微机超图滚动技术研究

对超屏幕图形的连续动态移动技术进行了研究，解决了超图分割，图形数据保存，合并以及超图连续滚动等关键技术，并以苯乙烯装置乙苯脱氢反应的生产工艺流程图作为实例进行了实际应用，取得了较好的效果。     

知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

基于蚁群算法的混合优化算法在TSP中的应用

针对蚁群算法收敛慢，易陷入局部最优的问题，提出了基于蚁群算法混合优化算法。该方法将传统蚁群算法中的启发式因子α，β作为每只蚂蚁的属性，利用遗传算法对蚂蚁的种群进行自然选择，优胜劣汰，优秀蚂蚁被保留并产生后代，蚂蚁的启发式因子在求解问题的动态过程中收敛到合理的范围内。将改进的算法应用于旅行商问题，实验结果表明，利用这一方法可使解的性能有所改进，并有效地减少了计算时间。     

Cortona组件在虚拟现实系统中的应用

介绍了如何利用Cortona组件技术对VRML制作的虚拟现实场景进行动态创建与可靠控制,并引入场景模型数据库,深入探讨了利用场景空间数据进行模型参数修正、数据填充的方法;文章结合笔者研究设计的园区虚拟现实系统平台实例,详细阐述了该技术的核心实现细节。     

基于数据仓库的石化工程预算决策系统

研究了数据仓库和数据挖掘技术在石油化工行业的应用,探讨了石化建筑工程的DW预算分析系统的构架及其实现技术,提出了数据仓库的一种数学描述方法,结合先进的信息管理技术与工程管理的实际经验,利用数据挖掘算法建立了分析和优化系统的模型,提出了预算决策系统的智能解决方案。     

微型计算机在多媒体系统中实现通信的一种方法

介绍了实现微机与多个多媒体设备之间进行通信的一种方法。从硬件的角度分析了微机通过８０３１单片机和８２５５控制多媒体设备的思路方法，从软件的角度介绍了多媒体设备的通信控制的实现方法，最后介绍此方法在多媒体语言教学ＣＡＩ中的应用。     

基于RSS数据源的用户兴趣模型改进及应用

在基于RSS数据源的用户兴趣模型研究领域,已有的模型是一种由用户模型根节点、信息类别和用户兴趣子类构成的三层结构的树状用户兴趣模型。本文改进了原有模型的表示形式以及关键词权重判定函数,将关键词权值计算方法中加入日期参数,并且将用户的兴趣分为长期兴趣和短期兴趣,针对两种兴趣采用不同的更新机制。实验表明,改进模型的个性化程度更高,对用户兴趣更新更及时准确。模型应用于农业信息领域,有助于农民及时获得自己需要的个性化农业信息,对农业信息化建设具有一定的应用价值。     

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

基于MS Analysis Services的OLAP分析系统的设计与实现

文中对MS Analysis Services中的多维数据建立和访问技术进行了讨论,提出了一种OLAP分析系统的设计与实现方法,在此基础上给出了一个从OLAP数据源设计到应用程序设计的实例。     

基于极限学习的过程神经网络研究及化工应用

针对过程神经网络在化工过程建模中学习速度慢、易陷入局部极值等问题,借鉴极限学习机算法训练网络参数的思想,提出了一种新型的基于极限学习的过程神经网络(EL-PNN).ELPNN网络以过程神经网络的方式得到隐含层的输出后,不再使用梯度下降法进行参数调整,而是根据极限学习机算法通过广义逆直接求解输出权值.同时,为了进一步提高网络的泛化性能,考虑结构风险,在EL-PNN网络中加入风险比例参数.以高密度聚乙烯装置进行验证,结果表明,该网络具有学习速度快、建模精度高的特点,为过程神经网络在复杂化工生产中的应用提供了新思路.