抽象解释全总域模型

抽象解释自1977年提出后,许多作者做了大量工作,将抽象解释理论应用于程序分析和验证研究等领域.本文为有关抽象解释论述构造了一个统一模型,称为抽象解释的全总域模型,目前现存的有关抽象解释文献所采取的框架都相容于全总域模型,且是等价的.在此基础上,我们还提出有关抽象解释理论需要解决的几个基本问题.模型和问题都可以作为今后抽象解释理论发展的参考基点.     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

面向商务智能应用的分布式数据挖掘系统设计

在综合分析商务智能分布式应用环境和数据存储环境基础上,提出了一种充分利用移动Agent移动特性并以Agent为主要组件来满足商务智能应用需要的分布式数据挖掘系统模型,讨论了系统中用户接口、数据挖掘组件、企业数据库系统各功能模块特点以及数据挖掘组件中各Agent功能设计.介绍了在Java编程环境下数据挖掘移动Agent和移动Agent服务器内部各组成模块结构功能.该系统具有可扩展性好、结构灵活、系统安全性强等特点,对构建基于Agent技 术的商务智能数据挖掘系统具有一定的参考价值.     

逻辑程序“与并行”计算模型的研究

本文概述了逻辑程序并行性研究的状况和逻辑程序的并行处理方式。详细分析了目前两种获得“与并行”的计算模型,指出了它们的优劣性。最后得出结论:基于编译获得“与并行”是目前最有效的途径。文中同时给出了编译模型下几种算法的实现方法。     

基于ARM7和uClinux系统的USB主机控制器的设计与实现

针对嵌入终端产品中大多不具备USB功能,提出了一种基于以ARM7处理器S3C44B0X和USB主控芯片CY7C67200为核心的可扩展设计方案,并结合uClinux操作系统给出了相应的软硬件设计方法,通过实际测试分析了该方案的性能及可行性。     

模拟人类发散思维的测度值马尔可夫理论模型

本文提出测度值马尔可夫决策过程新模型.在此模型下,agent对环境的把握用测度概念来表示,于是agent则根据测度来决定自己的最优行动以得到最优策略,因此本文也提供了测度值马尔可夫决策过程的最优策略算法.该模型是部分可观察马尔可夫决策过程的推广,它反映人类思维的一个重要特征,人们在把握全部状态可能性(即对状态空间进行权衡度量)的态势下,思考问题并选择自己的最优行动.部分可观察马尔可夫决策过程只是它的一种特例.     

基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界集合理论,它被广泛应用于不相容决策 规则提 文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法,并给上应的算法,同时 不相容规则的相容度作了分析,该方法比普通Ｈｏｕｇｈ集方法更简单、更有效、文中所给出的算法特别适用于具有重复元素且的决策表。     

动态模糊语义网及其并行执行

本文讨论了动态模糊语义网的概念及其在曙光１０００并行机上的实现问题。如何将模糊结点最优分配到并行多处理机的处理器上的问题是ＮＰ完全型的。本文提出了一种基于模拟退火思想的算法解决了模糊结点的分配问题，并在曙光１０００并行机上对结果进行了验证。     

Logistic动态粒子群优化算法的改进及分析

分析了Kennedy最新提出的高斯动态粒子群优化算法（GDPSO）的寻优模式,针对GDPSO的特点,结合粒子群优化算法的新寻优模式,提出了Logistic动态粒子群优化算法（LDPSO）;并基于LDPSO和GDP—SO的特性,设计了LDPSO算法的两种改进策略——混合优化策略和最优粒子变异策略,混合优化策略用以提高收敛速度,最优粒子变异策略用以保持群体多样性,避免算法陷入局部最优。实验结果显示了LDPSO及其改进算法的有效性。     

智能仿真支撑环境H-MAS

引入分布式人工智能中多Agent的概念，将HLA仿真技术框架和多Agent技术相结合性，提出了一种具有智能特性的H－MAS仿真支撑，在此环境下充分利用Agent所具备的驻留性、自主性，反应性，协作性和连续性等诸多特性，实现了一个通用的Agent仿真对象模型，并构造了一个由Agent控制器和KQML语言处理器组成的通信对象，用以完成Agent间的互操作，最后阐述了H－MAS系统的工作流程，实验证明，H－MAS不仅保留了HLA的全部服务功能，而且具有较强的智能化处理能力，是建模与仿较为理想的智能化实验平台。