LCS在多步学习问题中的规则集压缩算法

为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适应值较高的分类元的个体数目;b.进行冲突消解,消除规则集里相互重叠、相互冲突的分类元;c.对产生的无重叠无冲突的规则集,进行大幅度压缩处理,得出最终的精简规则集.实验结果表明:所提算法能够在几乎不降低系统整体性能的前提下,将规则集极大地约简和压缩,从而产生足够小的规则集,使LCSs的知识表示的冗余度减少,凸显了规则集的易解释、易操作等特性;提高了LCSs在多步学习问题中的应用效果,拓展了其应用范围.     

模糊缺省推理的理论和方法研究

在一种含有补余律的模糊抽象代数系统（即ＦｕｚｚｙＢｏｏｌｅ代数）上，利用模糊逻辑公式与布尔函数的相互转换性，构造了具有模糊非单调推理能力的推理机制；从可应用性出发对模糊缺省规则进行了深入的讨论。该推理机制不仅增加了在量的描述方面的知识表达能力，而且在一定程度上解决了扩张存在性问题，提高了推理的效率。     

H2CO分子高温配分函数的理论研究

在20-6 000 K温度范围内,计算了非对称陀螺分子H2CO的总配分函数,其中,转动配分函数采用WATSON的刚性转子模型,振动配分函数采用谐振子近似.20-6 000 K的温度范围被划分为5个区间段,计算的配分函数在这5个温度区间分别被拟合到一个温度T的四阶多项式,从而在每个区间均得到5个拟合系数.由这些拟合系数就可以快速、准确的获得分子在所研究温度范围内任意温度的总配分函数.     

同步12导联ECG信号的Lyapunov指数谱

采用分布式多传感器（电极）研究了同步12导联常规心电信号（electrocardiogram,ECG)的Lyapunov指数谱（Lyapunov spectrum)，研究结果表明，不论健康人还是具有窦性节律的冠心病人（coronary artery disease,CAD)，从不同位置提取的心电信号得出的Lyapunov指数并非一个常数，而具有分布特性，所有导联的ECG信号的最大Lyapunov指数L1均为正数，其余指数为负，心电信号表现出明显的混沌特征，同一导联相比较，冠心病人的L1低于健康正常人的L1，L1可以将冠心病人与健康正常人区分开来，在心脏疾病诊断中具有潜在的应用价值。     

小型化体外冲击波碎石机

本文介绍了一种新型的使用B型超声波检测仪定位的小型化体外冲击波碎石机。利用该机成功地进行了正规的动物实验,对184例泌尿系结石病人进行了治疗,成功率为97％,它可与大型碎石机相媲美,并且该机成本低,操作方便,受到了医生和病人的欢迎。     

创造性思维的非线性动力学原理

基于认知心理学和神经生理学已有的研究成果并加以推广，从非线性动力学，特别是混沌动力学的角度，论述了创造性思维的深层过程和特征．对所提出的“创造性思维中可能性构成空间理论”模型给出了符合淮地动力学原理的论述．在此基础之上提出了一种“创造性思维过程是复杂的混饨动力学系统的演化过程”的新的学术观点．从而为创造性思维和人工智能的研究提供了一条新的研究思路．     

选择与创造性思维中的选择

本文阐述了人类选择行为的基本特点以及相关理论,分析了人类创造性思维过程中选择的特点,在此基础上,根据我们提出的创造思维过程中的可能性构造空间理论（ＰＣＳＴ）,对科学发现和发现的创造性思维过程中的选择行为作了深入的分析,提出了ＰＣＳＴ中选择的模型和选择算子集的基本概念。ＰＣＳＴ的提出为解决机器智能中机器创造的问题提供了一个途径,而选择模型的确定可以解决机器创造过程中中由发散,收敛到结果的选择问题。     

不同思维模式下的脑电奇异谱分析

人脑是极为复杂的系统,脑电(EEG)是脑内大量神经元电活动合作与竞争的综合反映,由局部和非局部频率分量构成,这些局部分量与特殊的内在神经网络状态紧密相关,在宏观上反映了脑的机能状态.脑电信号的非线性分析是近年出现的一种脑电分析方法,它反映了大脑处理信息活动的有序程度,为研究大脑高级认知活动提供了新的思路.越来越多的研究表明,传统的非线性动力学方法采用单一的参数不能充份描述脑电信号的复杂行为,多重分形用一个谱函数从不同层次描述了分形体的整体生长特征,采用多重分形方法描述系统的非线性动力学行为能够得到更多的信息.本文对不同思维模式下脑电的多重分形特性进行分析,发现EEG的奇异谱在不同的思维状态下具有差异.进一步对这种差异进行统计分析表明大脑思维的EEG多重分形特性受到人脑的思维方式的影响,EEG多重分形奇异谱强度分布反映了大脑思维模式的差异.     

结构光测量中的定标

分析了ＤＬＴ定标模型的原理和方法，根据所涉及的应用场合和界定的条件，对ＤＬＴ模型进行了简化，由此只需进行二维测量和计算，就能准确有效地完成三维定标．对定标误差进行了理论分析和实验，提出了误差纠正模型及其相应算法，保证了系统的扫描精度．实验表明：提出的定标算法达到像素级精度．     

基于类拐点特征向量的多层次指纹分类新方法

自动指纹识别技术是利用人类指纹的唯一性,通过对指纹图像的采集、细节特征提取并与样本库数据相比较的过程来实现指纹识别的技术.首次定义并成功提取了一种反映指纹方向场变化特点和规律的新特征向量,即类拐点特征向量.利用这一新的特征向量和从类拐点中抽取出来的指纹核心点为分类特征,以多层次树结构为分类策略,使不同类型的指纹在不同层次、不同特征空间都线性可分,从而分别获得最大的类间距离而最小的类内方差.在高维数比率样本测试条件下,分类的准确率达到99%以上,并且对低质量指纹图像具有良好的鲁棒性,从而真正实现了准确一致而又精细的指纹实时分类,具有很强的实用性和一定的推广价值.