超声测量数据计算物质冷压线的一种解析方法

提出了一个利用超声测量数据来计算冷压线的一种解析方法．该方法对冷能和冷压的描述先不考虑原子之间的相互作用势的具体形式，而是直接从Murnaghan、Birch—Murnaghall、Vinet等不同解析形式的等温物态方程出发，利用室温较低压力下的超声测量数据计算零压体积模量KT0及其对压力的一阶偏导数K＇T0，将其修正到0K而得到冷压线，并用静高压等温压缩数据检验各种解析物态方程模型的适用性．利用超声测量数据计算了Al、Cu、Ag3种金属的冷压线，并用DAC原位测量的300K等温压缩数据对该计算进行了比较．     

基于中点移位和过程纹理的真实感地形生成

介绍了基于中点移位法快速生成地形模型高程场的方法。给出了基于高程场的过程纹理方法生成与地形模型相匹配的纹理。采用此法生成的地形可以用在仿真系统和游戏中。分析了真实感地形生成的相关研究工作，给出了完整的基于中点移位生成地形模型的方法及完整的基于高程场的过程纹理生成方法,总结了实验结果。     

基于OODM的信息系统开发方法

OODM是当今软件界研究的一个热点.相对于传统数据模型,OODM对现实环境的描述更接近于人们的思维方式.结合OODM的特点,对某企业信息系统进行分析建模,给出了OODM的构建方法.     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

软件演化过程的度量数据采集策略研究

度量数据的采集是度量软件过程的重要环节,讨论了度量数据的采集过程中遇到的问题,以及有效数据采集应遵循的原则,并针对软件演化过程的特点及不同的应用提出了2种数据采集的策略．     

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．     

多参数通讯设定型力矩限制器的设计

为了设计适应多种型号起重机和提高现有工作精度的新型力矩限制器,采用了起重机多元参数调整,拟合计算曲线和实际工作曲线的方法,并结合通讯方式设定力矩限制器的工作参数,实现了适应不同型号起重机和不同量程范围传感器工作的新的力矩限制器系统。介绍了传感器性能选择、硬件系统框图和软件流程图。该系统已经在实际应用中取得良好的效果,工作精度提高到±4%。     

基于蓝牙技术的远程家居智能监控系统

介绍了基于蓝牙技术的远程家居智能监控系统．该系统将蓝牙通信技术与有线电话和互联网融为一体，组成家庭智能监控网．文章介绍了系统的硬件结构、软件设计和数据融合方法．     

快速挖掘最大频繁项目集的新算法

针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。     

网格中数据并行流水线的任务指派优化

为了缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排他地使用一组处理机.根据优化目的,优化过程可分成连续的两个阶段,即提高吞吐率和缩短吞吐率受限下的延迟.对不同的优化阶段,用不同的启发式算法确定一个并行系统中每个任务的处理机数.改派任一任务都会使流水线的性能发生变化,性能提高的幅度被称为任务优先级.通过重复改派优先级最高的任务,流水线的性能可迅速提高,这在仿真实验中已得到了证实.