面向像素级损失反向优化的分类方法。这种基于像素级优化的深度语义分割网络,一方面受限于像素空间尺度,缺乏整体性目标线索挖掘;另一方面难以跨越结构化数据和非结构化知识之间的鸿沟,无法充分利用地学先验知识和空间语义信息。针对以上两方面的问题,本文提出了地学知识图谱引导的遥感影像深度语义分割方法,运用从地学知识图谱中抽取的地物目标语义信息和地学先验知识构建实体级连通约束和实体间共生约束,引导深度语义分割网络训练。其中,实体级连通约束以连通域实体而非像素单元计算损失,得到实体级别的特征表示,使得分割结果更具整体性,边界模糊和随机噪声现象得到抑制。实体间共生约束将共生条件概率量化的空间共生知识嵌入到数据驱动的深度语义分割网络中,实现空间语义信息和地学先验知识对实体空间分布的约束引导和自动优化。验证结果表明,在实体级连通约束和实体间共生约束的引导下,深度语义分割网络可以完成对实体级特征的学习并根据空间共生知识自动优化地物实体的空间分布,有效改善了遥感影像语义分割性能。