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.     

综合集成研讨厅中的研讨信息组织模型

提出了用于支持群体研讨的信息组织模型,其目的是在以计算机为媒介的群体研讨中,使人们通过结构化的发言来提出方案并对其进行辩论,从而提高群体研讨效率和有效性,同时提供群体记忆的功能.作者认为,在任务导向的群体研讨中,每一条发言都具有一定的目的和指向性,而发言之间存在着各种性质的关系.因此,在这个群体研讨信息组织模型中,发言按其目的被分为主意、论证、疑问和资料等4类,不同的发言通过相关、支持、反对、补充和质疑等5种语义关系按其指向联系起来,这样研讨中的发言就被组织成一个动态的树结构.这个模型在作者开发的一个综合集成研讨厅的原型系统中已得到应用,实践表明它是可行的.     

综合集成过程中研讨信息记录模式的识别方法研究

运用人工神经网络理论和方法,建立研讨信息记录模式识别模型,并经"基于WEB的开放式群体决策研讨平台GASS"研究项目的实际应用,表明该方法具有较强的学习、联想和容错功能,能够根据具体的研讨活动状况定量评价信息记录模式,改进了以往仅评主观选择研讨信息记录模式的方式,从而在综合集成体系中提供更加有效的决策支持.     

节水抗旱技术集成对大豆产量及干物质积累影响研究

通过对坐水种、苗期补灌以及坡耕地垄作区田节水抗旱技术集成的研究,对大豆在节水抗旱技术集成作用下的产量、干物质积累数据进行统计分析,结果表明:技术集成节水效果明显,对土壤有良好的蓄水保墒作用,能够显著提高作物产量。图1,表3,参7。     

地理信息系统与作战仿真的集成

分析了地理信息系统和作战仿真的共性以及地理信息系统对作战仿真的作用，提出了地理信息系统与作战仿真三种集成方式即独立模式、嵌入模式和无缝集成模式，以及三种集成模式的基本框架，并分析了各种方式的优缺点。最后讨论了集成的关键技术并对二者的集成进行了展望。     

科技入户拉动奶业发展

科技是北京市奶牛业发展强有力的支撑。随着近几年国家科技部、农业部、市农委、市科委对奶牛业的高度重视，用项目拉动技术，打造奶牛科技平台。国家科技部奶业重大科技专项《北方大城市郊区奶业现代化生产技术集成与产业化示范项目》、农业部《万枚胚胎移植富民工程》，     

基于SMIL农业多媒体远程教育课件的制作

本文首先分析我国当前的农业状况,指出在农村建立远程教育的困难与必要性,提出了利用SMIL技术制作农业多媒体远程教育的课件.其次介绍本文涉及的两个关键技术.最后具体说明了利用SMIL制作农业多媒体远程教育课件的过程.     

电子商务系统与ERP的集成分析

文章分析了电子商务和ERP建设现状，剖析电子商务与ERP的关系，并提出使用XML和SOAP中间件技术把电子商务系统与ERP集成起来。     

CIMS环境下SD-PDM系统设计

根据对企业生产和需求的调研,基于现代集成制造系统应用集成平台环境,设计并建立了沈阳电机股份有限公司产品数据管理(SD PDM)系统·确定了SD PDM的功能需求,主要包括项目管理、任务管理、过程管理及产品结构和配置管理·建立了由应用层、数据库层、网络层和系统层组成的4层开放式体系结构,进行了系统的功能设计,给出了SD PDM系统的操作流程·最后分析了系统技术平台选择、编码规则设计和用户权限限制等几点关键技术·SD PDM系统已在企业投入使用,提高了企业管理水平,缩短了制造和供货周期·     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.