约束数据库中的函数依赖公理系统与设计理论

约束数据模型作为一种新的数据模型正受到广泛关注。为了约束数据库的应用，需要研究它的设计。为此本文对约束数据库中的函数依赖给出定义，并提出函数依赖的公理系统，证明了它的有效性和完备性；在此基础上完成了约束数据库设计的核心工作：把约束关系模式分解为3NF或BCNF的算法。     

物理学中的公理化方法

讨论了公理化方法的发展，公理系统的特点和公理系统的不完备性，公理化方法在物理学中的借鉴，及其在认识论中的地位，还讨论了公理化方法在物理学中应用的限度，及其在自然科学理论中的最基本要求。     

BICM-ID系统中的均匀重加权迭代译码算法

针对LDPC编码的BICM-ID系统,建立了正规因子图模型。从消息更新规则的角度,运用变分方法统一解释了均匀重加权置信传播算法和标准置信传播算法。将均匀重加权方法提高性能的特点与置信传播的特性相结合,推导出均匀重加权迭代译码算法,讨论了边出现概率对算法性能的影响。分别在高斯白噪声信道和不同调制方式下进行仿真实验。结果表明,提出的均匀重加权迭代译码算法性能均优于标准置信传播和差分映射置信传播等迭代译码算法。     

基于地形信息的平流层通信系统传播衰减预测

给出了一种基于地形信息的预测平流层通信系统大尺度衰落的算法，包括地形重建和传播衰减计算，及编程实现的方法，计算出了平流层空中平台到某一区域的大尺度传播衰减，并根据该算法针对地形变化对传播衰减的影响进行了仿真，结果表明，平流层通信系统的传播衰减受地形变化的影响比地面通信系统小得多，在没有平流层通信实测数据的情况下，上述预测算法对仿真通信系统性能具有重要意义。     

关于模糊集与系统的一个新的数学公理系统的研究

提出了关于模糊集与系统的一个新的数学公理系统，给出了意识场的概念，得到了模糊概念在给定的意识场中的表示，解决了隶属函数的数学严密性及统一性。     

社会网络中基于路径的社团划分方法

针对社会网络中用户信息时的传播路径，提出一种社会网络中基于路径的社团划分方法.首先，采用边介数中心性来进行社团划分，接着设计了一种基于重要路径的社团更新方法来解决初步划分社团之后的碎片问题，最后针对信息传播中用户态度发生变化的问题，提出基于PSO算法的社团动态更新方法.实验分析说明，本方案时间复杂度较小，性能也具有一定的优势.     

关于命题演算公理系统独立性证明的注记

对数理逻辑中命题逻辑公理系统独立性证明做了探讨，给出了算术解释的一种规律，并应用这种规则证明了３个命题演算公理系统的独立性。     

微惯性测量组合算法的优化

阐述了MIMU(micro—inertial measurement unit)定位定向系统原理．引入了四元数三阶泰勒展开递推式作为捷联惯导系统的姿态更新算法，并用程序进行算法仿真，为改进捷联惯导系统算法提供了参考依据。     

微机证明系统的设计与实现

在微机上用ＰＡＳＣＡＬ语言实现的命题演绎机器证明系统为背景，说明实现该证明系统的主要技术和技巧。证明了系统的算法和总体设计、公理模式和归约法则的建立、符号的处理、存储结构的选取、联结词消除以及输入输出处理等。对用微机来实现命题（谓词）证明系统提供了具有参考价值的意见。     

基于一种改进自适应模糊神经技术的PEMFC系统建模和控制

从质子交换膜燃料电池(PEMFC)实际应用的角度出发，应用自适应模糊神经网络技术对PEMFC系统进行建模与控制．在建模过程中，同时应用实验数据和专家经验对模型进行辨识，使模糊节点具有明确的物理意义和初始参数的选择更加容易．在控制过程中，将训练好的网络模型作为PEMFC控制系统的参考模型，采用自适应神经网络学习算法(ANA)在线对控制器参数进行自适应调整，采用最近邻聚类算法(NCA)对控制器的模糊规则库进行更新．在仿真实验中，将自适应模糊控制算法与PID和传统模糊算法进行比较，结果表明本算法控制性能优良．     

城市基础设施项目群集成控制系统评价与优化

为了实现系统模块的合理划分和科学评价,采用设计结构矩阵(design structure matrix,DSM)的理论和技术提出了城市基础设施项目集成控制系统模块化评价方法,包括系统功能依赖强度、数量的确定以及传递成本和聚类成本的计算等.针对该类系统的更新提出将遗传算法应用到DSM聚类算法中以寻找最优更新方案.以长春基础设施项目群集成控制系统作为典型案例,比较了更新前后两阶段系统版本的模块化程度,并提出了新一代系统的更新方案,该案例验证了DSM方法在系统模块划分、评价和方案优选方面的可行性和有效性,为同类大型集成控制系统的开发和维护提供了理论和实践参考.     

基于H指数的改进标签传播算法研究

发现复杂网络中的结构和特征是社区发现的一个重要任务.标签传播算法(LPA)因具有接近线性的时间复杂度,常用于快速处理大规模的社区网络.针对该算法在节点的更新顺序和标签选择策略上存在很大的随机性,严重破坏了算法的稳定性和社区划分结果的准确性.提出了一种基于节点H指数的标签传播算法,即利用节点的综合影响力改进标签传播算法的节点更新顺序和标签选择策略.实验研究表明,改进算法有效地降低了算法的随机性,提高了社区划分的稳定性和准确性.     

