一种新的维吾尔文字幕关键帧提取方法

为了快速有效地提取视频中含有维吾尔文字幕的关键帧提出一种新方法.该方法首先运用多尺度Harris角点检测,结合维吾尔文字笔画特点,完成字幕关键帧的初步提取;然后利用最小二乘法拟合直线,根据两条拟合直线的角度偏离情况对初步提取的结果作去冗余处理,得到最终字幕关键帧.实验结果表明:该方法快速简单,提取结果的准确率达到93%,具有很好的适应性.     

企业流程重构的Meta-Model建模方法

本文介绍了企业流程重构的经济背景和基本概念，由于企业流程是企业流程重构的核心概念，文中引入了企业流程的定义，并对重构后的流程所具有的特点进行了深入的分析，最后本文提出了一种离散数学模型－－ｍｅｔａ－ｍｏｄｅｌ建模方法，对企业流程进行数学建模，取得了良好的效果。     

求解DRS多目标优化问题的新颖ε-支配进化算法

首先分析ORS(dominance resistant solutions)多目标优化问题的特点,证明基于Pareto-支配关系的多目标优化问题算法求解该类问题很难收敛.然后,提出一种新的基于ε-支配关系的进化算法-ε-支配进化算法(EDMOEA),给出该算法框架和详细流程.最后,将ε-支配进化算法和NSGA-Ⅱ算法应用于求解一组典型的DRS多目标优化问题和常用的多目标优化测试问题,基于算法的收敛性和Pareto最优解集分布性进行评价和比较分析,表明ε-支配进化算法的有效性.     

用遗传规划求欧拉回路

讨论了用遗传规划寻找任意欧拉图中的欧拉回路的原理，给出了解题的分级方法，群体定义方法与适合值的测试方法，并对结果进行了分析比较。     

基于项目集格及位图索引的频繁项目集发现算法

以格论及位图索引技术为基础给出了一个新的频繁项目集发现算法.1)该算法利用有向图进行一次性数据预处理,在预处理过程中将数据库预先存贮为每个结点都用一个域来记录其支持度的项目集格,从而把复杂的频繁项目集的发现问题转化为图搜索问题,提高了频繁项目集发现过程的效率.2) 支持度计算是关联规则发现中I/O及计算开销都非常大,算法引入了位图索引技术,提高了项目集支持度的计算速度.存储完整位图需要较大空间,针对该问题算法对位图进行了分块管理并对其进行了有效的编码压缩;不仅可以有效地对原始位图进行有效压缩,另外也可以在较大程度上提高支持度的计算效率.最后,对算法进行了计算实验与分析.     

基于个体协同的子图结构发现混合进化算法

将进化算法与爬山算法的混合进化算法引入图数据挖掘,以克服贪婪式查找易陷入局部极值的问题.针对子图结构发现问题中实例易丢失的特点,提出了一种新的遗传操作--个体协同算子,使得代表同一子结构的不同个体能够以协同的方式进行查找.另外,还提出了一种基于年龄段和个体生成方式的多样性保持方案,以从种群的组成和个体的生成两个方面保持和提高种群的多样性,同时还有助于个体协同算子的执行.在进化过程中随时以新生成的单边子结构替换当前种群中没有潜力的个体的机制在缩小查找空间的同时还使得进化过程成为一个更为完全的查找过程.实验结果表明,以上措施增强了算法的寻优能力,能够获得更优的解.     

目标导向的IT项目开发风险影响图模型

IT项目的复杂社会一技术系统本质决定了其建设过程的高风险特征，于是也使项目风险管理具有更高的经济杠杆作用．项目风险管理的核心在于风险辨识，风险辨识的关键离不开风险结构的恰当描述和规范的建模步骤．论文从3个方面归纳了典型IT项目风险辨识思想的突出属性，提出了理想的风险辨识框架，比较并选定了描述该框架的影响图模型，最后提出了规范的风险体系构建步骤和方法，并通过一个例子说明其在风险辨识和评估中的作用。     

模式的形式不变性及准确的模式理论

以矩阵表示为工具, 通过线性空间的线性变换对遗传算法的进化过程进行表述, 给出了交叉算子和变异算子可以进行互换的条件; 在模式空间的基础上, 推导了准确的模式进化公式. 模式、模式空间贯穿全文始终, 新模式理论的获得建立在更大的粒度(the degree of coarse graining)上.     

基础产品免费策略下新产品进入最优定价研究

针对具有正网络外部性的信息产品,在基础产品免费策略下,构建新产品与市场中已有产品的Stackelberg博弈模型.考虑网络外部性和转移成本对新产品进入策略的影响,进而研究市场先进入者和后进入者的最优定价策略,并对市场均衡结果进行分析.研究发现:在市场达到均衡时,市场先进入者可以通过降低附加产品价格来竞争市场份额;只有当网络外部性强度和转移成本都较小时,后进入者才会采取基础产品免费的进入策略;当网络外部性强度或转移成本较大时,后进入者或者不进入市场,或者进入市场但不提供免费的基础产品.     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。