成组技术中面向对象的参数化模型

针对传统成组技术中的编码系统难以使用、编码不够精确和重用困难等问题,提出在成组技术中构造面向对象的参数化模型．该模型用类来描述零件簇,构成零件类的结构层次,生成零件描述的框架;用参数化方法从零件类实例化生成对象,以对象来表示具体的零件;查询时,以零件的特征和零件的具体参数来驱动,加速搜索的过程,并使结果更加精确;找到相同或相近零件对象后,在某个类层次上重用以前的设计．该模型的提出为成组技术的应用提供了新的途径．     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

基于任务的产品工艺设计过程管理

在分析产品工艺设计流程现状的基础上,研究了现有ＣＡＰＰ系统中工艺过程设计和过程管理,提出了任务驱动型的ＣＡＰＰ思想．认为工艺设计的过程本质上是对任务完成过程的集合,通过对任务的生成、监控、设计、提交、签审、发放,正好控制工艺设计的流程,并在ＣＡＰＰ系统开发中进行了成功的尝试,为工艺设计的管理提供了一种可行的方法．     

一种应用神经网络的实时语音增强方法

提出了一种用神经网络模型和信号子空间特征分解相结合进行语音增强的方法,该方法利用了神经网络并行处理、高速计算的能力和语音信号的短时平稳的特性．它既克服了传统的谱相减法中残留“音乐噪声”的缺陷,又可以实时、有效地增强语音,能够满足一些语音处理与识别系统的需要．     

（H,G）—变换和拟正则半群

研究一般的（Ｈ,Ｇ）型变换通过适当合成变换后生成拟正则半群;并建立了Ｇ－变换和（Ｈ,Ｇ）型变换两者之间的拟共形共轭关系．对于给定的一个拟正则半群,构造了一个不变共形结构ＧΓ,使得该半群中的每个元素在这个不变共形结构下保持Ｇ－变换不变．     

酚醛树脂泡沫材料的填充改性及其性能研究

用氢氧化铝粉末对泡沫酚醛树脂材料进行填充改性,并对其主要性能进行研究．结果表明,填充改性能提高酚醛泡沫材料的抗压强度,其导热系数随温度和密度的升高而增大,泡沫材料在深冷情况下表现出优异的绝热性能．同时对酚醛泡沫材料的燃烧性能进行了考察,其临界氧指数高达４７,在高于１５０℃环境温度中有自燃的危险,１５０℃以下可安全使用．     

商标图象库检索的多层次结构方法

基于商标图象库应用背景和具体特征,提出一种商标图象检索的多层次方法．图象预处理阶段采用人机交互方式下３种半自动方法提取商标图象各区域对象．检索首先采用字符串匹配方法和传统数据库查询技术,动态减少图象搜索范围;在图象区域规格化下,相继用最小约束矩和基于Ｈａｕｓｄｏｒｆ距离的相似性函数度量商标相似性程度,具有平移、旋转和尺度变换下的不变性和一定的抗噪声能力．实验结果表明,该方法有效和实用．     

综合智能网络管理系统模型的设计

在对传统的网络管理系统方案（基于ＳＮＭＰｖ１或ＳＮＭＰｖ２,ＲＭＯＮ网络管理技术）进行分析的基础上,详细说明了传统网络管理系统存在的缺点,提出一种新型实用的综合智能网络管理模型,将传统的基于ＳＮＭＰ,ＲＭＯＮ网络管理技术,基于Ｊａｖａ的网络代理技术和专家系统的基本规则（ＲｕｌｅＢａｓｅｄＲｅａｓｏｎｉｎｇ,ＲＢＲ）或基于事例（ＣａｓｅＢａｓｅｄＲｅａｓｏｎｉｎｇ,ＣＢＲ）技术相结合,对网络系统实施     

基于改进混合模型的一类固定床反应器推断控制

对一类非绝热式固定床反应器提出了一种基于改进混合模型的非线性自适应推断控制策略：给出一种基于结合先验知识和人工神经网络的改进混合模型的推断估计器设计方法;提出一种改进程序变增益ＰＩＤ算法设计控制器;设计了该固定床反应器基于改进混合模型的推断控制系统。仿真结果表明：该推断估计器具有良好的静态和动态特性,较高的估计精度和较好的实时性,所需训练样本少,易于理解和研究及外推性能良好等特点,该推断控制系统还具有良好的跟踪和抗干扰性能。     

质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前,ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法,在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维,特征抽取过程简单,易于实现．将该算法应用于无约束手写体数字的信函分拣系统,单字的平均识别率达９７％以上．