含复铰平面十杆运动链构件交叉的识别

提出了识别含复铰平面十杆运动链构件交叉的一种新方法，利用能够反映多副杆和复铰特点的构件邻接矩阵。构造运动链的缩减运动链，进而得到缩减运动链的广度优先生成树和三个基本回路。通过回路的公共边界判断网孔的接壤类型，据此建立了构件交叉的识别准则和方法，并在含复铰平面十杆单自由度运动链中成功地识别出有构件交叉的无复铰运动链11种、含复铰运动链341种。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

柊树品种分类研究

对柊树的观赏品种进行了系统整理,编制了品种分类检索表,并根据国际栽培植物命名法规,对品种名称进行了考证,记载品种12个。     

GLAV集成方法中的模式匹配研究

GLAV是一种新的集成方法,它能为信息集成系统的映射关系提供更具表现力的方式.映射表示源模式与全局模式之间的对应关系,主要研究了GLAV集成方法中产生映射规则的模式匹配方法.首先将SUDAI模型转换为模式树,然后基于树进行匹配.匹配包含语言学和结构匹配两个基本阶段,语言学匹配结合了术语关系和约束进行计算,结构匹配结合了类属性和上下文节点两个方面,并成功解决了模式规模差异带来的负面影响.计算的结果可以判断两个信息类是否是一个映射候选,经过验证后可确定它是否是一个合理的映射.最后定义了一个基本DTD来描述匹配的最终结果.     

多维多层次挖掘关联规则在商品房交易中的应用

讨论了一种在关系数据库中挖掘关联规则的方法．该方法利用关系数据库的特点．有机地组织概念层次树技术、关联规则挖掘技术进行多维多层次挖掘关联规则．挖掘满足要求的多维关联规则、多层次关联规则、交叉层次关联规则。     

草鱼MHC classⅠ等位基因克隆及其多态性分析

为了阐明草鱼MHC class Ⅰ等位基因的结构与多态性,进一步研究其与疾病的关系,从草鱼cDNA文库中克隆了MHC class Ⅰ基因(Ctid-MHC Ⅰ);并通过对12个个体Ctid-MHC Ⅰ的克隆,分析了其等位基因的多态性与三级结构.结果显示Ctid-MHC Ⅰ等位基因在α1与α2区域变异幅度大,可分为6类(Ctid-MHC Ⅰ-UA～-UF),9型(A～I);但是其三级结构和抗原多肽结合的关键性氨基酸十分保守.结果阐明了草鱼MHC class Ⅰ分子在8个区域(A-H)置换率高,存在插入或缺失以及长度变异,使等位基因呈现高度多态性.动物MHC class Ⅰ分子系统树也提示了我国大陆架上鱼类、两栖类、鸟类、哺乳动物和人的遗传距离与分枝年代.     

蚂蚁算法建立度限制树在聚类中的应用

针对聚类算法解决大规模数据时间复杂度和空间复杂度都很大的问题，给出了应用蚂蚁算法建立度限制树．同时结合密度思想来解决这一问题的算法．经过数据的测试和验证，得到了较好的结果和一系列有意义的结论．     

教学型高校提高科研能力的SD模型与实证分析

以某教学型高校为研究案例，建立了教学型高校教学科研工作的流率基本入树SD模型，对该模型进行了系统反馈基模分析和不同管理策略的仿真分析。结果表明，对教学型高校科研目标的实现，引进研究生学历教师是一项重要措施，但还必须重视其他学历教师科研能力的提高、加大对科研的资金投入、完善激励机制等，只有全方位行动，才能有效提高学校的科研能力，实现持续发展。     

基于FP-tree和支持度数组的最大频繁项集挖掘算法

提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。