基于土壤系统分类的土壤遥感自动识别分类系统的设计

设计出基于土壤系统分类的土壤遥感自动识别分类系统(ASICS)的总体框架，并探讨了其实现方法．该系统由3部分组成：空间数据库、分类识别和结果输出．空间数据库由遥感数据和非遥感数据组成，遥感数据选择绿度指数图像、土壤专题信息增强图像和同谱土壤图像，非遥感数据包括高程、高差、坡度、坡向、粗糙率指数、水系密度、土壤发生分类类别．分类识别采取在非监督分类的基础上对土壤类型进行正向推理与逆向推理相结合的识别模式．用像结构建立了土壤分类识别的规则，构造了基于土壤系统分类的土壤分类判决树．     

似然比检验和贝叶斯推论在雉科分子系统学中的应用

应用似然比检验和贝叶斯推论进行雉科分子系统学研究．所用的56条纫胞色素b基因全序列代表了雉科24属50种以及作为外类群的6个相关属．等级制似然比检验表明该数据集的最佳进化模型为GTR I——G。建立在坚实的统计学基础上的贝叶斯系统树表明雉科可以分为3个分支．特别是包括角雉、松鸡、火鸡和gallopheasant等在内的第3分支的单系群性质得到了充分的支持．深层分支格局的高分辨率和高支持率说明将雉科划分为雉族和鹑族是人为的．结果表明，似然比检验和贝叶斯推论是分子系统学研究的强有力工具．     

基于粗集知识推理的IDSS中的知识表示

 探讨在智能决策支持系统中的知识表达,讨论了属性在知识表达系统中的作用,决策表格形式的知识表达系统的性质、作用以及根据粗集理论(其基本观点是:人类的知识表现为对对象的分类能力)分析处理海量信息中信息的有用特征,通过分析、推理产生最小决策规则.     

知识库系统中的信息平行处理方法

采用模糊逻辑系统和产生式神经网络作为工程型知识库系统中信息平行处理的基础。在模糊决策系统中，状态空间中每个决策步骤依据知识库中的规则集，按模糊匹配度予以评价和平行处理。定义网络结点物理意义的产生式神经网络可改善其处理效果。由选择分离器和化学反应器两个实例阐明了平行处理的原理和方法。     

企业诊断专家系统的实现

给出了用数据库技术实现企业诊断专家系统的方法，包括知识表示和推广理机。     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

模糊自适应整定PID控制及其仿真

将模糊控制器与PID控制器结合在一起，利用模糊控制推理方法实现对PID参数的在线自整定，进行MATLAB／SIMULINK仿真，仿真结果表明，该控制器明显地改善了控制系统的动态性能，易于实现，便于工程应用。     

增长曲线模型关于共轭先验的BAYES分析

从贝叶斯观点利用共轭先验考查了增长曲线模型。得到了参数τ和协方∑的边缘后验分布，并在此基础上给出τ的后验估计、估计域和∑的后验估计。     

基于trn L-F序列数据利用贝叶斯法推测罗汉松科的系统发育

以黑松和Agathis australis为外类群,基于罗汉松科42种植物的叶绿体trnL-F序列数据通过贝叶斯法对该科的系统发育进行了推测.结果显示:①Phyllocladus为单系分支,位于罗汉松科的基部,是罗汉松科所有其余成员的姊妹群;②Nageia嵌套在罗汉松科内,同罗汉松属、Afrocarpus及Retrophyllum的关系较为密切;③Dacrycarpus为单系群且处于姊妹分支Falcatifolium-陆均松属的基部;④Lagarostrobs franklinii和Manoao colensoi应置于同一属Lagarostrobs内;⑤支持成立Halocarpus和Lepidothamnus属;⑥赞同Microstrobos和Microcachrys两属亲缘密切的观点.