基于J2EE的旅游电子商务平台的设计研究

J2EE是一种全新概念的企业级应用程序模型,和传统企业应用开发模型相比有不可比拟的优势.探讨了J2EE技术的电子商务平台开发过程中遇到的问题,并给出了相应的解决方法.同时以一个国家级旅游电子商务平台为例,详细讨论了具体实施过程中各部分的设计和实现.     

基于组件的网络移动机器人软件框架

在研究移动机器人自身特点及网络控制特性的基础上，提出一种基于组件的移动机器人程序框架，减少了编写移动机器人应用程序时的复杂性并提高了代码的复用性。通过构建统一的网络平台和控制平台，制定一组规范的模块抽象类和接口，实现组件的动态加载和连接。通过优先值控制，灵活地调整对机器人的控制方式和网络控制模式。结合中科院智能机器人平台AIM，说明如何使用Java和XML构建该框架。     

一种基于跟踪微分器的简单自适应控制算法

应用跟踪微分器在处理信号时具有较强的误差衰减能力和抗扰动能力,针对传统的简单自适应控制算法中增益调节过于简单、收敛速度慢且适应性不强的缺点,对传统的简单自适应算法进行了改进,提高了收敛速度,减小了静差。描述了该算法的结构和原理,运用Lyapunov稳定性理论和LaSalle不变性原理证明了控制算法是稳定的,跟踪误差收敛到零。计算机仿真结果验证了算法的可行性和有效性,并给出了参数选择的一般法则。     

SVM增量算法及在旅游信息分类中的应用

在如何从海量的数据中提取有用的信息上提出了一种新的SVM的增量学习算法.该算法基于KKT条件,通过研究支持向量分布特点,分析了新样本加入训练集后,支持向量集的变化情况,提出等势训练集的观点.能对训练数据进行有效的遗忘淘汰,使得学习对象的知识得到了积累.在理论分析和对旅游信息分类的应用结果表明,该算法能在保持分类精度的同时,有效得提高训练速度.     

软件人协商中的自学习

首先提出了一个双边多主题的协商模型,给出了协商模型定义、协商要素及一个软件人双边协商框架,并详细讨论了协商主题、协商协议、效用函数、协商资源及协商策略,然后利用BP神经网络学习算法对协商策略中关键的最终结果集进行预测和学习,实现了软件人协商的自学习过程.与其他的相关研究相比,论文针对不完整信息环境下的协商交互过程,利用神经网络具有的网络自适应、自学习的能力,对协商最终结果集进行预测,提高了协商的效率.在协商交互中采用该框架的个体将得到更为有利的协商结果,因此更加适用于不完整信息环境下的协商.     

集群计算通信库HPCL_USTB的零拷贝MPI系统

针对集群计算系统不同的底层通信库，高效率地实现MPI函数是提高集群应用系统效率的有效途径。MPI_HPCL(Massage Passing Interface Based on HPCL_USTB)就是在集群系统底层通信库HPCL_USTB(High Performance Communication Lib of USTB)的基础上实现的具有零拷贝支持的MPI系统。它能够有效地管理被锁定的存储空间，避免死锁现象，采用对发送和接收的锁定存储进行分开控制和延迟队列的策略，保证了零拷贝消息传送的高效率和安全可靠。     

基于一种改进PSO的移动机器人路径规划

提出了基于一种改进微粒群优化算法的移动机器人在已知环境信息下的路径规划方法。通过对算法中微粒的速度进化方式的改进，使算法能有效地对搜索空间进行搜索，避免陷入过早收敛，此外还将边界约束、静态避障和最短路径这3个条件表示成一个简单的适应度函数，使整个优化过程满足路径规划的任务要求。最后，通过仿真取得了很好的效果，证实了方法的可行性和有效性。     

无线图像监控系统的研制

本文介绍了一种基于嵌入式主扳的便携式无线图像发射装置的设计原理和实现方案，该装置具有图像采集、图像处理和图像的无线传输功能。同时提出了一种改进的运动图像检测算法，并将其应用到无线图像发射装置的图像处理过程中，由此构造了一种基站式无线图像监控系统。该系统可以获取被监控现场的实时图像．时图像中运动物体检测。当有运动物体进入监视现场时，无线图像发射装置给出报警信号。并将报警信号以及实时的图像画面通过无线图像发射装置发射出去，通过无线接收基站传入监控机房，监控人员可以在监视器上观察报警现场的情况。我们研制出了便携式无线图像发射装置的样机。并在实验室构建了该无线图像监控系统，获得了理想的效果。     

假日旅游流量预测模型的研究

分析了假日旅游信息特征,引入了效用函数的概念,建立了适用于假日旅游大系统流量预测的广义模型.将假日旅游流量预测模型进行了非线性推广,通过极大似然法和RBF神经网络分别对线性流量模型和非线性流量模型进行了预测.     

必要规则对分类影响的研究

基于规则分类方法的主要计算依据是形如"A→C"的规则(称为充分规则)及其置信度.其中:"A"代表数据集中决策属性取值的集合,"C"代表某个类标号.那么,形如"C→A"的规则(称为必要规则)是否可以在分类算法中起到积极的作用呢?依据规则分类方法原理设计了简单的实验,实验只考虑单个决策属性的不同取值与类之间的关联.根据实验目标,分类测试采用了两种方法:方法1只考虑充分置信的影响;方法2考虑充分置信和必要置信的影响.通过在几个典型的分类集上测试,结果表明:在分类计算时适当利用必要规则置信度可以提高分类精度.