基于Aglets的MAS信用研究的实验平台设计

在Aglets平台上开发出一个主要用于MAS系统信用机制研充的可视化实验平台，用户在该平台上能够方便快捷地配置出一个多Agent系统．该系统不但具有Agent与Agent，Agent实体与平台的通信，Agent与用户的交互，Agent在内外网的移动等基本功能，而且可以在Agent之间建立信用关系，可以存储记录和直观的显示交互的历史厦信用信息．该系统还是一个开放的系统，用户可以方便的在该系统中加入自己的安全构架，信用策略和信用相关算法，以方便快速测试新的MAS信用模型．     

海洋浮游植物自动分析和识别技术

浮游植物是海洋生态系统的初级生产者．对其种类的分类鉴定和定量分析是海洋科学研究和应用的基础性工作．传统的分析方法主要采用显微镜下的人工鉴定和定量计数．为了适应海洋科学和环境监测中的快速检测的需要，解决目前显微镜人工鉴定中存在的专业水平要求高、分类人员断层、耗时等问题，至今已有不少学者对各种浮游植物自动分析和识别方法进行了研究．包括基于藻细胞形态的与计算机技术相结合的图像法，基于藻类色素组成的吸光光度法、荧光分光光度法和高压液相色谱法．基于藻细胞大小、色素组成、DNA等的流式细胞仪法，基于细胞基因系列的分子探针法等．本文对这些方法的原理、发展动态、优缺点等进行了综述．认为基于藻细胞形态的浮游植物显微图像自动识别技术，由于其综合了现代仪器自动分析和传统显微分类方法的优点，是浮游植物自动识别的一种理想和实用的方法，将有很好的应用前景．     

蟹类的营养需求研究及其配合饲料研制

概述了中华绒螯蟹（Eriocheir sinensis）、青蟹（Sclla sp）和三疣梭子蟹（Portunus trituberculatu）等几种主要养殖蟹类的营养需求研究及其配合饲料研制的进展．主要包括蟹类的蛋白质、氨基酸、脂类、脂肪酸、磷脂、胆固醇、碳水化合物、维生隶、矿物质等营养需求研究及其配合饲料研制成果．最后。对今后开展蟹类营养需求研究以及系列配合饲料研制提出了若干建议．     

厦门海域氮、磷的主要来源分析及其控制措施

基于近年来的监测结果，本文从厦门海域氮、磷含量水平的年际变化趋势入手，结合无机氮、活性磷的平面分布特征，对厦门海域氮、磷的主要来源进行较详细的分析．结果表明，从19％年至2003年厦门海域中无机氮和活性磷含量水平均呈上升趋势，并且农村（农业）非点源的输入是其主要来源之一．在此基础上，着重就农村（农业）非点源污染控制的技术措施和相应的管理对策进行论述．     

基于模糊综合评判的电子战效能评估

电子战系统是一个庞大复杂的系统，其效能是一个综合指标，包含多种技术因素和不确定性，对系统的评估也是一项复杂的工作，涉及许多难以量化的模糊因素．为了评估电子战系统作战效能，本文首先给出了效能评估的指标体系，然后提出了基于模糊综合评判的电子战效能模型，最后通过对参数由专家和军事指挥员提供的案例的研究，论证了模型和方法的可行性和有效性．     

论英汉文学翻译中的模糊化与具体化

由于英汉思维、文化及表达方式上的差异,在英汉翻译时常常需要在“具体”和“模糊”或“实”与“虚”之间作必要的转换。有些在英语中十分具体的词句在汉译时需作模糊化的处理,化实为虚;反之,有些在英语原文中较为模糊或笼统的表达在汉译时又需作具体化的处理,变抽象为具体。     

新型低功耗320×288 IR ROIC 中列读出级的设计

介绍了320×288红外(IR)读出电路(ROIC)中列读出级的低功耗设计。采用新型的主从两级放大的列读出结构和输出总线分割技术相结合。其中主放大器完成电荷到电压的转换,从放大器完成对输出总线的驱动来满足一定的读出速度,总线分割是把320列分组来减少输出总线上的负载电容。通过spice的仿真可以发现,与传统的列读出级相比,这种新型结构的功耗由原来的47mW降到了现在的6.74mW,节省了80%以上的功耗。     

快速Delaunay逐点插入网格生成算法

对插入形心的Delaunay逐点插入算法,提出按单元可插度分组的双向链表组数据结构,避免了对最大可插度单元的搜索。采用了邻接单元搜索、双向链表存储、随机方向搜索、邻接旋转、几何量继承等技术,使算法的计算时间与生成单元数近似呈线性关系,时间复杂度达到O(N1.05),N为生成单元数。算例表明,在一台AMD Athlon3200 (主频2.0GHz)PC上,该算法的四面体单元生成速度达每秒50000个以上。     

弱信号检测的差动滤波法

对信噪比极低的信号的检测,有很高的应用价值.提出了一种新的滤波算法,与现行的各种算法相比,这种算法可以大规模地提高检测的灵敏度.在仿真中成功地检测出信噪比为-1000dB的信号.     

一种基于FP-tree的最大频繁项目集挖掘算法

挖掘最大频繁项目集是许多数据挖掘中的关键问题．为克服早期基于Apriori的最大频繁项目集算法中的缺点,相继有多种挖掘最大频繁项目集方法被提出．其中对基于FP-tree的最大频繁项目集挖掘算法比较多,但对FP-tree中的结点的频度计数关注的很少．通过对FP-tree结构进行了仔细分析后,在FP-tree中结点的频度计数和集合理论的基础上,提出了一种新的最大频繁项目集挖掘算法USDMFIA(using set to discover maximum frequent itemsets algorithm)．通过分析比较,显示此算法是有效的．