动态描述逻辑的Tableau判定算法

动态描述逻辑在描述逻辑的基础上引入了动态维,用于描述和推理动态领域的知识,但目前缺少有效的判定算法作为支撑.文中以描述逻辑ALCO的动态扩展为例,构建出动态描述逻辑D-ALCO.以D-ALCO的构建过程为基础,将ALCO的Tableau算法、命题动态逻辑的Tableau算法以及对可能模型途径的处理有机地结合起来,给出了D-ALCO的Tableau判定算法,证明了算法的可终止性、可靠性和完备性.应用该算法,可以在采用开世界假设的情况下对D-ALCO中公式的可满足性进行判定.对于D-ALCQO、D-ALCQIO等具有更强描述能力的动态描述逻辑,可以对该算法扩展后得到相应的Tableau判定算法.

时态描述逻辑ALC-LTL的Tableau判定算法

时态描述逻辑ALC-LTL将描述逻辑ALC的描述能力与线性时态逻辑LTL的刻画能力结合起来,在具有较强描述能力的同时还使得可满足性问题保持在EXPTIME-完全这个级别。针对ALC-LTL缺少有效的判定算法的现状,将LTL的Tableau判定算法与描述逻辑ALC的推理机制有机地结合起来,给出了ALC-LTL的Tableau判定算法并证明了算法的可终止性、可靠性和完备性。该算法具有很好的可扩展性。当ALC-LTL中的描述逻辑从ALC改变为任何一个具有可判定性特征的描述逻辑X时,只需要对算法进行简单修改,就可以得到相应的时态描述逻辑X-LTL的Tableau判定算法。

体育学员运动姿态判定算法研究

为了实现对于学员运动姿势的标准化判定,研究基于Openpose工具的学员运动影像判定算法。对Openpose所提供的关节点位置坐标数据进行标准化处理,并将处理结果应用于人体重心矢量角特征判定、肢体夹角特征判定和人体朝向特征判定,进而实现对于学员整体姿态的判定。最后采用所提出的姿态判定算法对10种不同类型的体操动作进行判定,结果表明,该算法能够将误判率控制在10%左右,得到较为理想的判定效果。

基于改进自适应IMM算法的高速列车组合定位

针对列车高精度定位问题,该文提出基于改进自适应交互多模型(IMM)的高速列车高精度组合定位方法。首先,根据列车定位需求和各传感器特点,设计了卫星接收器、轮轴测速传感器、测速雷达以及单轴陀螺仪4种传感器的组合定位方案。然后,针对IMM融合滤波算法因先验信息不准导致固定参数设置不当的问题,引入Sage-Husa自适应滤波和转移概率矩阵(TPM)自适应更新集成为自适应IMM算法。针对多模型切换的滞后问题,利用子模型似然函数值能快速反映模型变化趋势的特点,将似然函数值设为判定标志,并引入判定窗对TPM矩阵元素进行修正,有效提升了模型的切换速度。最后,基于改进自适应IMM算法对4种传感器定位信息进行融合滤波,实现高速列车的高精度组合定位。仿真结果表明:改进后的算法相比其他自适应IMM算法提升定位精度1.6%~14.7%,并且能通过提高模型间切换速度来有效降低位置误差峰值,同时具备较好的抗噪性能。

基于决策树算法的高职奖助金精准评判研究

随着教育信息化的不断深入,如何从海量校园数据中挖掘出与奖助金判定相关的特征及判定方法值得思考。文章以学生在校成绩、消费、奖惩、贫困、证书等维度数据为基础,通过量化计算形成评定特征数据,以决策树算法ID3、C4.5和CART为依托,预测学生是否应该获得奖助金,通过对样本数据进行训练测试分析,表明决策树算法可以预测判定结果。

基于改进YOLOv5s算法的尾气黑度测量方法研究

针对传统尾气黑度测量方法精度低、环境适应性差等问题,文章提出一种基于改进YOLOv5s算法的尾气黑度测量方法。考虑到尾气形状多变、背景复杂,在现有YOLOv5s网络中添加自适应特征融合(adaptively spatial feature fusion,ASFF)和全局注意力机制(global attention mechanism,GAM),提高尾气目标的检测准确度;同时,为减少光照等环境因素对尾气目标检测的影响,基于尾气的高温特性,利用红外图像提高尾气区域检测准确度;并基于标准的林格曼黑度对被检测区域内的尾气黑度进行等级判定。实验结果表明:改进后的YOLOv5s对红外尾气目标的检测准确率高达95.3%,比现有YOLOv5s检测准确度提高了3.4%;同时还降低了光照等环境因素对尾气目标检测结果的影响,改善了算法的鲁棒性;最终尾气黑度判定精度达到0.5级,可有效满足现有移动源尾气黑度高精度检测需求。

