国际法强制性规范的识别问题研究

1969年《维也纳条约法公约》的“姐妹条款”宣告了国际法中存在强制性规范,但此种规范的识别仍是一个未解难题。就国际法强制性规范的识别理论而言,主要存在着法律理想主义和法律实证主义的分歧,这可能导致识别结果的不可预期性和投机性。国际法强制性规范不仅是学术研究的兴趣点,也逐渐成为司法裁决的依据。在此背景下,国际法委员会将国际法强制性规范的编纂列入工作议程,并在其二读通过的结论草案中,最终为国际法强制性规范的识别确立了“累加双要素”标准。这种以“累加双要素”为基础的识别标准同样存在不足,特别是具有方法论缺陷、识别机构不明确等缺点,同时也体现了国际法的危机模式,需要予以重视。

超声波电机二阶线性时变模型的迭代学习辨识建模

为了提高超声波电机(USM)转速控制模型的精度,提出一种基于迭代学习辨识的二阶线性时变模型建模方法。针对USM的非线性与时变特性,首先基于超声波电机驱动电压的频率作为输入变量,转速作为输出变量,建立一个描述其动态行为的线性时变模型。为提高模型辨识的精度与鲁棒性,改进迭代学习辨识(ILI)算法,通过优化误差加权范数和参数变化率范数相结合的目标函数,并且设计新的学习律,利用归一化柯西滤波窗口进一步地构造学习律的权重矩阵。仿真与实验结果表明,所提的二阶线性时变模型在描述USM转速运动特性方面具有较高的精度,迭代学习辨识算法展现了优良的收敛性和鲁棒性,能够有效应对时变扰动并改进USM的运动控制性能。

基于深度子空间学习的焊缝缺陷检测方法

主成分分析网络(PCANet)是一个基于简化的卷积神经网络的深度子空间学习模型。针对PCANet算法应用于焊缝缺陷检测时无法体现数据完整结构信息、对噪声较敏感等问题,在PCANet的基础上提出一种鲁棒非贪婪双向二维PCANet(RNG-BDPCANet)焊缝缺陷在线检测方法。RNG-BDPCANet在范数距离度量标准下,利用双向二维主成分分析作卷积核,并采用非贪婪策略得到目标函数最优的整体投影矩阵,对离群值具有较强的鲁棒性。最后,在自建的焊缝人工数据集、ORL和Yale B人脸数据集上分别进行实验。结果表明,所提出的算法在分类性能方面得到显著提高,具有较强的鲁棒性能。

基于截断核范数和PM算子的稀疏面阵角度估计算法

与均匀阵列相比,稀疏阵列可以使天线阵列成本降低,减少数据处理,同时带来更大的阵列孔径提高信号解析能力,在信号处理中有着广泛的应用。但是由于其排布的不规则性,计算量较大,二维面阵合成协方差矩阵存在空洞,对角度估计的准确性造成负面影响,增强了系统对噪声的敏感度。为了克服这些问题,本文提出了一种新的角度估计方法,采用截断核范数以降低噪声的影响,并通过ℓ_(p)范数优化提升信号的稀疏表示,利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法构造子问题恢复出完整的阵列信号。随后采用子阵划分技术和基于最小二乘的传播算子模型(Propagator Method,PM)对恢复的信号处理,精确估计信号源的方位和俯仰角。仿真结果表明,所提出的角度估计算法在角度精度和时间复杂度方面具有优越性。

基于2-范数匹配的分形图像编码改进算法

为解决分形图像编码过程中编码时间过长的问题,对基于2-范数匹配的快速分形图像编码算法进行改进,通过对误差公式的推导,得出误差与图像块方差的不等式,利用该不等式剔除不匹配的码本块,减少计算量。实验结果表明,与原算法相比,改进算法在保证解码图像质量的前提下,进一步提高了编码速度。

