分布式多媒体协同工作系统DMCS的模型与实现

分布多媒体协同工作系统ＤＭＣＳ是基于ＣＳＣＷ协作机制设计的ＣＳＣＷ原型系统。     

IEEE802.4令牌总线网实时应用性能分析算法

对符合ＩＥＥＥ８０２．４标准的令牌总线网的性能指标评估给出了１种新的计算方法。重点分析了ＩＥＥＥ８０２．４标准的优先权机制，并考虑了令牌总线网络中的２种计时器ＴＨＴ，ＴＲＴ控制和信包缓冲区容量有限的性能指标评在问题，克服了以往不能分析优先权机制令牌网性能的局限。     

基于免疫原理和Boosting机制的模糊分类规则挖掘算法

基于免疫原理和Boosting机制,提出了一种模糊分类规则挖掘算法.该算法主要借鉴于自然免疫系统中的克隆选择原理,通过抗体种群的演化来优化模糊规则.模糊规则库通过增量的方式产生,算法每次运行得到一个规则.Boosting机制用于调整训练数据的权值,使得新生成规则集中于当前未被覆盖或误分类的数据实例.仿真实验表明,所提算法可根据规则的分类精度来调整训练数据的权值,促进了模糊规则之间的协作关系,避免了规则之间相互冲突,提高了系统的分类精度.     

多目标规划的惩罚函数法

分析本文引用极限集的概念建立了多目标规划的惩罚函数法,并对该方法进行了收敛性分析,文章最后给出了数值计算的例子.     

集成专家系统和神经网络的煤矿水害预测系统

首次提出了一种混合使用专家系统和神经网络的煤矿水害预测系统的形式定义和基本系统结构，知识表示方法以及推理机制，并对已在微机上实现的系统作了详细论述。实验及试运行结果表明，文中提出的模型充分发挥了专家系统和神经网络各自的长处，因而是实用，合理的，以此模型为基础构造的预测系统具有知识获取方便，预测准确度高，速度快，使用简单，便于推广的特点，为防止矿坑突水灾害事故的发生提供了一种有效的手段。     

一种面向个性化网络学习的协同学习任务生成方法

提出了一种面向个性化网络学习的协同学习任务自动生成方法.该方法以学习目标与学习小组中学习者的个性特征为输入,通过基于学习者认知水平的协作成员分组和基于耦合度的协同学习模式分配,生成符合学习者群体个性特征的协同学习任务,从而有效地解决了网络学习中个性化学习与协同学习相结合的问题.该方法已在实时教学系统中进行了测试,结果表明,相对无指导的协同学习,根据此方法所生成的学习任务的协同学习可有效提高学习效率.     

人工免疫C-均值聚类算法

通过借鉴生物免疫系统中的克隆选择原理和记忆机制，提出了一种人工免疫C-均值混合聚类算法．该算法采用了新的克隆选择方法，通过亲和度排序和个体浓度定义了个体的选择概率，从而可确定个体的适应值评价函数，以评价和选择个体．算法还集成了一种C-均值搜索算子，用于加快收敛速度．在聚类数目已知的情况下，所提算法能够得到给定数据集下的全局最优划分，与基于遗传算法的聚类方法比较，它具有更快的收敛速度和更高的收敛精度，并可扩展到性能指标能够表示为优化聚类中心函数的聚类模型之中．仿真结果表明，所提算法是有效性的．     

时间约束Petri网的状态可达性分析算法

时间约束Petri网是具有广义时间约束的一类Petri网。时间约束的引入使TCPN′s的演化与系统每一时刻的状态都密切相关 ,导致网的动态复杂性。目前有关TCPN′s状态可达性的研究仅局限于一些较简单的网。进一步研究了TCPN′s,给出了更一般的可达性分析方法及变迁可调度决策算法。     

用时频分解法从空间波场中分离表面波信号

提出了一种从空间波场中分离表面波信号的方法,其基本原理是：在小波包变换和时域加窗对信号进行分解的时频单元上,通过改进的极化分析方法和构造的滤波函数对所有时频单元进行处理,将处理结果进行合成即可得到分离出的表面波．这种方法的优点是：对只在时间上重叠或只在频率上重叠的波,可进行有效的分离,压制了各向同性随机干扰,具有较高的时间频率分辨率;特别是通过改进的极化分析算法,可解决原方法中高阶模态表面波提取中存在的问题．     

自适应模型集交互式多模型算法

针对交互式多模型(IMM)算法的目标跟踪精度问题,提出了一种自适应模型集IMM算法.利用IMM算法中的模型概率含义,并以此对模型集的收缩比例因子进行设计,这样模型集通过向中心模型收敛可完成自适应调整,而自适应调整过程能有效、实时地利用观测信息.仿真实验结果表明,所提算法能有效跟踪机动目标,而且比IMM算法的跟踪精度更高,但其受到目标机动模型的先验性的限制.