结合模糊综合判定和改进遗传算法的二阶段物流中心选址方法

为提升物流中心选址方法的普适性和选址结果的科学性,提出一种结合模糊综合判定和改进遗传算法的二阶段物流中心选址方法。第一阶段采用模糊综合判定法考虑众多定性因素如交通运输、配套设施、自然环境等对候选物流中心进行综合评价,初步筛选出一部分优质备选中心进入下一阶段定量选择。第二阶段则以成本最小和效益最大为目标,对初筛的优质备选中心建立数学模型,采用改进遗传算法对模型进行求解得到最终的选址方案。通过算例验证,该方法相较于传统选址方法具有更高的完备性和普适性,合理化照顾到了各种因素对选址结果的影响,有效提升了选址结果的科学性和可行性。

串并有向图的判定算法及应用实例

串并有向图常作为单机排序问题研究中的约束条件,针对目前并未有一个确切算法判定任意一个有向图是否为串并有向图的问题,提出了串并有向图的判定算法H。算法H利用数学中的递归法,对有向图进行逐层递归分解,对分解结果进行分析判定该有向图是否为串并有向图。结果表明:该问题能在多项式内可解,属于组合优化中的P问题。算法H普遍适用于任意有向图,解决了串并有向图的判定问题。

模态计数逻辑ML(#)在不同框架类下的可判定性

在本文中,我们给出模态计数逻辑ML(#)在不同框架类下的可满足性的判定过程。我们使用两种方法,一种是通过修改ML(#)相对于全部克里普克框架的可满足性的判定算法,另一种是将ML(#)的可判定性归约到基本模态逻辑。我们还证明了分次模态计数逻辑GML(#)相对于全部克里普克框架的可判定性。

基于决策树算法的多级冗余电力大数据清除

由于电力数据体量在短时间内暴增,使得冗余数据占比增多,严重影响了电力数据的处理时间。为此,提出基于决策树算法的多级冗余电力大数据清除方法。通过对多级电力大数据分块处理,采用离散小波变换算法,提取其近似特征。引入决策树算法计算信息增益率,基于并行计算原理设计多级冗余电力大数据清除流程,从而实现数据清除。实验结果显示:提出方法的检测结果与实际冗余数据量保持一致,冗余数据清除吞吐率最大值为45 bps,充分证实了提出方法冗余数据清除效果更好。

从ALC到SHOQ(D):描述逻辑及其Tableau算法

描述逻辑是一类知识表示的形式系统,并成为语义Web的逻辑基础。Tableau是描述逻辑的基本证明论,基于Tableau的算法提供了描述逻辑的推理机。本文系统地阐述了对应于语义Web语言从基本的ALC到SHOQ(D)的描述逻辑基础及其相应的Tableau算法。

Tableau算法的优化及模型规约技术

为了近一步提高模态逻辑推理机的效率,提出了两种Tableau算法优化技术——冲突技术和矛盾学习技术,并结合这两种技术实现了针对模态逻辑S4的推理机S4P.在此基础上,为了从Tableau算法生成的模型图中构造一个规模较小的模型,又提出通用模型的概念,然后给出通用模型的规约技术并证明该技术对于任意依赖于公理D、T、B、4和5中部分或全部公理的正规模态逻辑的正确性.最后,使用逻辑工作台测试用例对S4P的效率进行测试,实验结果表明S4P的效率优于RACER和FACT++;同时,对S4P生成的测试用例中非有效公式的否定对应的通用模型进行规约,实验结果表明通过模型规约能明显地缩减模型的规模.

