动态模型的Bayes最优预测

为消除Bayes动态模型中噪声的正态性假定对模型的实用性的限制，在Bayes整体风险最小的准则下，建立了非正态Bayes动态模型状态参数向量纳向前m步Bayes最优线性预洲及其风险矩阵的循环递推方程，使正态Bayes动态模型的相关结果成为其特例。该方法可以在较大程度上拓宽Bayes动态模型及其Bayes预测的适用范围，有一定纳理论意义和实用价值。     

一种基于信任度的动态访问控制模型

基于角色的访问控制模型,是单一的基于身份信任的静态授权机制.随着信息网络化进程的深入,这种一元的静态的授权方式已无法满足一些应用系统在安全性方面的需求.在基于角色的访问控制(RBAC)模型基础上,增加了用户行为信任度集合,建立了一种基于用户行为信任评估的动态角色访问控制(TDRBAC)模型.     

一类对数凸密度下的Bayes动态模型及其处理

提出了一种新的模型一对数凸密度下的Bayes动态模型，它是对正态密度下的Bayes动态模型的推广．我们证明了该模型的先验密度和后验密度满足“共轭性”。并可实现模型的修正递推和Bayes预测。     

大学生对知识分享社区信任度的影响因素研究

分享是互联网思维一个重要行为,知识分享社区通过重建人与信息的关系实现知识的分享。用户对知识分享社区的信任度会影响用户知识分享行为的持续性和知识的共享和传播的优化,因此,对其研究具有重要的意义。文章建立了知识分享社区的信任度影响因素模型,并据此研制量表,以知乎中的大学生用户为调查对象,发现大学生对知识分享社区的初始信任与社区声誉、信任倾向和制度几个因素呈正相关;随后信任与规则、认知需求、情感需求、自我实现需求、社会交往需求和舒解压力需求几个因素呈正相关;随后信任与心理意向、行为倾向变量呈正相关。     

人工智能赋能的可信同伴互评模型构建与验证

同伴互评是培养高阶思维、提升学习绩效的重要学习策略。然而在教学实践中，同伴互评存在严重的低信任问题，即学习者对同伴的评价存在质疑或漠视，整体接受度不高。究其缘由，学习者的认知差异性是导致低信任问题的关键诱因：客观上，学习者的认知差异性导致同伴评价的不一致现象；主观上，学习者面对评价不一致现象时会产生确认偏误。人工智能赋能的可信同伴互评模型，使用可信系数标明评价的有效性，引导学习者建立正确的认同与信任，可以降低学习者的确认偏误。该模型的智能化实现过程分为4个阶段：评价及可信系数的表征、评分关系加权图构建、基于加权随机游走算法的同伴间认知水平关系挖掘、可信系数计算及评价反馈。基于该模型的教学实践表明：其能够依据评价者与被评者的相对认知水平为评价计算合理的可信系数；有助于提高学习者对同伴评价的接受度，在感知有用性、行为意愿2个维度上显著优于传统同伴互评模型；对学习者批判性思维倾向的培养具有显著的正向影响，在分析性、系统性、求知欲和思想开放性4个子维度上均有显著提升。     

Bayes动态模型的平滑

为消除Bayes动态模型中噪声的正态性假定对模型的实用性的限制，在Bayes整体风险最小的准则下，建立了非正态Bayes动态模型状态参数向量的向后m步Bayes最优线性平滑及其风险矩阵的循环递推方程，使正态Bayes动态模型的相关结果成为其特例。该方法可以在较大程度上拓宽Bayes动态模型及其Bayes平滑的适用范围，有一定的理论意义和实用价值。     

网格信任声誉评估模型研究进展

信任、声誉等基于社群的自适应性测度已成为网格环境下支撑服务质量需求的砖石.借鉴社会学、心理学和诸如P2P计算、普适计算等计算机科学中的相关研究,网格环境下的信任声誉研究主要应用在资源管理和调度中.对网格环境信任声誉评估的典型模型进行评述与比较,包括基本模型、离散模型、Bayesian模型、信念模型和模糊逻辑模型.在设计评估模型时应该考虑计算收敛能力,动态性和健壮性等多方面因素.考虑评估模型对负载的影响,设计针对网格环境特性的信任声誉评估模型是一个发展方向.     

基于信任的任务访问控制模型

本文对现有访问控制模型进行分析,根据现有访问控制模型缺乏灵活性,难以适应动态变化的需求,在任务访问控制模型(TBAC)的基础上提出了基于信任的任务访问控制模型TrustTBAC。该模型在传统的TBAC模型基础上增加了信任机制,通过直接信任和推荐信任加权计算用户的信任度,实现了任务访问控制中的动态授权。实验表明,模型具有较好的动态适应性,可以更加灵活、细粒度的动态授权访问,这种灵活的授权机制更能满足任务访问控制的实际需求。     

Ad Hoc网络节点信任度评估方案CHR模型研究

在Ad Hoc网络中,由于动态节点的灵活性,节点不断地加入和退出网络,如何对这些节点的信任度作出全面、合理的评估是完善信任管理系统的前提。在经典信任度评估方法的基础上,结合Ad Hoc网络通信的特点,提出了一种新的信任度评估模型。较传统的评估方案而言,该模型综合考虑了3种因素的影响,即节点的当前信任度影响因数,节点的历史信任度影响因数和节点的推荐信任度因数(简记CHR模型)。仿真试验表明,CHR模型能对节点的信任度进行全面、合理的评估。     

基于多粒度和激励机制的移动P2P网络动态信任模型

针对移动P2P网络高度动态性的特点,提出了一种基于多粒度和激励机制的动态信任模型。该模型选取用户关注的重要粒度参与直接信任值的计算,并根据历史交易情况引入激励机制对节点进行奖励和惩罚,通过推荐因子提高间接信任值的准确性,利用动态更新因子增加信任评估的动态适应能力。理论分析和仿真实验表明,该模型表现出较好的适应性、灵敏性与有效性,提高了交易成功率。     

一种基于信任管理技术的相关研究

本文针对目前分布式计算安全领域涉及到信任模型和信任管理技术研究中的不足,重点对信任模型的描述能力,信任关系量化的形式和影响信任关系的因素等进行研究.力求加大信任模型对信任关系的动态性、主观性和多属性建模的支持,改善信任评估的准确性和动态适应能力.     

