复杂网络可视化研究综述

当今万维网、社会关系网等复杂网络的规模迅速发展，一方面导致人们很难用数字和表格来对这些复杂网络进行全局规划和管理，另一方面复杂网络包含了非常丰富的信息资源但都难于被发现。可视化技术提供了有效的方法来理解复杂网络的结构并从中挖掘有效信息。本文全面介绍了复杂网络可视化技术的研究进展，讨论了可视化布点算法和压缩算法，并介绍了若干具有代表性的复杂网络可视化工具、列举了复杂网络可视化技术在相关领域的应用。     

基于生态学的复杂系统稳定性逻辑分析模型

复杂系统的稳定性是众多学科所关注的问题。根据生态平衡的理论，从人工智能、自然智能、智能逻辑和数学的角度，给出了一个基于生态学的复杂系统稳定性逻辑分析模型，并进行了严格的推理论证，从而为分析和解决复杂系统的稳定性问题提供了一个有力的工具，也为复杂系统理论增添了新的内容。     

大型数据库对象关系技术的应用研究

对象关系数据库支持SQL语言，对复杂的SQL3查询进行查询优化以支持复杂查询，也支持用户定义自己的抽象数据类型，以及由基类组合成复杂的组合类型的能力，从而支持了复杂的数据，论述了对象关系数据库在RDBMS上进行扩展通常的四个方面，研究与讨论对象关系数据库的支持基类扩充技术和支持复杂对象技术，最后基于Oracle8i/9i对象关系数据库进行分析研究和示例操作。     

复杂网络集团特征研究综述

自然界和人类社会的许多系统可以用复杂网络进行建模，复杂网络已成为多个学科的研究热点。分析复杂网络的一个关键问题是如何理解其全局组织，网络的健壮性和稳定性在很大程度上取决于其集团结构特征。本文简要介绍了复杂网络的基本概念并详细总结了近年复杂网络集团特性的研究进展，重点分析了社区发现算法的最新研究成果，最后提出这一领域几个有待解决的问题和可能的发展方向。     

行为建模语言的研究与实现

面向复杂行为的虚拟环境应用要求，提出一个支持复杂行为的语言模型，该模型可以灵活定义行为之间的控制关系及其时间约束，同时给出了面向复杂行为的虚拟环境计算法。在研制的分布式虚拟环境软件开发平台ＹＨＶＲＰ中实现了该语言模型和算法，它能较好地面向复杂行为虚拟环境应用的实时交互性和真实感。     

复杂自适应系统的描述及其分布仿真框架

复杂自适应系统是当前一个研究热点，建立一个通用的分布仿真平台对于领域专家来说具有重要的辅助，首先对复杂自适应系统进行了深入的论述，并且对它的结构特征进行了形式化的定义，建立了复杂自适应系统的对象元、自适应Agent元，消息、继承和聚集等概念，在此基础上，提出了一个支持分布并行环境和组件式仿真框架，特别对其中的公共服务Agent和自适应Agent进行了详细的叙述，并且在此框架的指导下实现了分布仿真平台，和其它复杂自适应系统仿真平台结构相比具有一定的优势。     

相似度在GIS对象比较中的应用

在地理信息系统中，很多复杂的数据对象可以用多个不同类型的简单属性数据来表示，但对这些复杂数据对象的比较是个难题，而数据对象之间的相似度表示可以很好地解决这个问题。该文就复杂对象问的相似度表示和计算进行了探讨，给出了一个计算混合类型数据对象相似度的方法，并论述了该相似度计算方法在复杂对象之间的比较和排序中的应用。     

基于Q学习的复杂程序动态依赖性分析

准确刻画不确定环境中复杂程序的动态特性，是传统程序分析理论和技术面临的难点，更是许多重要系统实现程序动态实时分析与控制过程亟待解决的问题。本文提出基于Q学习的复杂程序动态分析思想，构造了基于Q学习的复杂程序动态依赖性分析基本算法。并对复杂程序动态实时分析与控制技术的实现环节进行了研究，探讨了相关问题，从而使复杂程序动态分析与控制过程更精炼、更智能、更高效。     

基于人工智能方法的复杂过程故障诊断技术

由于复杂过程因素多，波动大，反应机理复杂，无法建立精确的数学模型，传统的故障诊断方法很难取得令人满意的结果。针对复杂过程的特点，利用智能技术无需建立对象精确模型的优势，研究适合复杂过程实现的基于人工智能方法的故障诊断技术。并对构造智能诊断系统所需要解决的机器学习技术从知识获取、深浅知识表示方法和规则更新方面进行了分析。最后对基于人工智能方法的复杂过程故障诊断技术研究的发展趋势和有待解决的问题进行了分析与探讨。     

复杂口令自动登录系统的研究

妥善保管和经常更新口令，是计算机网络安全的基本要求，由于人的局限性，经常记忆一定长度的复杂密码难度很大，该文通过剖析键盘接口原理，提出了一种基于键盘接口技术的复杂口令自动登录新方法，解决了上述提及的复杂密码难记的问题。     

复杂类型数据处理中的主因判定算法与实现

针对复杂类型数据处理的问题,分析了蕴涵在信息中的因果联系,对因果状态变化进行了定量的描述,构建了因果关联模型,给出了主因分析方法的构造和实现过程,提出了具体的算法和实例检验。     

基于上下文和位置交互协同注意力的文本情绪原因识别

文本情绪原因识别是情绪分析的重要研究任务,其目的是发现文本中个体情绪产生、变迁的原因.近年来,深度神经网络和注意力机制被广泛应用到情绪原因识别方法中,取得了较好的效果.但在这些工作中,文本中的语义信息以及上下文信息未能被充分学习,子句的相对位置信息也未被有效利用.因此,该文提出一种基于上下文和位置交互的协同注意力神经网...     

