基于权值不确定性的玻尔兹曼机算法

受限制的玻尔兹曼机（RBM）是一种无向图模型.基于RBM的深度学习模型包括深度置信网（DBN）和深度玻尔兹曼机（DBM）等.在神经网络和RBM的训练过程中,过拟合问题是一个比较常见的问题.针对神经网络的训练,权值随机变量（weight random variables）、Dropout方法和早期停止方法已被用于缓解过拟合问题.首先,改变RBM模型中的训练参数,使用随机变量代替传统的实值变量,构建了基于随机权值的受限的波尔兹曼机（weight uncertainty RBM,简称WRBM）,接下来,在WRBM基础上构建了相应的深度模型：Weight uncertainty Deep Belief Network（WDBN）和Weight uncertainty Deep Boltzmann Machine（WDBM）,并且通过实验验证了WDBN和WDBM的有效性.最后,为了更好地建模输入图像,引入基于条件高斯分布的RBM模型,构建了基于spike-and-slab RBM（ssRBM）的深度模型,并通过实验验证了模型的有效性.     

基于冲突延迟策略的约束群体自组装模型

对二维网格空间上的群体自组装问题进行了较为深入的研究,给出了确保组装结构侧面连通性的充分必要条件,并进行了严格证明,以此为基础提出了基于最大相邻侧面封闭及冲突等待策略的群体自组装模型,该模型在并行的条件下,可以组装任意二维空间上的侧面连通结构,通过仿真和实验对所提出的模型进行了验证与分析。     

DPMAS:一种多主体系统设计方法

提出一种多主体系统设计方法DPMAS。首先,该方法以对象作为主体实现的基础,以UML作为基本的建模语言,保证了与面向对象方法的延续性。同时,该方法提供了新的图来表示多主体系统中的知识模型和主体间交互模型,并对UML符号进行了一些改进以表示主体特有的概念。     

跨时间序列关联规则分析的高效处理算法

多元金融时间序列之间是互相影响的。该文就跨时间序列的关联规则挖掘提出一种新方法:ES-Apriori,此方法通过减少数据库扫描次数,优化内存分配,能够高效地分析多元时间序列之间的关联规则。试验表明,用此方法分析中国证券市场的股票时间序列非常有效。     

Rough集高效算法的研究

深入分析了现有Rough集算法低效性的根源，围绕不可区分关系和正区域两个核心概念，研究了不可区分关系的性质，给出并证明了正区域的一种等价计算方法，从而得出高效的Rough集基本算法；随后，分析了正区域的渐增式计算，并给出了一种完备的同性约简算法．理论分析和实验结果表明，该约简算法在效率上较现有的算法有显著提高．     

一种带缺省推理的描述逻辑

该文提出了一种新的带缺省推理的描述逻辑，它以描述逻辑为主要框架，对单调逻辑和非单调逻辑进行了整合，但又避免了一般缺省逻辑的困难．基于带缺省推理的描述逻辑，构建了一种同时具有Tbox，Abox和缺省规则的知识库系统，研究了带缺省推理的描述逻辑的可满足性、缺省可满足性、概念包含、缺省包含以及实例检测等推理问题，提出了一种用来检测可满足性和缺省可满足性的Tableau—D算法，并得到了缺省可满足性和缺省包含的转换定理．     

基于主体的分布式聚类系统

随着网络的发展,对分布式数据处理的需求日益提高.分布式聚类系统是典型的分布式数据挖据,是分布式数据检索的重要部分.在多主体环境(MAGE)的基础上,构架一个分布式的聚类系统,核心学习算法是生长分层自组织映射网络.MAGE系统为从分布式环境中信息的获取以及知识的共享提供平台.生长分层自组织映射(GHSOM)网络动态生长的特点适合分布环境下对分布数据总体信息的缺乏;它的分层网络结构能更好组织数据类别;学习得到的生长分层自组织映射网络也可以作为检索的接口.该系统可以很好地被用到分布式数据检索系统中去,例如分布式图像检索.     

城市应急联动系统GEIS

GEIS（Grid Based Emergency Inter-Act System）是一个基于主体网格的城市应急联动与社会综合服务系统，通过主体网格和通信系统将治安、消防、卫生急救、交通、公共设施，自然灾害等突发事件的应急联动与综合服务，调度集成在一个管理平台中，通过共享指挥平台和基础信息，实现统一接处警，统一指挥，联合行动，快速反应，为市民提供更加便捷的紧急救援及相关服务，为政府科学决策和处置各种紧急与灾害事件提供技术支持为城市公共安全提供技术保障。GEIS的一个突出优势是将范例推理（Case Base Reasoning,CBR）与规则推理（Rule Base Reasoning,RBR）两种人工智能技术相结合，实现了快速预案支持，为科学决策打下良好基础，目前，GEIS已经应用到抗洪抢险和交通事故处理中，效果表明它具有跨平台性好，稳定性强，响应速度快，易操作的独特优势。     

基于形状特征k-d树的多维时间序列相似搜索

多维时间序列是信息系统中一类重要的数据对象,相似搜索是其应用的一个核心.两个序列(子序列)相似度加以比较的常用方法是:将序列(子序列)转换成空间中的曲线,然后计算曲线间的欧几里德距离.这种方法的主要缺陷是它仅考虑了序列(子序列)间的整体距离关系,而不能体现它们自身的局部变化.针对此问题,提出了一种新的可应用于多维时间序列的快速相似搜索方法.该方法将序列(子序列)的局部变化特性与检索结构(k-d树)结合起来,使得在搜索k-d树的同时实现了序列(子序列)的局部变化匹配,从而极大地提高了查询效率和正确率.实验结果表明了算法的有效性.     

自主计算软件工程方法

从软件工程角度对自主计算进行研究，定义了一种自、主计算系统模型．以此模型为基础，提出了一种多主体系统设计方法DPMAS用于自主计算系统的建模，提出了一种基于构件复用的层次化自主计算未统开发方法．根据研究成果，实现了一个自主计算开发环境，较好的支撑了自主计算系统的软件工程过程．