一类快速模糊支持向量机

由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。     

偏微分方程的演化建模方法

考虑抛物型方程的参数反演问题，给出了一类偏微分方程的演化建模方法，根据样条插值理论，把无穷维空间上的反问题转化成有限维空间上的反问题来近似，利用演化算法来估计参数的反演值，数值结果证明了此方法的有效性。     

演化参数反演方法

给出了一类基于演化计算的演化参数反演方法，此类方法既可以给定参数的函数类，用遗传算法（Genetic Algorithms)来反演参数的最优估计值，也可以不指定函数类形式，用遗传程序设计（Genetic Programming）的方法反演出最优的函数模型，使参数反演实现客观化、自动化、由此建立反演系统后，在使用过程中可以根据最新获得的数据对模型中的物理参数作适时校准，一旦发现预报误差较大，就利用演化算法及时修正方程中的参数以改进预报，运用该方法于椭圆边值问题的物理参数反演的数值模拟，证实了此方法的有效性，为物理模型和的反演提供了一种崭新的实用方法。     

基于扩展标准语言(XML)Web Service的实时票务系统的研究

实时票务系统一种规模较大的综合信息系统,具有数据量大、实时性高、并发用户数多等特征.提出采用Web Service技术来建立功能强大的分布式实时票务系统,将各站点的票务系统在标准化的架构下进行集成,以更好的满足客户的需求,提高企业的竞争力.     

Benard花纹的格子BGK模拟

建立了用于模拟二维Ｂｅｎａｒｄ对流现象的格子ＢＧＫ模型，该模型要求粒子撞过程不仅满足质量和动量守恒，而且满足能量守恒，结合二迭加ＦＨＰ模型和三迭加ＨＰＰ模型，确定了此模型的平衡态形式，导出了此模型对应的宏观质量，动量和能量方程，用该模型成功地模拟了二维Ｂｅｎａｒｄ花纹。     

基于蚁群算法的人车混合疏散优化及混合比例分析

为解决紧急情况下的人车混合疏散问题, 以人车混合疏散的总时间最短、混合道路利用程度最高为目标,建立了一种人车混合疏散的多目标优化模型, 针对该模型设计了多目标蚁群优化算法及其改进算法,并应用于大型体育场及其周边路网集成环境中进行了仿真实验, 分析了不同人车混合比例下的疏散性能,结果表明:该模型及算法对人车混合交通流疏散问题具有良好的效果, 尤其是当行人所占比例为 50%-80% 时,人车混合疏散效果在两个目标上较优.该模型和算法有助于为大型公共场所人车混合安全疏散预案的制定提供决策支持.     

CMMI概述

CMMI是CMU-SEI开发的一种过程改进模型,它能够覆盖不同领域,供企业进行整个组织的全面过程改进.该模型的出现是过程改进领域的一次重要变化,会对今后软件组织的过程改进工作产生巨大影响.本文主要介绍了CMMI产生的过程以及其知识域和过程域的基本概念,并对CMMI与CMM的不同点进行了比较分析,最后总结出了CMMI的一些优点.