思维障碍的排除过程及其教学指导

通过实验研究了，结果表明，排除思维障碍的过程实际上是运用认知策略调整思维对象的过程。，此过程可以分为４个阶段：意识障碍，分析障碍成因，选择策略，运用策略调整思维对象，在此研究的基础上，本文还提出了指导学生排除思维障碍的模式。     

带未知时变噪声系统的卡尔曼滤波算法研究

针对带有未知时变噪声的线性离散系统的状态估计问题，详细研究了一种基于未知时变噪声统计估值器的自适应Ｋａｌｍ ａｎ 滤波算法。仿真结果发现，初值误差值不能随着时间而衰减。通过对滤波算法的重新整理，得到总是包含特征值等于１的系统矩阵，从而证明了该算法的临界稳定性     

基于代数神经网络的分圆多项式判定及学习算法

首先对MP神经元进行推广 ,给出了一元多项式代数神经元、一元多项式代数神经网络 ,设计出一类用于一元多项式二元运算的神经元模型 ,它是单输入单输出的 3层多项式神经网络 ,给出了两种用于判定一多项式为分圆多项式的神经网络模型及学习算法 ,把判定一多项式为分圆多项式转化成线性方程组求解问题 ,通过算例说明了该方法的有效性。     

目标跟踪中的混合多模方法：综述

研究了用于多目标多传感器跟踪的混合多模方法，对目标跟踪中现有的各种IMM方法，从其产生的理论基础和适用的具体环境入手，详细阐述了这些算法的优越性和面临的各种困难，比较了主要多模算法的跟踪性能。通过一些工程应用实例的研究，表明混合多模方法在目标跟踪中具有广阔的应用前景。     

一种复前馈神经网络的新算法

提出了一种复三层前馈网络的新型学习算法。该算法采用的是分层优化方法 ,将隐层的非线性神经元线性化 ,线性化产生的误差通过罚项受到限制。分层优化使得每一层权值整体优化 ,而与另一层无关 ,这样使得整个优化过程更有效。     

D-S证据推理在信息融合应用中的存在问题及改进

在不确定性处理算法中 ,D -S证据推理方法具有较好的应用结果。阐述了D -S证据推理及其在多传感器信息融合中的应用 ,重点论述了证据理论中尚待解决的问题。针对D -S组合规则无法解决冲突证据这一情况 ,提出了引入修正因子的改进方法来体现证据子集大小。仿真结果表明 ,该方法能够将证据权重聚焦到集合中更小的子集 ,并解决了不一致证据的合成问题 ,使组合结果更加直观。最后讨论了D -S理论的进一步研究方向     

格[0，1]上max—product型Fuzzy关系方程的一种求解方法

在有限论域上给出了求解格[0，1]上max-product型Fuzzy关系方程的一种方法，该方法对凡满足解集非空的max-product型Fuzzy关系方程均能准确无误地求出其所有极小解。     

一种新的图像灰度数字水印嵌入算法

提出了一种基于Haar小波变换的图像水印嵌入算法,通过利用各层小波系数间的特点,并通过对图像水印本身的信息选择构造了适用于所提算法的伪码水印,有效地增强了算法的隐蔽性与鲁棒性,从而即使在图像质量受到严重损害时仍能提取出足够信息,辨别出原图像水印的存在.     

一种求解多目标规划的新方法

以多目标规划理论和数据拟合法为基础,把两者有机结合起来,提出了一种求解多目标规划的新方法,并给出了详细的算法过程.该方法的特点是对所研究的多目标规划问题,无须决策者提供关于所研究问题的全部信息,却又兼顾了决策者的偏好,还简化了优化准则,实现了决策者与系统的信息交流及对规划过程的参与,具有一定的灵活性和一般性.     

试题库的四维结构

该文引入一种四维结构的试题库。四维分别为考试内容、考核目标、试题题型和试题难度。在此题库的基础上能实现良好的组卷选题算法。