基于相似性模块度最大约束标记传播的网络社团发现算法

提出一种基于相似性模块度最大约束标记传播的快速网络社团发现算法(MLPA)。该方法采用结构相似度计算, 通过最大约束标记传播模型更新节点标记, 使社团的划分结果更加符合社团内部结构相对紧密、 社团之间结构相对稀疏的特点, 提高社团划分的精确度。结合标记传播5次循环迭代可以完成95%或者更多节点标记过程的实验结果, 判定标记更新过程趋于稳定, 从而在稳定时停止更新, 降低了运行时间。MLPA避免了传统的邻接矩阵计算方法, 适合大规模网络的社团发现。     

基于方向权值标签传播的微学习单元聚类算法

为帮助学习者从大量在线学资源中找到适合自身个性化的学习资源及顺序集合,提出一种基于有向边方向权值的标签传播算法(LPADEW)用于发现适合特定学习者并属于同一学习周期的微学习单元序列簇群。该算法对标签传播算法进行两个改进：根据单元节点的利用度确定标签的更新顺序,降低在节点更新顺序上的随机性;利用当前单元节点的前置邻居和后置邻居的有向边权累加值进行标签更新,并将标签权重引入标签更新策略,既可降低标签更新的随机性,也可避免形成巨型簇群。实验结果表明,LPADEW算法在微学习真实数据集和人工数据集中均取得了较好的结果。     

基于分组混合策略的LDPC置信传播译码算法

置信传播(BP-Based)译码算法通过对校验节点消息的简化处理,并在传递的变量信息之间引进相关性,可大大降低算法的复杂度.为了减少BP-Based算法的迭代次数和性能损失,采用分组混合策略对BP-Based算法进行改进,加快了信息更新速度,减少了错误信息从停止集传播到Tanner图中其他节点的概率.MATLAB仿真表明,在几乎不增加复杂度的情况下,改进算法可以提高译码性能.     

基于校验节点的LDPC码的消息加权均值串行译码算法

 中短长度LDPC码在采用BP算法译码时,由于短环的存在会导致某些比特LLR值出现振荡现象,从而影响了译码性能。针对这一现象,提出了一种采用消息加权均值来修正校验节点到变量节点消息传递的改进译码算法。该译码算法将上次校验节点到变量节点的消息和本次计算所得的校验节点到变量节点的消息进行加权求和后作为当前最新的消息。通过对本次计算所得的校验节点到变量节点的消息赋予比上次校验节点到变量节点消息更高的权值,从而减弱消息加权均值对正常BP消息传递的影响,有效抑制比特LLR值的振荡。仿真结果表明,与传统的串行迭代译码算法相比,改进的译码算法在计算复杂度增加极少的情况下,有效提高了中高信噪比区的译码性能。     

一种结合遗传算法的产生式规则方法

通过将遗传算法与产生式规则方法相结合,进行知识生成,同时,结合评价函数与统计分析,在很大程度上就能够实现知识与规则之间的逻辑联系的建立,就能够在一定程度上表示具有结构性的知识,并提供知识应用的实际解释。同时,通过将遗传算法与产生式规则方法相结合,还能够实现评价函数的动态更新,从而实现了知识库的自主学习与动态更新,使得系统的整体学习能力与自适应性得到提高。     

基于球面单径容积准则的多雷达分布式再入目标实时跟踪算法

针对多雷达对再入目标的实时跟踪问题,提出一种基于球面单径容积准则的分布式容积卡尔曼滤波算法。首先,利用球面单径容积准则近似计算非线性高斯权重积分,然后由统计线性误差传播方法等价表示滤波过程中的互协方差矩阵;最后通过一致性算法将单雷达容积卡尔曼滤波器所得时间更新结果与邻居雷达间进行信息交互与一致化处理,得到分布式球面单径容积卡尔曼滤波算法。该算法提高了再入弹道目标跟踪精度;无信息融合中心的通信拓扑结构降低了雷达间的通信量与计算量,提高了整个系统的生存能力。数值仿真结果验证了算法的有效性。     

基于密度峰值聚类标签传播的社区发现方法

社区发现的目标是发现复杂网络的结构、行为和组织形式。标签传播算法是一种快速有效的社区发现算法,然而在初始的标签传播算法中,节点的结构信息和特征信息没有得到充分利用,且存在标签传播过程不稳定的问题。针对上述问题,文章提出了一种基于改进的密度峰值聚类算法和标签传播算法的有向加权复杂网络社区发现算法(DPC-LPA)。该算法首先根据节点的结构和特征对其进行加权,充分利用了结构信息和特征信息;然后,采用改进的密度峰值聚类算法来寻找网络的社区中心,并据此构建初始社区,提高了社区划分的质量;其次,基于节点相似度和节点权重,合理确定标签传播的更新顺序,并通过衡量节点间标签传播的强度来完成标签传播,解决了标签传播算法不稳定的问题。最后,在CiteSeer、Cora、WebKB和SCHOLAT真实数据集上,将DPC-LPA算法与DCN、WCF-LPA、CLPE算法进行对比实验。实验结果证明了DPC-LPA算法的可行性和有效性：从模块度来看,利用DPC-LPA算法划分的社区具有更加显著的社区结构;从调整兰德系数来看,DPC-LPA算法的社区划分质量更稳定;从运行时间来看,DPC-LPA算法具有较高的效率。