Undergraduate students’ attitudes towards mistakes in learning and academic achievement

The objective of the present study was to better understand a relatively under-researched topic, namely, undergraduate students’ attitudes towards mistakes and how their attitudes relate to academic achievement. A series of online surveys were administered to a sample of 207 first- and second-year undergraduate students. Using structural equational modelling, a hypothesised model was proposed to evaluate the following four research questions: (1) What is the effect of students’ trust in their instructor on students’ achievement goals? (2) What is the relationship between students’ achievement goals and their attitudes towards mistakes? (3) Is students’ attitudinal behaviour towards mistakes predictive of their perception of feedback? (4) Is students’ openness to discussing mistakes (ODM) and attitudinal behaviours predictive of their academic achievement? Both direct and indirect effects were found. Direct effects indicated that students’ trust in their instructor predicted achievement goals, students’ achievement goals differentially predicted attitudes towards mistakes, students’ ODM predicted perceptions of feedback, and students’ attitudinal behaviours predicted academic achievement. Students’ trust in their instructor and achievement goals had indirect effects on students’ achievement.     

WSNs中基于节点信任度的机会路由算法

针对机会路由的候选转发集中存在恶意节点导致网络性能下降问题,提出一种计算节点信任度的评估模型。使用贝叶斯公式计算节点的直接信任度,根据节点的代数连通度得到间接信任度,利用信息熵的概念得到综合信任度。为高效辨别出候选转发集中的恶意节点,预先设定信任度阈值[β]。提出一种基于节点信任度的机会路由算法TBOR。TBOR利用信任模型初始化候选集中每个节点的综合信任度,再利用信任度阈值判断潜在的恶意节点,并将信任度大于信任度阈值的节点添加到候选转发集。实验结果表明,TBOR能高效识别并剔除候选转发集中的恶意节点,具有较高的检测率,保证了数据可靠传输。     

一种基于模拟退火粒子群的信赖域算法

针对信赖域算法求解非线性优化无法找到局部最优解的问题,提出一种基于模拟退火粒子群的信赖域算法.该算法先利用模拟退火改进粒子群的后期寻优能力,克服＂早熟收敛＂,再与信赖域算法结合,有效求解无约束化信赖域子问题。数值实验表明,新算法具有良好的全局寻优能力和收敛能力,计算精度高。     

粒计算理论与数据挖掘初探

粒计算理论是一种看待客观世界的世界观和方法论,覆盖了所有有关粒度的理论、方法、技术和工具的研究,将粒计算理论应用于数据挖掘研究已成为数据挖掘领域的一个研究热点。分析了粒的概念,介绍了粒计算的主要理论模型与方法、粒的信息化与二进制表示,并给出了粒计算理论下关联规则挖掘中求得支持度与置信度的方法。     

Typology of trust relationships: profiles of teachers’ trust in principal and their implications

This exploratory study is based on a multidimensional perspective of trust relationships proposed in the literature to classify the profiles of teachers’ trust in the principal. The main purpose of the present study was to examine the type and frequency of profiles of teachers’ trust in principal, and the implications of these profiles for teachers’ relational wellbeing and their organisational citizenship behaviours (OCB). Cluster analysis of a field survey data of 654 public primary school teachers in Israel was used to identify the profiles of teachers’ trust in the principal and the prevalence of various profiles. Analyses of variance show differences in teachers’ wellbeing and OCB as a function of trust profile. The findings and their implications are discussed.     

四种训练方式对不同认知风格大学生人际信任改善的影响研究

以195名大二学生为被试,采用问卷调查与训练实验相结合的方法,考察了训练方式、认知风格对大学生人际信任改善的影响。结果发现:(1)四种训练方式都能显著提高大学生的同伴信任水平。总体而言,最好的训练方式为电影课和团体训练,其次为心理课,效果最差的是网络学习。(2)四种训练方式都能显著提高大学生一般人际信任水平,但四种训练方式之间训练效果的差异不显著。(3)训练方式和认知风格在大学生一般人际信任上不存在交互作用,在同伴信任上存在着显著的交互作用。     

基于个体经验的信任模型研究

为了提高分布式网络中各节点信任评价的准确度,提出了一种基于个体经验的信任模型.该模型通过引入经验因子和相对经验因子的方法,建立了新的信任评价体系.这种新的信任评价体系考虑了个体节点的差异问题,在计算节点的信任值时考虑了节点间的交互历史,这在一定程度上解决了由于节点的非对称性而导致的信任评价不准确的问题.算法分析表明:新模型能够针对不同的个体节点,采用不同的最大容忍评价偏差,并且对个体节点的反馈可信度进行更新时,采用不同的更新值,体现了节点的个性化特征,使信任评价更加准确合理.此外,所提出的新算法能够运用到多种信任模型中,具有很好的可扩展性.     

论会计诚信促进机制

会计诚信是我国市场经济健康运行的基本保障，是会计行业发展的奠基石，是会计从业人员的安身立命之本。建立和完善会计诚信教育机制、会计诚信法律机制、会计诚信激励制约机制、会计诚信的评价机制和会计诚信的内控机制等在内的会计诚信促进机制，是当前我国会计诚信建设的有效手段。