基于特征约束的CAD技术研究

特征设计是当前解决ＣＡＤ／ＣＡＭ集成的重要方法之一。但目前特征的描述及特征建模的方法还不能解决ＣＡＤ／ＣＡＭ集成过程中提出的问题，这些问题包括特征库中特征类的简化、特征灵活性与变化性，设计特征映射成加工特征的困难等等。现提出一种特殊约束建模的方法，能较好地解决上述问题，并给出基于这种建模的ＣＡＤ系统的结构。     

组态相互作用中的特征波函数

通过实例说明特征组态相互作用方法（ＣＤＣＩ）的基本原理，该方法充分运用组态相互作用中的点群对称与自旋对称，从各组态相互关联中找出最小数目的线性无关组态—特征组态（ＣＤ）．ＣＤＣＩ方法简化了ＣＩ的计算过程，对于高对称点群更加显示了它的优越性．     

基于特征的回转体零件建模系统的研制

本文在分析了基于几何的ＣＡＤ系统的不足的基础上，提出了利用特征建模技术来建造计算机模型，并以所开发的ＦＢＲＰＭＳ系统为例，说明特征建模的原理和方法。该系统模块化设计，功能性强，易扩展，已成功地应用于ＣＡＤ／ＣＡＰＰ／ＣＡＭ集成领域     

不变线应变原理及其在相应晶体学研究中的应用

介绍了固态相变的晶体学特征（主要包括位向关系、惯习面、晶体生长方向以及相变应变）的形成机制，以及有关相变不变线应变的前期理论工作，着重阐述了“三维不变线应变模型”的原理、计算方法及其对相变晶体学特征的预测方法。实验研究结果表明，具有针状、棒状或板条状析出相的ＦＣＣ〈＝〉ＢＣＣ和ＨＣＰ〈＝〉ＢＣＣ析出相变的晶体学特征与不变线应变模型预测的几乎完全一致，表明不变线应变模型实际上已成为一个扩散型相变晶体     

基于特征的产品建模研究

提出了面向对象的特征及其关系的表达方法，建立特征类库；提出基于特征的产品定义模型，并开发出基于特征的ＣＡＤ原型系统，初步实现了某厂回转类零件ＣＡＤ／ＣＡＭ集成。     

CAD／CAPP集成技术中的工艺信息提取方法

本文从系统集成的角度论述了ＣＡＰＰ技术在ＣＩＭＳ中的重要性，分析了ＣＡＰＰ技术中的难点以及造成这些难点的原因。提出了用特征参数化的方法从ＣＡＤ文件中提取工艺信息的解决方案，并详细讨论了方案的技术路线。在此基础上，利用全参数化ＣＡＤ软件Ｔ－ＦＬＥＸ实现了特征的参数化，通过实例说明了从特征构造、特征参数化设计到特征信息提取的全过程，并输出了结果。     

氧化铈对负载型氧化铜催化剂的助催化作用

应用ＸＰＳ方法研究了ＣｕＯＣｅＯ２／Ａｌ２Ｏ３催化剂的表面特征，探索了ＣｅＯ２对ＣｕＯ催化剂的助催化作用．结果表明，ＣｅＯ２是较好的助催化组分，在ＣｕＯ催化剂中添加适量的ＣｅＯ２，可促进催化剂表面Ｃｕ＋含量的增加，从而有利于ＣＯ氧化催化活性的提高．     

用于位置误差处理的CMAC神经网络系统

提出一种用ＣＭＡＣ神经网络进行位置误差分析的系统，阐述了特征量提取、数据压缩的方法以及神经元网络学习和数据处理的计算机仿真，讨论了ＣＭＡＣ神经元网络的结构、系统的输出精度、学习速度及步长的关系。     

CAD／CAM集成系统中面向对象产品定义模型

分析ＣＡＤ／ＣＡＭ集成系统对产品定义模型的要求，利用面向对象的方法研究了产品设计信息、制造信息的特点及相互间关系，提出设计／制造特征（简称ＤＭ特征）的概念，建立了面向对象产品定义模型的总体结构，作为实现ＣＡＤ／ＣＡＭ信息集成的基础     

氧化铈对负载型氧化铜催化剂的助催化作用

应用ＸＰＳ方法研究了ＣｕＯ－ＣｅＯ２／Ａｌ２Ｏ３催化剂的表面特征，探索了ＣｅＯ２对ＣｕＯ催化剂的助催化作用。结果表明〈ＣｅＯ２是较好的助化组分，在ＣｕＯ催化剂中添加适量的ＣｅＯ２，可促进催化剂表面Ｃｕ＾＋含量的增加，从而有利于ＣＯ氧化催化活性的提高。     

线状要素多尺度表达的不确定性评价研究

首先确立线状要素多尺度表达的实现方式;然后紧紧围绕线状要素多尺度表达的实现流程,分析线状要素多尺度表达不确定性的来源,并利用误差传播规律建立线状要素多尺度表达误差传播规律;最后通过实验得出线状要素在尺度扩展中不确定性的变化规律.为线状要素多尺度表示的质量评价提供了理论基础.     

