简介:新型犯罪日趋复杂,案件审判人员对高标准技术工作的需求不断增加,这些都要求研究新的证据评价方法,从而对各种微量物证理化检测数据的证据价值进行评估。证据评估方法能够反映法庭科学家在案件审理中的作用。这意味着上述数据(证据)应当在案件诉讼中控辩双方提出了相互对立的假设H1和H2的情况下接受评估,贝叶斯模型适用于这种情况下的证据评估。本文描述了在比较和分类(其实分类也是以比较为基础)问题中使用似然比方法(LR)对被观察的理化数据进行评估的原理。LR模型允许在一次计算中将所有重要的因素都包括在内,以此实现对相关理化数据的评估。这些因素包括,被比较样本间被比对理化数据的相似性,被测理化数据在有关总体中的稀有性,以及可能的误差来源(样本之内、之间的差异性)等。作为统计工具,LR模型只能用于仅以几个变量描述的数据库,而事实上大多数理化数据都是高度多维的(比如光谱),因此,需要使用缩维手段比如图形模型或适当的化学计量工具作降维处理,本文对此举例说明。需要指出,LR模型只应作为一种支持性(非决定性!)的工具,其结果(论)要接受严格的分析判断。换言之,统计方法并不能传达绝对的真相,采用的分析技术会有各自的不确定度,各种可能的错误答案也是统计方法的构成部分。因此,应当进行灵敏度检验亦即对所用分析方法作处理验证,从而确定其表现优劣。基于此,本文采用经验交叉熵方法举例说明如何对LR模型作校验。关于来源水平的理化数据评估,这涉及到比较样品是否源自于同一物体即是否具同一性的问题。通常,办案人员(法官、检察官或警察)会对被发现的取自于身体、衣服或鞋子的微量物证(显示与对照样本类似)是否发生了转移并留存下来的活动感兴趣,这就是所�
简介:输入法软件混淆搜索结果行为作为互联网领域出现的一种新型不正当竞争行为,具有隐蔽性强、损害后果严重、维权成本高、违法成本低的特征。该行为的违法性认定可遵循公认的商业道德和'非公益必要不干扰'原则,从主体资格、客观行为、主观过错和侵害客体四个方面进行违法性认定:首先,输入法软件及搜索引擎经营者均属于反不正当竞争法意义上的适格主体,二者因存在共同的利益而具有竞争关系;其次,输入法软件混淆搜索结果的技术具有创新性但不具备中立性,不正当地获取竞争利益,损害搜索引擎经营者的合法竞争利益;再次,该行为不符合用户的使用习惯及心理预期,侵害了用户的知情权和选择权;最后,输入法软件通过'搭便车'的方式劫持搜索引擎用户流量,不仅损害了诚实经营者的合法利益、用户的合法权利,还破坏了互联网市场的正常竞争秩序。在认定该行为构成不正当竞争行为的基础上,再从民事、行政、刑事三个角度全方面探讨其法律责任,以期达到有效规制该类行为,维护互联网市场正常竞争秩序的效果。