基于移动Agent的教学资源智能采集系统的研究

文章在分析了移动Agent在分布式计算中所具有的技术优势的基础上,提出了把移动Agent技术与Web教学资源采集相结合的思想,研究设计了一个基于移动Agent的教学资源智能采集系统模型,并详细讨论了系统实现的关键模块和技术。该系统充分利用了移动Agent的移动性和智能性特点,有效地解决了传统搜索引擎在教育资源领域方面存在检索精度不高、信息反馈量过大的问题。     

地质灾害风险思维培育

 自然条件和人为活动的双重作用导致地质环境日益恶化、地质灾害频发,造成了前所未有的生命和财产损失,而汶川大地震直接促成中国"防灾减灾日"的设立。为了最大限度地减少地质灾害造成的生命财产损失,迫切需要改变地质灾害防治"重灾后整治、轻灾前预防"的传统安全性思维。本文分析了地质灾害防治从传统安全性思维到风险思维转变的必要性和紧迫性,建议加强地质灾害风险评估与管理的相关研究,注重防灾减灾救灾知识的宣传、教育和地质灾害风险思维的培育,特别强调以"防灾减灾日"为契机,不断提高公众的风险思维和防灾减灾意识,构建地质灾害风险文化,最终促成综合防灾减灾救灾能力和水平的提高。     

幽默计算及其应用研究

幽默作为一种特殊的语言表达方式,是生活中活跃气氛、化解尴尬的重要元素。随着人工智能的快速发展,如何利用计算机技术识别和生成幽默成为自然语言处理领域热门的研究内容之一,并逐渐形成一个新兴研究领域:幽默计算。幽默计算致力于利用自然语言处理技术理解和识别包含幽默的文本表达,挖掘幽默表达潜在的语义内涵,构建面向幽默表达的计算模型。首先对当前幽默计算的背景进行概述,阐明幽默的可计算性和幽默计算对于人工智能的意义;在此基础上,对幽默研究的发展情况进行回顾,给出幽默研究的语言学基础;然后综述当前幽默计算在幽默识别和幽默生成两个方面的进展情况,分别给出针对幽默识别和幽默生成的计算框架;最后,对幽默计算在聊天机器人、机器翻译、儿童教育软件和外语教学等多个自然语言处理任务中的应用前景和应用模式进行展望。希望通过对幽默计算及其应用研究的总结和概述,完善现有幽默计算模型,增进计算机对于自然语言的理解,推动人工智能的进一步发展。     

一类带单洞区域与两个简单区域间拓扑关系的表示

基于区域连接演算(region connection calculus, RCC5)通过扩展4-集矩阵得到12-集矩阵, 并对带单洞区域与两个简单区域间的拓扑关系进行表示. 给出了实现算法, 得到了带单洞区域与两个简单区域间的161种拓扑关系及其拓扑关系示意图, 并验证了161种拓扑关系均可实现. 证明了12-集模型中基本关系的完备性和互斥性, 并给出了161种拓扑关系的概念邻域图.     

一种凹形区域和简单宽边界区域间的拓扑关系表示模型

基于交集矩阵表示方法, 提出一种凹形区域和简单宽边界区域间的拓扑关系表示模型, 并给出了3个约束条件, 在此基础上得到了二维平面中实际存在的67种拓扑关系.     

一类带有互相包含洞的区域与简单区域间拓扑关系的表示

基于带洞区域间的拓扑关系建立适合表示该类拓扑关系的12-交集矩阵, 通过给出的相应约束条件得到一类带有互相包含洞的区域与简单区域间的53种拓扑关系, 并通过53种拓扑关系图验证了53种拓扑关系均是可实现的, 最后证明了12-交集模型中基本关系的完备性和互斥性.     

机器人云与机器人学校

 在人工智能与机器人领域,融合智能和情感的研究提出了先进智能机器的概念,未来先进智能机器将应用服务于社会、家庭、个人等方面。从云计算、先进智能机器、人机人互动角度,阐述了机器人云概念,以及如何建立机器人云的理论框架和技术蓝图。提出了机器人学校概念,在机器人学校概念框架下,阐述了机器人学校的运行机制、机器人学位及其能力认证,机器人学校对未来社会发展、科技进步、人机关系的影响。     

城市道路交通控制概述与展望

面对城市道路交通控制理论与技术亟待突破和当前多学科交叉研究优势凸显的情况,总结了城市交通控制发展历程和研究现状,总结并谈论了存在的问题和未来的发展。首先回顾了中国城市道路交通控制的发展阶段;其次,围绕道路交通控制概述了交通信号控制、交通需求辨识和交通控制仿真的国内外研究情况;最后,针对传统交通控制存在的问题进行了讨论并立足未来车路协同、自动驾驶、人工智能等新理论与技术的演进总结了交通控制领域的研究重点和应着力解决的关键问题。     

一种基于密度的启发性群体智能聚类算法

提出一种基于密度的启发性群体智能聚类算法.针对以往群体智能聚类算法中分类错误率较高、算法运行时间较长等不足,提出记忆体方法和基于密度的先行(look ahead)策略.用人工数据集和真实数据集进行实验,将实验结果进行比较分析.分析结果表明,基于密度的启发性群体智能聚类算法能够得到令人满意的聚类结果,其分类错误率和运行时间明显小于其它聚类算法.     

足球机器人分层决策系统的参数驱动研究

在足球机器人决策系统研究中,采用了分层的形式,考察外部信息的变化．将其分类．使之成为不同决策层的驱动源;并且把高级层决策的结果作为对象处理,使之成为低级层决策的驱动源。研究结果表明有利于各决策层对外部信息的处理．便于协调各层的传递协议。