GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

毒品滥用流行病模型的稳定性分析

现有毒品滥用流行病模型假设吸毒者康复后对毒品拥有永久"免疫"力，而忽视了其再次成为毒品易感者的可能性。针对这一问题，通过考虑社区治疗和隔离治疗两种措施，分析了毒品滥用人群的演化过程，提出了基于暂时"免疫"力的毒品滥用流行病模型，并计算了模型的基本再生数，讨论了模型平衡点的存在性和稳定性。当基本再生数小于1时，模型存在一个局部渐进稳定的无毒平衡点；当基本再生数大于1时，模型存在唯一的地方病平衡点，并利用几何方法证明了地方病平衡点的全局稳定性；当基本再生数等于1时，如果满足一定条件，模型出现后向分支现象。数值模拟验证了上述所有结果。研究结果表明提高隔离治疗率、改善社区治疗效果和降低接触传染率可以有效抑制毒品滥用的流行。     

应用于卫星网络拓扑生成的快速收敛蚁群算法

针对蚁群算法生成卫星网络拓扑时存在收敛速度慢、易陷入局部最优解的问题,从卫星网络高动态以及大时空尺度的特性出发,提出一种新算法SNTG-ACA。在满足卫星节点的可见性、星间链路长度以及链路连接时间的条件下建立潜在链路,提高信息素浓度的增量使蚁群算法快速收敛,并采用归一化思想求解全局最优解。仿真结果表明,与传统蚁群算法和引入遗传因子的蚁群算法相比,该算法具有更快的收敛速度,与链路长度最短策略和链路连接时间最长策略相比,生成的卫星网络拓扑更稳定。     

移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状指出了各种方法的优点与不足，最后对移动机器人路径规划技术的发展趋势进行了展望。     

深亚微米物理设计的挑战与方法

随着集成电路加工工艺技术向0．18微米或更小尺寸的继续发展，设计高性能的SOC芯片面对越来越大的挑战。几何尺寸越来越小，时钟频率越来越高，电压越来越低，上市时间越来越紧迫，因此设计复杂性迅速增加，互连线和信号完整性问题已成为影响设计成功的主要因素。现有的设计方法遇到了许多新的挑战。为了应对这些挑战，人们展开了深入的研究，提出了许多方法。本文将分析物理设计的挑战，回顾物理设计的方法，比较它们的优缺点，指出它们的适用范围，最后展望深亚微米物理设计的发展方向。     

铝薄膜CMP影响因素分析

提出了在碱性抛光液中铝薄膜化学机械抛光的机理模型,对抛光液的pH值、磨料、氧化剂浓度对过程参数的影响做了一些试验分析。试验结果表面粗糙度的铝薄膜所需的最优化CMP过程参数:硅溶胶粒径为15～20nm,pH值为10.8～11.2,氧化剂浓度为2.5%～3%。     

在Encounter中实现网格+局部树的时钟设计流程

本文提出了一种新的方法,可以在Encounter中实现全局网格加局部树(MLT)流程。通过在时钟设计流程中利用CTS和时钟网格的优势,可以确保MLT具有更小的偏差,并进一步优化网格结构以降低功耗。在全局网格结构中,MLT可以提供真实的负载累加值,而不是估计值。这一流程还有一个特性就是可以为多电源电压(MSV)时钟设计提供基本的支持。