基于XML的Web课件开发平台

分析了普通课件的不足，给出了基于XML的Web课件开发平台总体框架和模块划分，介绍了现代远程教育技术标准并给出一个XML文档实例。     

深度不确定环境下的决策分析方法—–研究现状与展望

复杂、重大的决策活动经常会面临深度不确定的决策环境,其决策难度和风险远超一般不确定环境下的决策。自21世纪以来,对深度不确定环境下决策分析方法的研究已成为决策分析领域新的重要方向之一。对此,首先梳理了该领域的研究现状,总结了深度不确定环境下决策问题的特征和难点,分类阐述了4种主要方法的起源与发展、核心思想、实现步骤和典型应用;然后进行了案例分析;最后展望了该领域未来的研究方向。     

带权重的定性贝叶斯网

定性贝叶斯网使用定性的影响标记表示变量之间的影响关系,但不能表达影响力的强弱,在推理过程中容易出现不确定的结果.研究了带权重的定性贝叶斯网,权重是一个[0,1]区间内的数值,用以表达影响力的强弱,修正了推理中的运算规则,并设计了权重标杆方便专家给出权重,保持了定性贝叶斯网络建模过程的简易性,同时提高了推理精度.     

基于贝叶斯网的决策表系统的优化分解

提出了决策表系统的基于广义决策函数(GDF)与基于贝叶斯网的分解方法是等价的;指出决策表系统的分解问题可归结为求解与决策表系统相应的多模块贝叶斯网(MSBN)及其d-割集;对同一个贝叶斯网(BN)具有不同的d-割集,存在不同的分解模式,提出并证明了MSBN的d-割集和连接联合森林(LJF)的割集之间的关系,而且LJF的割集决定着MSBN优化的d-割集,这样决策表系统分解问题也就是求解LJF的割集;最后通过案例说明提出的方法的可行性.     

融合知识和数据的贝叶斯网络构造方法

从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量时间.由于贝叶斯网络固有的因果语义,领域专家往往能够凭借自己的经验确定节点之间的因果关系.本文方法充分收集专家的意见,并利用证据理论进行综合,去除无意义的网络结构,然后利用常用的学习算法从数据中继续学习.这种融合知识和数据的贝叶斯网络构造方法利用专家知识来缩小学习算法的搜索空间,避免了盲目搜索,同时也避免了单个专家知识的主观性.实验表明该方法能够有效提高学习效率.     

区块链技术赋能卫星产业：优势、挑战与对策

作为数字货币的底层技术,区块链具有去中心化、集体维护、数据不可篡改和可追溯等特性,被认为在很多领域具有广泛的应用前景。卫星产业作为战略性新兴产业,其安全可靠、互联互通和隐私保护等需求,与区块链的核心特性天然吻合。当前区块链技术在卫星产业中的应用尚处于起步阶段,鲜有学者对区块链技术和卫星产业的集成应用进行探讨。通过系统阐述区块链技术的基本原理,对区块链技术当前在卫星产业中的研究现状进行了全面的总结。分析了区块链技术在卫星产业中最有潜力的3个应用场景,重点阐述了区块链在其中所发挥的功能和优势。提出了区块链技术应用于卫星产业需面临的挑战,并给出了解决思路,以为将来区块链技术在卫星产业中的深入应用提供参考。     

无人机编队管理的研究综述

多个无人机(UAV)组成编队执行协同探测、侦察、作战等任务的整体性能相比单个UAV会有很大程度的提高。将UAV编队执行任务的生命周期分为编队形成、编队向任务区域飞行、编队向任务区域飞行过程中动态调整队形、编队进入任务区域执行任务并动态调整队形、编队返回、编队解散6个阶段,并归结为编队集结、编队保持和编队重构3个关键技术问题。对它们的研究现状进行了分析和总结,并对未来的发展方向和研究挑战进行了展望。     

基于案例和规则推理的贝叶斯网建模

正确、高效地针对问题建立模型是应用贝叶斯网的关键,而从数据中学习贝叶斯网往往因为搜索空间庞大而效率低下.提出基于案例和规则推理的建模方法,建立领域知识库,使用框架和一阶概率逻辑表示贝叶斯网,当面对新的问题时,使用相似度和偏离度两个指标进行案例匹配,对选中的案例使用组合和剪枝技术修正,得到新问题的求解模型.整个过程以案例推理为主,并用规则推理辅助.这种方法能够复用历史案例,提高贝叶斯网建模效率.     

极限编程在PSP、TSP实施中的应用研究

在许多软件企业争相实施CMM的今天，PSP、TSP是实施中主要使用的软件过程，然而对于中小项目而言，CMM的“重”是人尽皆知的问题。敏捷开发中的主流一极限编程则是一种轻量级的软件开发方法，由于它对质量和速度并重，因此对中小项目而言是相当有诱惑力的。阐述了如何在PSP、TSP的应用过程中加入极限编程的思想，提高中小软件项目的开发速度和质量。     

基于CBR的贝叶斯网络构造

从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量的时间,所以在构造贝叶斯网络的时候,常依靠以前的经验和知识。该文将过去的贝叶斯网络决策模型保存到案例中,定义相似度和背离度两个衡量指标,在构造新模型时,用基于案例推理的方法检索最为接近的案例,从而进行模型的复用,有效地提高建模的效率。