面向计算机集成制造的特征造型系统研究

提出了一种以综合特征面概念为核心的有效特征表示模式及其系统数据结构，开发了相应的特征造型系统，该系统显式记录特征信息其相关属性而保留实体造型的灵活性；提供二维草图和三维参数化设计功能，提供对特征的编辑操作和特征的有效维护，提供约束机制和特征变换机制。     

复杂网络上基于多维特征表示学习的推荐算法

网络表示学习可以有效解决推荐面临的数据稀疏问题.本文对网络表示学习中LINE算法和DeepWalk算法进行改进，提出混合推荐算法并应用于电影推荐场景.该算法通过学习用户喜好特征、厌恶特征和相似用户特征，生成三个低维特征向量.将三个低维特征向量线性组合拼接成用户表示向量，以余弦相似度作为相似性指标，将相似用户关联的电影推荐给目标用户，实现电影推荐.实验结果表明，所提出的推荐算法相较于次优算法，在MovieLens数据集上的准确率和F1指标分别提升12%和7%，在MovieTweetings数据集上的准确率和F1指标分别提升16%和18%.本文提出的基于多维特征表示学习的推荐算法在电影推荐类场景中，具有显著的优越性.     

基于混合范式多任务学习的图像稀疏表示

受视觉表示和多任务学习的研究结果启发，发现传统模型约束项所获得的稀疏表示或过于冗余或过于严格要求信息共享，为寻找一种折中且更加有效的特征表示方法，提出基于混合范式多任务学习的图像稀疏表示学习框架。该框架以多特征的类别信息作为先决信息对特征进行组划分。选择L2，1和L1混合范式做约束惩罚函数约束，其中L2，1范式，在特征组内提取同种特征相关共享信息，L1范式在多特征组之间去相关，选择竞争性更强的特征种类。提出的学习框架不仅实现了多特征联合，而且充分考虑了不同特征之间的互补表示能力又消除了冗余。实验结果表明，由该框架学习得到的稀疏表示不仅可以达到稀疏要求，同时也实现了较好的分 类性能，证明了混合范式算法对提取图像关键本质信息的有效性。     

双语心理词典建构与二语词义习得

共享、分布式、动态和非对称性是双语心理词典建构的基本特征,对双语心理词典本质的认识对二语词词汇、特别是词义习得和教学具有重要的指导作用。二语与一语共享共同的概念系统和语义元素的分布式表征是一语在二语词义教学中不可或缺的理据,二语心理词典的动态构建特征决定了二语词义习得策略组合应根据不同的习得阶段动态调整,二语词汇和共享语义的联结的方向性阐释了语言输出和输入具有同等重要的地位。     

基于类间损失和多视图融合的深度嵌入聚类

针对深度嵌入聚类方法仅考虑类内关系及多视图聚类存在特征表示不足等问题,提出一种基于类间损失和多视图特征融合的深度嵌入聚类方法,该方法在深度嵌入聚类的损失函数中引进一个新的正则项提高类判别性.先通过自动编码器提取多视图数据的特征表示,对不同视图的特征表示进行融合得到公共表示,基于此得到数据的软分配分布和辅助目标分布;再对公共表示和聚类分配进行联合优化得到最终的聚类结果.在多视图数据集上的实验结果表明,该方法能有效提高聚类性能.     

基于深度聚类的通信辐射源个体识别方法

针对非合作通信条件下缺少标签数据的通信辐射源个体识别问题,提出了一种基于深度聚类的通信辐射源个体识别方法。利用自编码器网络强大的特征提取和数据重构能力对原始I/Q数据进行表征学习,提取个体识别的指纹特征,同时将表征学习过程和特征聚类过程进行联合优化,使表征学习和特征聚类契合度更高,更好地完成无标签条件下的通信辐射源个体识别。通过对5种ZigBee设备采集的信号进行实验,结果表明在信噪比高于0 dB时,可以达到85%以上的识别准确率,证明了本文方法的有效性和稳定性。     

有关特征建模技术的研究

开发基于特征建模的ＣＡＤ系统是实现ＣＡＤ／ＣＡＭ一体化的根本方法,讨论了特征及其分类、特征空间及特征关系等关键技术,提出了基于特征的产品模型,并对其实现做了研究,最后建立了完整的特征模型。     

基于多方向Gabor特征图稀疏表示的鲁棒人脸识别方法

为提高对光照、表情、姿态等可变因素的鲁棒性,提出一种基于多方向Gabor特征图稀疏表示的人脸识别方法.对人脸图像进行多方向多尺度Gabor变换,然后将同一方向不同尺度的Gabor特征进行融合得到多方向特征图,再对每个方向的融合特征图提取Gist特征并赋予自适应权重,接着将所有方向特征图的自适应加权Gist特征串联构成人脸图像特征向量,最后利用稀疏表示分类方法实现人脸识别.实验结果表明,本文算法在Yale、ORL和Extended Yale B人脸数据库上的平均识别率分别达到99.8%、99.7%和100.0%.      

基于词语情感隶属度特征的情感极性分类

在模糊集合论框架下探索基于词语情感隶属度的情感极性分类特征表示方法。以TF-IDF为权重分别构建情感特征词语的正向、负向极性隶属度, 并以隶属度对数比作为分类特征值构建基于支持向量机的情感极性分类系统。在产品评论、NLPCC2014情感分类评测数据和IMDB英文影评等数据上的实验结果表明, 基于情感隶属度特征的系统优于基于布尔、频度和词向量等特征表示的系统, 验证了所提出的基于情感隶属度特征表示的有效性。