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。     

一种改进的新三步搜索算法

在对三步法工作原理进行研究的基础上提出了新三步搜索算法（NITSS）。该方法充分利用视频序列运动矢量概率分布上的中心偏置特性．在三步搜索算法的基础上引入了十字型分布的4个点构成搜索点群。实验结果表明。新三步搜索算法解决了三步法的小运动估计效果较差问题．提高了搜索精度，保持了三步法的高效率。     

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。     

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。     

多变量自校正解耦控制器的全局收敛性分析

本文对多变量自校正解耦控制算法[1]进行了稳定性和收敛性分析.结果表明:该算法 即使用于非最小相位系统仍然具有全局收敛特性,即以概率l输入输出向量采样均方有界, 广义跟踪误差向量条件采样均方极小.     

无源性理论在永磁同步电动机混沌控制中的应用

永磁同步电动机在一定的工作条件下呈现出混沌运动，根据无源性网络理论，设计电动机混沌动力学模型的控制器，将混沌系统等效为无源系统，消除系统中的混沌运动，降低系统自激振动的危害，实现混沌系统的快速稳定。     

基于进化规划的自适应IIR滤波

针对基于梯度下降算法的自适应IIR滤波器（AIIRF）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题，本文将进化规划用于AI－IRF的优化设计，不仅解决了AIIRF系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局寻优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的AIIRF的性能优于基于梯度算法的AIIRF，尤其对高阶、极点靠近单位圆的自适应IIR滤波器。     

VEAP:基于全局优化的有效VLSI布局算法

本文中，针对规则的VLSI设计模式（门阵列，标准单元等），我们提出一种新的非常简单有效的布局算法．该算法基于严格的数学分析，可以证明能够找到全局最优解．在实验中发现，对于很大规模的电路，我们的算法比现有的所有算法都快．此外，我们的算法还能够同时适应于线长优化和时延优化模式．