基于多重集值信息系统的三支决策

三支决策是一种三分而治的思想策略已经被证明是处理信息系统中不确定性的有效工具。由于多重集能够呈现更加全面完整的信息,通过将单值信息系统推广到多重集值信息系统,建立了基于多重集值信息系统的三支决策模型。首先,将基于多重集距离的相似性测度作为评价函数,建立了[0,1]多重集值信息系统上的三支决策模型。其次,指出[0,1]多重集值信息系统可以用模糊多重集代替,以此可以建立模糊多重集上的三支决策模型。最后,基于模糊多重集的交、并、以及差运算,提出了三种新的相似性测度,以弥补基于多重集距离的相似性测度在某些应用中的缺陷。     

司法智能化的价值意蕴、实现机制与限度审思

司法领域的智能化改革在政策导向和现实需求下展开,其具有提升司法效率和保障司法公正的价值意蕴。目前,在智能技术发展和应用的支撑下,智能化的案件检索机制、司法推理机制和司法监督机制等为司法智能化的实现提供可行性路径。但司法裁判所必须的价值判断与利益衡量,使其并非仅是技术性活动,因此,司法智能化有其功能发挥的必要限度,需要通过厘清智能辅助的功能定位,有限范围的功能适用和人机协作的功能预期,形成对司法智能化的限度审思。     

试论《八旗通志初集》和《钦定八旗通志》的关系

八旗制度是清朝的根本社会制度,清历朝皇帝认为它是“国家之根本”。因此,由官方先后编纂了两部重要文献,分别命名为《八旗通志初集》和《钦定八旗通志》,两部文献既有关系,又有不同。因此,笔者利用有关档案文献、历史文献及学者研究成果,明确了清朝八旗制度方面的重要文献《八旗通志初集》之“初集”称谓的来历和产生的具体时间,并在此基础上指出该称谓的产生与嘉庆年间成书的《钦定八旗通志》没有直接关系。再次,针对《钦定八旗通志》被称为是M《八旗通志初集》的续编或二编的看法,提出了两部《八旗通志》既有联系又是完全独立的两部文献的看法。     

试论茅盾的文学批评特色

从《蚀》三部曲到《子夜》,茅盾可以说是一个出色的创作者。正因为如此,人们会太过关注他的文学作品往往忽略他文学批评家的身份。茅盾的文学批评具有巨大的社会反响,他的文学批评在新文学初期和左翼时期都发挥了巨大的作用。本文将以《中国新文学大系导言集》为中心,从几个方面分析茅盾的批评特色,即内容分析、题材分析、阶级分析及对后世的影响。     

合肥都市圈旅游经济系统脆弱性研究

以合肥都市圈为研究对象,选取集对分析法和障碍度模型,评价和分析2010—2019年合肥都市圈旅游经济系统脆弱性的时空格局变化和应对能力提升的第一障碍因素。结果表明：10年间,合肥都市圈旅游经济系统脆弱性的均值呈现波动性下降态势;从空间分布来看,8个市（县）旅游经济系统脆弱性存在空间差异,但差距逐渐缩小,具体表现在地区的标准差和变异系数值整体上减少;产业结构多样化指数、第三产业占GDP比重和城镇居民可自由支配收入是制约合肥都市圈旅游经济系统应对能力提升的主要因素。     

试析《辋川集》的空景、空境和空灵

《辋川集》为王维山水诗杰作,创造了一种“辋川模式”。《辋川集》在诗歌创作上注重绘景、造境和美感的经营,追寻着蕴蓄在山水自然中的禅机与哲理。王维喜用“空”字入诗,描绘空景,有空阒的自然景致和空妙的人造景观;辋川山水,营造空境,感觉有空中之音、相中之色和光中之影;辋川山水,洋溢着空灵之美,呈现着宁静澄明的物态和纯净自然的质感。     

基于数据挖掘技术的电子作业批改机制

本文提出了一种改进的电子作业批改方法,主要适用于主观性作业的批改。算法总体分为四步,第一步是建立训练集,给出样本,由计算机自动创建作业合格的标准,属于机器学习阶段。第二步是对学生作业进行必要的预处理。第三步,对学生作业的内容进行分析,确立学生作业和标准答案的相似度。第四步,根据相似度确定学生作业的最终成绩。     

石介诗文集的编刻与流传 ——兼及《四库全书总目提要》缪误二则

宋初泰山学者石介的《徂徕集》,有多种版本行世,常见者为康熙刻本、光绪刻本、《四库全书》本以及中华书局版点校本.古籍各本著录不一,篇目文字略异,《四库全书总目》亦不无讹误.本文略述编刻源流,根据文本异同考察各本优劣,为进一步研究石介及其著作提供参考.     

基于粗集理论的新技术评价研究

本文基于专家调查法提出了新技术评价的指标体系,并且利用粗集理论对提出的指标体系进行了约简和指标客观权重的计算。在不损害新技术评价的前提下,这个方法可以减少工作量,提高了效率。更重要的是综合考虑了评价指标的主客观权重,避免了评价过程中的主观性和随机性,保证了评价的质量。     

人工智能图书采访系统的学习训练集构建与维护

学习训练集是人工智能采访系统进行深度学习训练的依据。学习训练集数据主要包括馆藏数据、用户数据及其他相关数据。这些数据以主题词数据为核心,互相建立关联,作为人工智能采访系统的学习训练素材。学习训练集数据运行要在优先级与阈值设置基础上进行。学习训练集数据维护要着重于数据的长期性与持续更新,并注意其不完整性带来的局限。