跨媒体分析与推理技术研究综述

当前,以网络数据为代表的跨媒体数据呈现爆炸式增长的趋势,呈现出了跨模态、跨数据源的复杂关联及动态演化特性,跨媒体分析与推理技术针对多模态信息理解、交互、内容管理等需求,通过构建跨模态、跨平台的语义贯通与统一表征机制,进一步实现分析和推理以及对复杂认知目标的不断逼近,建立语义层级的逻辑推理机制,最终实现跨媒体类人智能推理。文中对跨媒体分析推理技术的研究背景和发展历史进行概述,归纳总结视觉-语言关联等任务的关键技术,并对研究应用进行举例。基于已有结论,分析目前跨媒体分析领域所面临的关键问题,最后探讨未来的发展趋势。     

Monitoring Information 3D Visualization for Super-Filling Loess Project

The construction of high-filled loess project has some engineering and technical challenges, such as excavation of earth and backfilling of earth are both large, complex construction environment, variety of influence factors. According to this situation, this paper presents a dynamic 3D visualization method for high-filled project based on volume rendering. Through comparative analysis and visual analysis, realized at different times of the Loess fill internal detection data visualization and analysis presented. The results show that this visualization method can directly and accurately display the construction process, help decision makers master construction information and process.     

基于ECPA神经网络的情绪原因识别方法

情绪原因识别是文本情绪分析领域中的一个前沿研究方向。传统情绪原因识别方法需要进行规则制定、抽取特征,而该文从情绪原因的语言特点出发,结合Bi-LSTM模型和注意力机制,提出一种基于情绪上下文位置注意力神经网络的情绪原因识别方法(ECPA)。该方法考虑了情绪词和情绪类别中的情绪信息,学习了Bi-LSTM模型建模后的上下文语义信息,引入了基于位置信息的注意力机制模型,进而构建情绪原因识别模型。实验结果证明,该方法在情绪原因识别任务中的有效性,并取得了目前最优的性能,同时对情绪归因方法具有一定的指导作用。     

中小规模研究性企业知识管理体系建设探索

研究型企业深刻意识到知识管理体系对企业的重要性．建立知识管理体系过程中出现的各类问题导致知识管理体系推动研究型企业进步的效率较低．笔者所在单位在长期管理信息系统建设过程中,从知识收集、整理归纳、知识共享、知识创新等环节进行方法研究和实践探索,取得了一定效果,企业内部知识体系逐步进入有序建设,有效推动了企业知识创新．     

工业过程故障根源诊断与传播路径识别技术综述EI北大核心CSCD

故障根源诊断与传播路径识别是故障诊断框架下的关键核心问题,是保障工业过程安全生产及获得可靠产品质量的有效手段,是当前过程控制领域的研究热点.该技术的研究不仅丰富了故障诊断理论,而且对故障诊断技术在工程中的推广与应用具有重要意义.阐述了基于知识、数据及知识与数据联合驱动的故障根源诊断与传播路径识别方法的基本思想、适用条件和优劣特点,分类概述了相关方法的研究现状.探讨了该领域亟待解决的问题及未来的发展方向,包括:1)“三个维度”视角下的工业过程故障根源诊断与传播路径识别;2)基于制造大数据分析与因果关系挖掘的工业过程质量精准追溯;3)面向传播、耦合、多重并发特性的工业过程复合故障分布式诊断;4)基于多源异构动态信息融合的工业过程异常工况时空追溯可视化.     

基于E-CNN的情绪原因识别方法

文本情绪原因识别作为一个新型的研究方向在文本情绪分析领域占据重要地位。该文结合卷积神经网络,提出了一种基于集成卷积神经网络的情绪原因识别方法。该方法通过词向量、卷积、池化等操作充分融合了句子的语义信息,利用多个CNN集成降低数据不平衡性对情绪原因识别的影响,克服了传统情绪原因识别方法的繁琐规则制定、特征抽取、特征空间降维等过程。实验结果表明,该文的方法在情绪原因识别方面取得了较好的效果,对于情绪归因的方法研究具有一定的指导作用。     

Querying a building information model for construction-specific spatial information

The design and construction community has shown increasing interest in adopting building information models (BIMs). The richness of information provided by BIMs has the potential to streamline the design and construction processes by enabling enhanced communication, coordination, automation and analysis. However, there are many challenges in extracting construction-specific information out of BIMs. In most cases, construction practitioners have to manually identify the required information, which is inefficient and prone to error, particularly for complex, large-scale projects. This paper describes the process and methods we have formalized to partially automate the extraction and querying of construction-specific information from a BIM. We describe methods for analyzing a BIM to query for spatial information that is relevant for construction practitioners, and that is typically represented implicitly in a BIM. Our approach integrates ifcXML data and other spatial data to develop a richer model for construction users. We employ custom 2D topological XQuery predicates to answer a variety of spatial queries. The validation results demonstrate that this approach provides a richer representation of construction-specific information compared to existing BIM tools.     

基于半定量概率图模型的溯因分析方法

复杂工业系统的故障原因定位可协助操作人员快速调整设备运行参数,保障生产高效稳定地运行.铝电解过程机理复杂且外部因素干扰多,信息具有不确定性特征,难以建立精确的定量模型,而定性分析的准确度不高.为此,本文针对铝电解溯因过程的层次性、相关性、不确定性的特点,构建了一种基于半定量概率图模型的溯因分析框架,将定量和定性分析相结合,通过不确定理论对信息进行处理和描述,采用图形符号可视化知识变量间的因果关系,再基于概率图模型的推理方法实现不确定性条件下的溯因诊断,为实现铝电解异常槽况的原因分析与定位提供了理论支撑.