动态热环境人体热感觉的模糊综合评判

为研究动态热环境下人体心理反应预测,基于模糊集理论及人与周围热环境瞬时热量传递的合理分析,提出一种动态热环境中人体热感觉模糊综合评判的方法。在本质上,人体外表面同周围环境之间换热热流通量的变化决定了人体在热环境中热感觉值的变化规律。该方法选取换热热流通量变化值作为特征变量,因而降低了求解问题的复杂度。数值模拟算法采用分层递阶模块式结构、基于知识的推理系统和模糊信息并行处理,具有结构简单、易修改扩充、计算速度快和占用存储空间少等优点。将模拟结果同微气候环境室的实验数据相比较,验证了算法的有效性。     

概念设计与结构设计的信息集成技术研究

基于实例推理进行产品概念设计,基于制造知识对产品概念设计进行评价,根据评价结果提出设计修改意见,从而指导产品概念设计,获得概念设计的优化解。基于用户定义的特征进行产品特征造型和产品初步结构设计,对产品初步结构设计进行参数化处理,采用提出的双向设计方法进行参数化产品结构设计。基于所提出的信息集成协议,使概念设计获得的结果直接驱动结构设计,自动生成产品的三维装配图,初步实现了产品概念设计与结构设计的信息集成。从而解决了产品并行设计过程中的瓶颈问题,为产品设计过程的信息集成与功能集成打下了良好的基础。     

一个基于可能性理论的推理模式

在可能性理论的基础上,提出了一种新的将经典的假言推理作为它的特例的推理模式,其推理机制是借助于基于max-min合成的矩阵积来实现的.所得结果在一定程度上对不精确推理具有理论上的意义.     

一种用来保护私有信息的K-匿名模型

针对信息推理性攻击，阐述了信息泄漏问题产生的原因，分析了现有的研究技术，在此基础上提出了一种用来保护私有信息的K-匿名模型，有效地防止了信息泄漏，同时也讨论了与K-匿名模型相关的问题，并通过实例加以验证。     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

关联理论与英语阅读浅析

关联理论是Sperber和Wilson提出的认知语用理论，且被广泛应用于各个领域。阅读就是作者示意和读者推理的交际过程，在英语阅读过程中，读者凭借认知语境中的词语信息、逻辑信息和百科信息等做出语境假设，从作者以文字方式明示的信息中寻找最佳关联，从而理解作者意图，达到阅读的目的，提高阅读的效果。     

多模SCS光场中广义电场的不等幂次高次和压缩

根据量子力学中态的线性叠加原理,构造了由多模复共轭虚相干态、多模复共轭虚相干态的相反态和多模复共轭相干态的线性叠加所组成的三态叠加多模振幅-相位混合Schrdinger-Cat(即SCS)光场│Ψ3〉q。利用新近建立的多模压缩态理论,对SCS光场│Ψ3〉q中广义电场分量的不等幂次高次和压缩特性进行了详细研究。结果发现:在各模的压缩次数之和取偶数的条件下,当各模的压缩次数与对应模的初始相位之积的和、态间的初始相位差、以及各多模相干态光场的平均光子数等分别满足一定的取值条件时,此三态叠加多模SCS光场│Ψ3〉q的广义电场分量总可呈现出周期性变化的任意Nj次的广义非线性不等幂次高次和压缩效应。     

范例推理中范例自动获取的数据挖掘技术

范例推理作为基于规则推理技术的一个重要补充，已受到人工智能研究 人员的普遍关注，在范例推理中，也有许多相应的知识，它主要包括：范例库、修正知识库，索引模式，相似性判断标准等，这些知识的获取也存在一定的瓶颈问题，通过在范例推理中引入数据挖掘技术，可望部分解决其知识获取的自动化问题，提高智能系统的整体性能，本文着重讨论了在范例推理中使用数据挖掘技术的必要性，提出了二上自动获取范例库的思想与算法，并应用于一个实际的系统之中，实际结果表明，这种思路大大提高了智能系统的开发周期与系统的运行效率。     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

基于数据挖掘技术的范例库维护

在范例推理系统中,系统的学习会使范例库无限增大,会导致系统的功能不断下降。范例推理学习系统必须有范例库的维护。本文在详细讨论了范例库的维护技术的同时,提出了一个基于数据挖掘技术的维护策略,以保证系统的学习不影响系统性能。