RM及其扩展可调度性判定算法性能分析

可调度性判定是实时调度算法的关键问题·单调速率算法RM(ratemonotonic)及其扩展是应用广泛的实时调度算法,大量文献讨论了实时任务在这些算法下的可调度性判定,给出了相应的判定算法·但迄今为止,对这些判定算法的性能分析都是理论上的定性分析或者只是少数几种判定算法之间的简单比较,这不利于实时系统的开发·归纳了RM及其扩展的可调度性判定算法,通过测试平台,系统地测试和分析了各算法的性能和适用场合,讨论了各种条件和实现方式对算法性能和可调度性的影响·

一个增量式判定树学习算法INDUCE

ＩＮＤＵＣＥ算法采用自顶向下判定树归纳的学习方法，不仅具有健壮性好、效率高和正确率高等优点，还具有增量学习能力，可以动态修正概念描述的不足．该算法还运用了构造性归纳的思想，在学习过程中生成新的描述子，使概念描述空间搜索的效率得到提高．运行实例表明，ＩＮＤＵＣＥ具有很好的应用前景．

一种新的一维正态云概念隶属度判定算法

云模型之间的隶属度判定是云模型在评估与决策领域推广应用的关键环节。针对该问题,以一维正态云为研究对象,提出一种基于"云图"视角分析的正态云概念隶属度判定算法。在该算法中,通过分析云模型生成图形,将"云模型之间隶属度"转换为"二维坐标下云图的相交部分"、"隶属度计算"转换为"相交部分的定量化描述",并论证提出了具体的描述变量;以"3En规则"为基础对相交部分的论域作近似处理,提出了两大描述变量的求解方法;借用向量思想,提出将X变量和Y变量合成的有效方法进而求得最终隶属度。通过实例应用,验证了该算法的可行性与有效性。

单调速率及其扩展算法的可调度性判定

任务可调度性判定是实时系统调度理论研究的核心问题.单调速率(RM)算法是实时调度的重要算法,自其提出以来已被广泛研究.然而到目前为止,尚缺乏专题性的文章来系统而深入地探讨RM及其扩展算法的可调度性判定,以及各种现实条件和实现方式(包括任务调度的时间开销和任务同步问题等)对可调度性的影响.围绕RM算法下的可调度性判定问题,由浅入深,系统性地讨论各种不同假设和实现方式对可调度性的影响,具体分为下述3大类问题:(1) 理想的RM算法下的可调度性判定的CPU利用率最小上界及可调度的充分必要条件;(2) 考虑调度时间开销情况下的可调度性判定条件;(3) 优先级反转协议及其对可调度性的影响.给出了具体实例来阐述上述问题,并从算法复杂度和可检测率两方面来比较各种算法的优劣.

一种描述逻辑SHIF的ABox一致性判定算法

为了判定SHIF的ABox一致性,提出了一种Tableau算法。该算法先通过预处理将ABox转换成标准形式,然后按照特定的完整策略将一套Tableau规则应用于ABox,直到将它扩展成完整的ABox为止。ABox与TBox一致,当且仅当算法能产生一个无冲突的完整的ABox。算法所采用的阻塞机制可以避免Tableau规则的无限次执行。为了提高算法的效率,该机制允许一个新个体被在其之前创建的任意新个体直接阻塞,而不仅仅局限于其祖先。通过对算法的可终止性、合理性和完备性进行证明,算法的正确性得以确认。

有向图的同构判定算法:出入度序列法

提出了有向图的同构判定新算法 :出入度序列法 .该算法可应用于许多可用有向图描述的模式识别等实际问题中 .

基于局域信息和能量因素的WSN关键点判定算法

针对无线传感器网络现有关键点判定方法中,判定指标比较单一,容易导致关键点判定结果不全面的问题,综合考虑节点局域信息和能量因素,提出一种新的关键点判定算法。此算法首先利用节点自身度与其邻居信息对节点局域信息进行建模,接下来结合节点剩余能量和节点失效后网络能耗的变化,建立能量因素模型,最终得到一个综合的关键点判定模型。利用Matlab仿真平台与其他算法进行对比仿真,结果表明该算法能使关键点判定更加全面,同时验证在保护由此算法判定所得关键点时,网络能够表现出强抗毁性,验证此算法的有效性。

传感器网络中基于Voronoi网格的快速覆盖判定算法

覆盖问题是传感器网络研究中的一个基础课题,判定感兴趣的区域是否被一组给定的传感器节点完全覆盖,在监控等传感器网络的许多应用领域中具有重要意义。提出了一种传感器网络中基于Voronoi网格的快速覆盖判定算法VT-RCDA(Voronoi Tessellation based Rapid Coverage Decision Algorithm)。算法首先将感兴趣的区域进行正方形网格剖分,然后采用Voronoi网格模型将复杂的区域覆盖问题转化为简单的顶点覆盖问题。理论分析与仿真实验表明,与已有算法相比,新算法具有较好的覆盖判定正确率,较低的计算复杂度,且针对具有n个节点的传感器网络,能在O(nlogn)的时间开销内快速判断出任意给定感兴趣区域能否被这n个传感器节点覆盖。