定线制水域航行危险度评价模型及其应用

为确定定线制水域的航行危险度,确保定线制水域的通航安全,选用组合赋权法(CWM)和未确知测度理论方法,建立航行危险度等级评价和排序模型。定义评价指标未确知测度函数,确定置信度判别准则,分别用层次分析法(AHP)、变异系数法(VCM)获得评价指标的主客观权重,运用2-范数CWM融合主客观权重信息,并利用基于多元联系数的权重一致度检验方法检验权重间的一致性。应用所提出的模型判定5个船舶定线制水域危险度等级,并对其进行排序。研究结果表明:该模型可用于解决定线制水域航行危险度评价中诸多因素的不确定性问题,并可在实际工程中推广应用。

使用2-范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2-范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2-范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2-范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。

一种全变分二范数有限差分小波域超声成像测井修正算法

针对超声成像测井中由于各种不确定因素而导致测井图像中出现带状异常区域的现象,通过分析目前修复异常区域所采用的常规方法,尤其是小波域修复方法的不足,提出一种能够有效解决该类问题的全变分二范数有限差分小波域超声测井图像修正算法。首先,设计了基于图像基于相邻行相关值与绝对误差值相结合的"链条"异常区域自动识别算法,实现对异常区域的准确定位。随后针对全变分小波域图像修复过程中出现的"分片常数"效应的影响,设计了一种全变分二范数有限差分小波域修复算法来有效消除该影响。通过实际测井资料处理结果与标准测井图像进行的效果比对证明,所提算法进一步提升了针对"链条"异常区域的修复效果,为后期图像资料中该类状况的修复提供了有效的解决方案。

双参数C_0半群的一些结果

众所周知,单参数C0半群有许多良好的性质,但双参数C0半群较不完善。文中把单参数C0半群的一些性质推广到双参数C0半群,并结合范数连续性,得到了双参数半群简单范数连续的一个等价条件。

基于特征分析算法的变换域通信系统接收技术

异步条件下对变换域通信系统(TDCS)信号用特征值分解法可估计基函数序列,但由于协方差矩阵特征分解的不唯一性,造成分段得到的特征向量存在标量模糊的缺陷。通过理论分析特征值分解算法,提出了一种改进算法,将接收信号的分段周期扩大为基函数周期的2倍,通过特征值分解算法得到协方差矩阵的最大特征向量,用长度为基函数周期的窗口在最大特征向量中滑动,当窗口的二范数达到最大值时,即可得到基函数序列。通过实验仿真,改进算法能够有效克服分段向量出现部分正反号的缺陷,系统误码性能与同步条件下的系统误码性能基本一致。

“一国两制”规范创新的中国智慧

作为一个新事物,"一国两制"给予了主权规范诸多创新,但却一直没有受到国际关系学者的应有重视。规范创新依赖于具有创新精神的个体,但更是该个体适应特定国内外环境的产物,是其基于自主性目标与结构多维互动的结果。对"一国两制"深入的"结构-进程"分析表明,"一国两制"对主权规范的诸多创新虽然闪耀着邓小平个人的智慧,但更是中国政府与国内外社会展开的双向争论与规范创新的成果,是中国政府实事求是、与时俱进精神的体现。这一规范创新的伟大成功不仅彰显了中国对现代主权规范的中国智慧,而且必将为"一国两制"台湾模式的设计提供关键启示。

一种基于广义2DLDA算法在人脸识别的应用

提出一种基于广义的2DLDA算法,简称:G2DLDA.首先,由于2DLDA算法提取的特征向量矩阵S-1wSb通常不是标准正交特征向量矩阵,因此该方法会严重影响特征提取的质量.本文根据Sw矩阵是对称正定的,即:具有Sw=S1/2w×S1/2w性质,将2DLDA算法的特征向量矩阵转化成基于标准正交特征向量矩阵,即:S-1/2wSbS-1/2w.其次,G2DLDA算法与2DLDA一样不会产生小样本事件,因为方程式S-1/2wSbS-1/2wv=λv的右端为单位矩阵,是满秩的.最后,G2DLDA算法采用基于Cosine-范数度量方式进行分类,实验证明该度量方式优于其他度量方式,如:欧氏距离度量方式以及F-范数度量方式.在实验阶段,本文采用Yale、ORL和JAFFE三个数据库对该算法进行测试与分析,实验结果证明该算法具有较好的鲁棒性,同时能够获得较高的识别率.

