RNA二级结构点括号图与CT文件表示法的相互转换算法研究

由于RNA二级结构表示方法对其功能和相似性的研究具有关键性作用,通过对现有RNA二级结构的各种表示方法进行讨论,重点介绍了点括号图表示法和二级结构平面图文本（CT文件）表示法,给出二者之间的相互转换算法,并通过实例验证了该转换算法准确、有效,可为研究RNA二级结构的相似性提供有效的数据支持.     

基于规则库的非结构化数据格式转换技术研究

在非结构化数据的处理中,资源共享技术的研究,往往作为研究的重点。而现在大多数的资源共享技术研究,都仅仅限于2种数据的格式转换研究。每当增加一种格式的非结构化数据时,又需要针对进行转换的两种数据进行格式转换方法的研究。相当于在做着重复的工作。因此介绍了一种通用的非结构化数据格式转换方法,以规则库为基础,对非结构化数据进行格式描述,以及转换规则的描述,从而实现了非结构化数据格式转换的统一。创新点为制定格式转换＂规则的规则＂。     

研究生非正式团体内部隐性知识共享的影响因素分析

隐性知识共享研究受到学界的广泛关注,然而以往研究中忽视了对非营利组织尤其是高校的隐性知识共享行为的深入研究,本文通过长期观察高校研究生非正式团体内部普遍存在的隐性知识共享现象,进行扎根理论分析,得出关键影响因素,并在此基础上提出了研究生隐性知识共享运行机制模型。     

一种新的基于广义规则的加权不精确推理模型

提出一种新的基于广义规则的加权不精确推理模型,这个模型克服早期专家系统(MYCIN、PROSPECTOR)不精确推理模型的某些缺点,模型既考虑推理规则本身的权重,还考虑规则前提中各项的权重,并给出了相应的算法。     

用Turbo Prolog设计不精确反向推理机

近年来,不精确推理在人工智能领域中的地位不断提高。本文介绍了一种非确定性知识的表示方法,并着重阐述用Turbo Prolog设计不精确推理机的技术。     

冠状动脉硬化性心脏病诊治专家系统

本文是对冠状动脉硬化性心脏病进行诊断与治疗的一个医学专家系统,(仅对原发性心脏停搏,心绞痛和心肌梗塞三种疾病进行处理)主要分为五大部分:知识库、推理机、解释系统、知识获取部分、数据库。为了使信息处理比较细致,我们对模糊性问题进行了精确化处理,对推理机方面采用了正向推理与反向推理交叉使用的混合的模糊推理。为了使医生的经验描述准确,我们采用了可信度推算使其精确化,同时为了使用方便,也为了解决中文的语义的多义性以及假定使用本软件的医务人员不懂PROLOG语言和序设计(本程序采用PROLOG语言)     

水库防洪调度系统的人机交互

本文分析了水库防洪调度系统的基本特点，指出水库防洪调度需要进行定量与定性分析，人的经验知识和判断具有不可替代的作用。设计和探讨了该系统的基本结构，并进一步分析了它的基本特点和功能．笔者认为，完善的水库防洪调度人机交互系统是使理论成果应用于实际的有效途径．     

水轮发电机组振动故障诊断专家系统

本文提出一个基于知识库和专家系统技术的水轮发电机组振动故障诊断与咨询的专家系统。本系统应用关于水轮发电机组振动、振动试验、频谱分析和运行管理人员现场经验的知识,采用推理方法作出诊断,采用产生式专家系统结构,设计出一个推理控制程序。该系统由知识库、算法程序库和诊断咨询程序三个主要部分组成。程序的实现采用MACLISP语言,可在IBM-PC计算机上运行。     

一种基于常识的图片验证码设计方法

为了防止非法用户对在线系统的恶意攻击,提出了一种简单高效基于常识的图片验证码设计方法。通过不同难度层次的常识构建常识库,设计生成的图片验证码质量较高,用户根据图片验证码的常识问题推理得到答案,将答案作为密匙进行认证,而不是直接输入图片验证码上面的字符,可以有效杜绝非法用户对系统的攻击,弥补当前诸多验证方法的不足,同时又兼顾了验证码设计的可用性和安全性准则,适用于普通在线系统的身份认证。     

基于Word2vector的文本特征化表示方法

针对基于词语统计的特征化表示无法有效提取文本的词义特征的问题,提出一种基于上下文关系的文本特征化表示方法。该方法利用Word2vector提取词义特征,获得词向量;再对词向量进行“最优适应度划分”的聚类,并根据聚类结果将词语替代表示为聚类质心;根据质心及其所代表的词语的词频,构成词向量聚类质心频率模型（semantic frequency-inverse document frequency,SF-IDF）,用于特征化表示文本。在不依赖语义规则的情况下,分别以路透社文本集Reuter-21578、维基百科（extensible markup language,XML）数据为文本数据集,采用神经网络语言模型（neural network language model,NNLM）算法进行文本分类实验,并采用F1-measure标准进行样本分类的效果评估,词向量聚类质心频率模型SF-IDF（semantic frequency-inverse document frequency,SF-IDF）向量与现有技术中词频-逆向文件频率（term frequency-inverse document frequency,TF-IDF）向量的分类效果对比,与TF IDF模型进行对比实验;在Reuter 21578数据集上平均准确率由原有的57.1%提高到63.3%,在Wikipedia XML数据集上平均准确率由原有的48.7%提高到59.2%。SF-IDF模型可适用于现行的基于特征向量的信息检索算法,且较TF-IDF模型有更高的文本相似性分析效率,可提升文本分类准确率。