基于模糊理论的多AGENT决策支持系统

提出了一种结合多Agent和模糊理论的决策系统结构,同时用Agent组来表示单个功能实体的不同侧面.利用模糊聚类和模糊推理对有效信息数据进行决策判决和选择.以此结构为基础构建了科研项目评定决策系统,在实际应用中取得了较好的决策效果     

基于层次自动机的应用软件行为建模

对应用软件的行为建模有助于实时推断用户的操作意图，为初学者提供上下丈相关的关于软件操作的帮助。Petri Net、有限自动机、IDEF3和状态图是常用的行为建模方法。层次自动机是对有限自动机的推广，具有结构性强和直观的优点。一般应用软件的操作界面都具有一定的层次性，采用层次自动机可以充分利用该特点。给出了层次自动机的形式化定义和面向对象实现框架，并且以Pro／E为例说明了将层次自动机用于应用软件行为建模的有效性。     

探索小世界特性产生的一种新方法

在研究WS模型基础上，探讨了产生小世界特性的一种新方法，即提出了度不变的边遍历小世界模型。主要算法是在重新连接过程中保持每个节点的度不变，首先将所有满足度不变条件的规则边断开，然后随机地连接相同数目的长距离边。谊模型的数值模拟结果与WS模型的结果比较表明，新模型具有很好的小世界特性，即平均最短路径小和平均集群系数大的两大特点。同时研究了新模型下参数变化对网络特性的影响。     

解非线性两层规划问题的新的遗传算法及全局收敛性

针对两层规划问题本质上的非凸性和不可微性给其数值求解带来极大困难,特别是求非线性两层规划问题的全局最优解,而遗传算法不受这些因素的限制,设计了一种新的有效的遗传算法来解决非线性两层规划问题.该算法充分考虑了两层规划问题的结构特点,使遗传算子更加有效,并且易于产生好的后代.     

系统生物学:系统科学与生物体系统

对近年涌现出来的生物体系统研究新思路———系统生物学进行了概述,简要叙述了系统生物学出现的背景、研究内容和研究方法,以及与生物体系统其他研究方法之间的联系与区别,并提出了对系统生物学进一步研究的意见.     

一种先切分后检测的分层镜头边界检测方法

针对现有渐变镜头边界检测算法的不足,提出了一种先切分后检测的分层镜头边界检测方法。该方法综合了小波分析、模糊聚类和统计量等多种技术,可以同时检测突变过渡和渐变过渡,并能准确地定位渐变过渡的边界。同时,提出了对加权系数进行非盲调节和盲调节的方法,为系数调节指明了一条新思路。该方法减少了经验阈值的数目,避免了人为因素,同时克服了其它方法仅适用于某一类和某几类视频序列的限制,因而具有很强的鲁棒性。用实际视频数据所得到的实验结果证明了该方法的有效性。     

一种基于特征光流检测的运动目标跟踪方法

图像序列的运动目标分割检测与跟踪是一个具有广泛应用的困难问题,特别当目标被遮挡丢失和/或大幅度机动时,算法要有很强的鲁棒性才能实现高精度的连续跟踪。通过特征角点提取、由粗到细层级匹配特征光流及其聚类分析算法实现运动目标分割,利用卡尔曼滤波估计对目标的多特征点构成的最小凸多边形描述子进行跟踪,具有抗遮挡丢失和抗机动功能,因此在跟踪过程中能够较好地保持或重新检测目标的最小凸多边形,使检测与跟踪算法鲁棒性强。对运动目标真实图像序列的实验结果充分证明了算法的优良性能。     

IPv6移动管理的自适应优化与仿真

减少网络传输花费和带宽占用为代表的通信管理费用是IP网络研究移动管理的关键问题之一.为优化分层域内外分发位置管理消息和数据分组所产生的总费用,论文在分析了实施分层移动IPv6前后费用变化的基础上,提出了一种可行的自适应移动管理方案,允许节点根据实际工作参数选择适宜的移动管理机制.进一步的仿真与性能评估结果表明自适应移动管理获得了显著的费用优化效果,可望具有较好的实际应用价值.     

用遗传算法C-均值聚类分割医学彩色图像

图像分割和对象提取是从图像处理到图像分析的关键步骤 .经典的C -均值聚类算法 (CMA)是将图像分割成C类的常用方法 ,但依赖于初始聚类中心的选择 .该算法通常得到的是局部最优解而非全局最优解 .遗传算法是一类全局优化搜索算法 .通过将遗传算法 (GA)与CMA相结合 ,对医学彩色图像直接按红绿蓝 (RGB)三色空间进行聚类 ,用遗传算法搜索全局最优解 ,有效地避免了C -均值聚类算法收敛到局部最优的问题 ,并在此基础上实现了对医学病理彩色图像的分割和对象提取 ,得到了比较满意的效果     

基于多镜像站点的分布式Web使用聚类

提出了一种适用于多镜像站点环境下的分布式Web使用聚类局部挖掘算法LUC和全局挖掘算法GUC,较好地解决了Web访问信息的异地存储、分布式算法通讯量等因素给模式分析过程带来的困难. 将给出的算法用Java语言加以实现,并对算法性能进行了研究. 结果证明,该算法是有效的,可以用来高效、准确地在多镜像站点环境下发现Web用户群体模式.