非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

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。     

非限定手写汉字的分割研究

分析目前手写汉字分割研究的几种有效方法，在此基础之上提出了针对非限定手写汉字分割的多层投影算法。通过对经典投影方法的补充和扩展，建立算法的基本模型，编写相应的程序，应用于支票校验系统当中。实际的金融支票大写汉字识别实验结果证实所提出的算法的有效性。     

基于单调链法的凸壳三角剖分算法研究

在分析应用相关定义的基础上，该文提出了一种基于单调链法的凸壳三角剖分方法。这种算法的计算复杂度优于标准的Delaunay算法，有效性也比许多凸多边形算法要突出，是一种行之有效的快速算法。将它用于网格重新剖分处理，在矢量图形网格的简化、优化、压缩以及传输中都具有现实的应用意义。     

BFGS算法实现的一种优化计算策略

BFGS算法是解无约束优化问题的公认的最有效的算法之一。针对BFGS算法的Hesse矩阵修正保持正定的特点,利用Chlolesky分解,对于算法中矩阵修正及确定相应的搜索方向的实现作了一定的分析和探讨,并导出了相应的计算公式,使得计算量下降了一个数量级,并且尽可能地保证了修正矩阵的正定性。     

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

一个求外平面图最小反馈点集的多项式时间算法

如果从一个图中去掉某些顶点后得到的导出子图是无圈图，则所去的那些顶点组成的集合就是原图的反馈点集。本文讨论外平面图的反馈点集并给出了一个求外平面图最小反馈点集的多项式时间算法。     

多芯片组件中时钟线无时延偏差的改进四通孔(v4R)算法

由于多芯片组件(MCM)布线中所使用的四通孔(v4R)算法在时钟线网布线中不考虑其无时延偏差的特殊布线要求，会使同步功能失控。针对这一缺陷，对MCM的时钟布线提出了一种新的方法。通过引入MMM(Method of Meansand Medians)方法，使得自动布线结果中，时钟源点到各作用单元的时延相等，从而改进了v4R算法。     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

液压回路模型生成及算法

通过分析液压回路的特点，结合图论和数据库知识特点，讨论液压回路模型的自动生成方法，并在液压系统知识的基础上给出模型的算法．