废纸制浆造纸生产工艺和设备的优化与创新

介绍了有关欧美国家废纸的分类管理,并对加强中国废纸管理提出要求,及用普通废纸生产高质量文化用纸、特种纸的生产工艺和设备优化流程。     

夕佳山民居家具布局分析及品类鉴赏

本文分析了夕佳山民居厅堂和卧室的家具布局,通过对比指出室内空间家具使用情况的不同反映了同类房间使用功能的区分。此外,本文列举民居内家具的不同种类,着重分析了特色家具的造型装饰特征及使用情况,凸显蜀南当地民俗文化对家具造型及装饰的影响。夕佳山民居家具布局及特色家具的造型装饰特征充分体现了蜀南民俗与家具的相互融合,反映了民居主人的审美追求,是极富地域特色的民间家具代表。     

基于特征加权的Category ART网络及应用

特征加权是特征选择的一般情况，它能更加细致地区分特征对结果影响的程度，往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值，提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明，FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上，取得了很好的预报效果。     

基于最大公约子范畴的应急决策知识匹配研究

在范畴化知识结构的基础上,提出一种基于最大公约子范畴的知识匹配方法,其解决的主要问题就是通过对决策者的需求和背景知识的匹配,有效量化决策知识的语义处理,提高决策背景知识的萃取效率.实验结果表明,该方法能够同时提高知识匹配过程中的精度和召回率.     

结合类别偏好的协同过滤推荐算法

推荐系统是针对如今信息过载现象的一种极为有效的方法,而协同过滤算法自提出以来就在推荐系统中得到了广泛的应用,但是这种方法也存在着推荐精度不高、难以处理稀疏数据等缺点。对此提出一种结合类别偏好的协同过滤推荐算法。在原算法计算用户相似度的基础上,结合用户类别偏好的相似度来计算近邻,从而得到推荐结果。实验结果表明,该方法能较为有效地结合用户的类别偏好,与传统的协同过滤算法相比,有更好的推荐效果。     

Efficiently support concurrent queries in multiuser CBIR systems

Various techniques have been developed for different query types in content-based image retrieval systems such as sampling queries, constrained sampling queries, multiple constrained sampling queries, k-NN queries, constrained k-NN queries, and multiple localized k-NN queries. In this paper, we propose a generalized query model suitable for expressing queries of different types, and investigate efficient processing techniques for this new framework. We exploit sequential access and data sharing by developing new storage and query processing techniques to leverage inter-query concurrency. Our experimental results, based on the Corel dataset, indicate that the proposed optimization can significantly reduce average response time in a multiuser environment, and achieve better retrieval precision and recall compared to two recent techniques.

半监督学习的Co-training算法研究

介绍一种基于半监督学习的协同训练（Co-training）分类算法,当可用的训练样本比较少时,使用传统的方法进行分类,如决策树分类,将无法得到用户满意的结果,而且它们需要大量的标记样本。事实上,获取有标签的样本的代价是相当昂贵的。于是,使用较少的已标记样本和大量的无标记样本进行协同训练的半监督学习,成为研究者首选。     

应用于人脸识别的改进局部保持投影算法

局部保持投影算法（locality preserving projections,LPP）作为降维算法,在机器学习和模式识别中有着广泛应用。在识别分类中,为了更好的利用类别信息,在保持样本点的局部特征外,有效地从高维数据中提取出低维的人脸图像信息并提高人脸图像的识别率和识别速度,使分类达到一定优化,基于LPP算法结合流形学习思想,通过构造一种吸引向量的方法提出一种改进的局部保持投影算法（reformation locality preserve projections ,RLPP）。将数据集利用极端学习机分类器进行分类后,在标准人脸数据库上的进行试验,实验结果证明,改进后算法的识别率优于LPP算法、局部保持平均邻域边际最大化算法和鲁棒线性降维算法,具有较强的泛化能力和较高的识别率。     

A framework for the verification of infinite-state graph transformation systems

We propose a technique for the analysis of infinite-state graph transformation systems, based on the construction of finite structures approximating their behaviour. Following a classical approach, one can construct a chain of finite under-approximations (k-truncations) of the Winskel style unfolding of a graph grammar. More interestingly, also a chain of finite over-approximations (k-coverings) of the unfolding can be constructed. The fact that k-truncations and k-coverings approximate the unfolding with arbitrary accuracy is formalised by showing that both chains converge (in a categorical sense) to the full unfolding. We discuss how the finite over- and under-approximations can be used to check properties of systems modelled by graph transformation systems, illustrating this with some small examples. We also describe the Augur tool, which provides a partial implementation of the proposed constructions, and has been used for the verification of larger case studies.