人工智能语言及其环境的特征

本文叙述影响人工智能语言设计的人工智能问题的特征,描述在已开发的人工智能语言中处理这些特征的方法,说明人工智能程序设计环境的地位及其与人工智能语言的紧密关系,并指出软件工程应从人工智能环境的使用经验中吸取教训。     

BBEST中图形获取的设计与实现

ＢＢＥＳＴ图形获取子系统是ＢＢＥＳＴ的一个辅助生成工具。它提供了鼠标输入、数字化仪输入和字符及汉字输入，能方便地完城二维图形的生成、变换、存取等操作，并有简单的处理三维的能力。本文着重介绍它的数据结构、模块结构、以及若干实现算法。     

混合型学习系统HMCAP的设计与实现

本文介绍混合型学习系统ＨＭＣＡＰ的设计与实现，该系统将符号学习ＣＡＰ算法的主要思想和ＢＰ神经网络有机结合，以状态在实例空间出现的概念为启发信息，以提供的混合实例集为分类依据，根据用户的要求得到不同精度的结合ＢＰ网的二叉多分类判定树，并具有增量学习能力。本文还给出ＨＭＣＡＰ的实现技术与应用实例。     

BBEST：基于黑板模型的专家系统开发工具

本文描述了一个基于黑板模型的专家系统开发工具ＢＢＥＳＴ的设计与实现。它将多种知识表示、多种非精确性推理策略以及存储管理、图形编辑等技术融合于黑板模型中，具有定性推理与定量计算相结合的功能。     

人脸自动检测与识别技术的研究及应用

本文提出了一种基于可疑人脸区域发现算法和结合投影图的人脸识别算法，算法在标准的人脸库上进行了实验，实验结果表明该算法能在人脸库中正确检测到绝大多数人脸的位置，并且在识别过程中体现了比标准特征脸方法更高的识别率和更小的计算量。以此算法为基础，研制和开发了一种计算机自动考勤系统。     

一种快速支持向量机分类算法的研究

提出一种快速的支持向量机分类算法——FCSVM，对支持向量集采用变换的方式，用少量的支持向量代替全部支持向量进行分类计算，在保证不损失分类精度的前提下使得分类速度有较大提高．在UCI标准数据集上进行的分类实验以及在FERET标准人脸库上进行的人脸识别实验都表明该算法具有较好的性能，在一定程度上克服了传统的支持向量机分类速度较慢的缺点、尤其在训练集规模庞大、支持向量数量较多的情况下，采用该算法能够较大幅度地减小计算复杂度，提高分类速度．     

支持向量机及其在模式识别中的应用

Statistical learning theory(SLT)and support vector machine(SVM) are effective to solve problems of machine learning under the condition of finite samples.It is known that the performance of support vector machine is often better than that of some neural networks in pattern recognition,especially in high dimensional space,and they arewell used in many domains for recognition.This paper at first introduces the basic theory of SLT and SVM,then points out the key problems of SVM and its research situation in recent years,and at last describes some applications of SVM in the field of pattern recognition.     

机器学习在RoboCup中的应用研究

RoboCup is a particularly good domain for studying multi-agent systems.A wide variety of MAS issues can be studied in robotic soccer,in which the theory,algorithm and architecture of agent system can be evaluated.Because of the inherent complexity of MAS,there are many interests in using machine learning techniques to handle it.This paper investigates and discusses the machine-learning techniques used in RoboCup.The background is firstly presented and the application of machine learning in RoboCup is lately demonstrated with some top simulation teams.The machine-learning system in NDSocTeam is also introduced.Finally some open issues in this field are pointed out.