基于L1-范数的二维线性判别分析

为了避免图像数据向量化后的维数灾难问题,以及增强对野值(outliers)及噪声的鲁棒性,该文提出一种基于L1-范数的2维线性判别分析(L1-norm-based Two-Dimensional Linear Discriminant Analysis,2DLDA-L1)降维方法。它充分利用L1-范数对野值及噪声的强鲁棒性,并且直接在图像矩阵上进行投影降维。该文还提出一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明。在多个图像数据库上的实验验证了该方法的鲁棒性与高效性。

德性与规范:道德二维及其统一

德性论伦理学和规范论伦理学对道德作了不同侧面的强调,德性论首先强调人应当成为一个什么样的人?规范论则主要强调一个人应当做什么以及应当怎样做?从道德与人的关系来说,道德本身便内在地蕴含德性之维和规范之维。道德作为德性时指涉的是道德对于人的本体性意义,即道德使人成之为人而区别于动物,并且成就、实现和完善作为人的价值和意义,主要体现为主体内在品质;道德作为规范时指涉的是道德规范可以约束人、规范人,从而维护人类社会秩序和人类整体生存,主要体现为具体的社会道德规范。道德之二维是互生互成的一体两面,过分强调其中之一维而忽视另一维都会导致对道德的片面理解。

评级膨胀、双评级规范的网络效应与美国信用评级霸权

与通货膨胀一样,评级膨胀具有持久的、螺旋上升的和影响深远的危害性。信用评级在本质上只是一个相对风险措施,典型的信用评级并不能完全反映宏观经济周期。对国家和投资者来说,信用评级所导致的风险与威胁主要来自于"信用评级膨胀"。而究其根本,评级膨胀的大规模泛滥最终得益于美国两大评级机构的双评级规范霸权,以及由美国评级机构所垄断的国际评级网络。由于存在激励促使他们逃避基于评级的监管,因此道德风险在所难免,并一定会催生评级膨胀。因此,评级膨胀只是表象和媒介,双评级规范和网络效应才是美国评级霸权的最终顶点。

稀疏盲源分离快速算法

提出一种快速的稀疏信号重构算法,通过定义一个连续可微函数近似l0范数,采用最小化l0范数的方法实现对稀疏源信号的估计。该算法的特点是实现简单,速度快。采用人工生成的信号将算法与通过l1范数最小化的快速稀疏信号重构算法和OM P算法进行了比较。最后,将该算法用于实际信号的欠定盲源分离。仿真实验表明,算法在保证信号分离性能的前提下大幅度提高了算法的运行速度。

二指标二维Lorentz空间的分析性质

将二维Lorentz空间Λ2p(w)推广到二指标二维Lorentz空间Λp2,q(w),给出了当0<r1,r2<∞,0<p,q<∞时,Λr1(u)Λq2,r2(w2),Λ2p,r1(w1)Λq2,r2(w2),Λ2p,r1(w1)Λr2(v)的充要条件,以及当0<r1,0<p,q<∞时,Λp,r1(u)Λq2,∞(w2),Λ2p,r1(w1)Λ2q,∞(w2),Λ2p,r1(w1)Λq,∞(v)的充要条件,研究了二指标二维Lorentz空间和混合Lorentz空间的嵌入关系,并且给出了‖.‖Λ2p,q(w)是拟范数的充要条件等结论.

二阶环形间隔分类器

采用二阶损失函数,提出了一种二阶环形间隔分类器,它运用超球面将两类训练样本隔开,同时最大化两类间隔.实验结果表明,不管是对平衡问题还是不平衡问题,所提出的二阶环形间隔分类方法都获得了比较好的分类效果.

基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.

基于两步加权L_1范数约束的高分辨率波达方向和功率估计

该文提出一种基于两步加权1L范数约束的波达方向(DOA)和功率联合估计新算法。该算法首先对阵列协方差矩阵元素进行求和平均运算获得统计性能更优的向量观测模型,进而在相应的过完备基下获得观测模型的稀疏表示。利用MUSIC谱函数和初始估计结果作为权值构建两步加权1L范数约束稀疏重构方法,重构获得多信源的DOA和功率估计。通过2c分布函数选择了合理的正则化参数。计算机仿真结果显示,与同类其它方法相比,该文所提算法具有更高的分辨率和估计精度。