基于XYZ/SE的软件部分正确性验证

针对软件形式化描述和正确性验证研究中存在的问题,提出了基于XYZ/SE的统一框架研究该问题。在该框架下,基于逐步求精思路对软件进行抽象;对软件整体进行形式化描述和部分正确性验证;对抽象得到的软件各部分进行形式化描述和部分正确性验证;进行调整和验证,即：如果推导结果与预期不一致,则需要重写相关程序或者回溯检查推导过程是否存在错误,直至程序部分正确性得到验证为止。以国库信息处理系统为对象,分析了基于XYZ/SE的统一框架性能。分析表明,基于该框架能够对软件的不同抽象层次进行规范描述,实现从抽象（静态语义）到具体（动态语义）的平滑过渡。同时,基于XYZ/SE的统一框架也可以表示Hoare逻辑推演规则。     

基于TCM的多分类算法研究

基于算法随机性理论提出的直推式置信机器能够给出预测的可靠性,但其多用于解决两类识别问题。扩展了置信机器,利用了正反类的思想,在识别时比较多个[P]值来确定测试样本的分类,使其很容易一次性应用于多分类识别问题。为对扩展后的模型性能进行评估,将其应用于经典的模式识别-人脸识别。实验结果表明,扩展后的置信机器具有良好的分类性能,当每类训练集样本增加到6个时,识别率已高于96%。