基于U规划图与动作效果相关的规划识别研究

针对支持动作效果是多个的情况, 智能体如何根据现有的信息为该效果确定最终的支持动作的问题进行了研究, 并给出了相应的FSas算法。FSas算法分别从命题层和动作层出发, 利用被观察到的动作效果或动作以及互斥计算减小了支持动作的空间, 从而求得最终支持效果的动作, 实现了规划识别。研究结果表明, 该算法不仅解决了支持动作效果的动作是唯一的情况, 而且进一步解决了支持动作是多个的情况。同时以实例说明了该算法的执行过程, 表明该算法是合理可行的。     

两种复杂网络白适应同步策略

提出了两种复杂网络自适应同步策略,其自适应因子分别是1维和n维函数,自适应更新率依赖于相邻结点的输出和局部误差．当动力系统函数的雅可比矩阵的范数有界时,自适应同步策略局部渐近同步．利用李雅普诺夫定理分别证明了两种策略同步解局部渐近稳定性,最后,在100个结点的无标度网络上,分别给出了自适应率为1维和n．维函数时的数值仿真实例,展示了同步误差的变化趋势,也验证了具有n维自适应函数控制策略的优势．     

面向概念漂移数据流的在线集成自适应算法

概念漂移是流数据的主要特征之一,如何检测概念漂移的发生以及调整预测模型去适应概念漂移现象备受研究者的关注.目前有关概念漂移的大多数算法仅仅针对单一类型的概念漂移检测,并且需限制输入数据服从某一分布,所以在检测多种类型概念漂移时效果不理想.提出一种在线集成自适应算法（KSHPR）,在自适应随机森林（Adaptive Random Forests,ARF）算法和流随机补丁（Streaming Random Patch,SRP）算法的基础上进行优化改进,采用非参数检验与滑动窗口相结合的策略进行概念漂移检测,降低窗口平均值对算法性能的影响,并以此为基础建立四个基学习者的集成学习模型,根据基学习者预测准确率,动态分配权值,有效解决流式数据中学习模型精度低的问题.实验证明,提出的算法在真实数据集和合成数据集中均表现优良,与其他算法相比,该算法的稳定性、分类准确性与多类型概念漂移适应能力均有所提升.     

对C语言教学方法的探讨

分析了C语言传统教学方法存在的问题，提出了新的教学方法，目的是使学生较好地掌握程序设计的基本思想和方法，具备运用计算机解决实际问题的能力．     

教育网应用平台设计及核心模块的实现

基于JSP技术，提出了教育网应用平台设计的框架结构及功能模块．该平台主要有教师教学、学生学习、教学管理和动态信息发布等功能．     

计算机网络课程教学方法的研究与实践

结合多年从事计算机网络的教学实践,分析了学生学习计算机网络课程遇到的一些问题.从理论教学和实践教学两个方面,探讨了如何提高计算机网络课程教学质量的方法.并且针对实践教学环节中实验、任务驱动实验教学和社会实践提出了一些建议.