用户界面开发系统研究

一、引言一个软件系统的用户界面是指系统中被设计用来与人类用户交互的所有内在设施,这一领域的工作焦点集中在系统与用户之间的有效通讯上。用户界面是一个软件系统成功与生存的重要因素之一。众所周知,传统CAD 存在着三大问题:缺乏智能、非集成化、非友好的用户界面,其中有两个问题直接或间接地与用户界面有关。软件工程的经验也表明,用户界面的设计和实现在一个软件系统的开发工作中占据很大的比例。专     

一种新的基于SVM的相关反馈图像检索算法

提出了一种新的基于支持向量机(SVM)的相关反馈图像检索算法。实验结果表明，该算法在一定程度上解决了基于SVM的相关反馈图像检索中存在的样本不足的困难，提高了系统的检索性能。     

基于神经网络的增量式数据索引机制研究

为了解决难以利用MDS方法进行有效的增量式数据索引的问题。本文提出了基于神经网络的增量式数据索引方法。该方法首先对少量数据用MDS方法进行索引，索引结果用于训练神经网络，新数据再通过训练后的神经网络进行索引，利用训练后的神经网络对增量数据进行索引的时间复杂度为O(n)。实验结果表明，本文防哪个法可以有效的进行增量式数据索引，并交好的保持了数据对象间的距离信息。     

融合通用题目表征学习的神经知识追踪方法研究

知识追踪是一项评估学生学习过程中知识状态演变情况的任务。现有大多数方法都致力于探索不同的知识状态评估方法。然而,答题过程中更为基础的题目表征受到的关注相对较少。因此,该文提出了一种融合通用题目表征学习的神经知识追踪框架。具体地,该文首先设计了一种通用的题目表征方法,通过知识点、难度和题目独有特征来区分题目。然后,采用现有知识追踪方法同时捕捉知识状态演变并学习题目表征。最后,利用知识状态和待回答题目表征的内积来模拟回答过程。在三个真实数据集上的实验结果表明,该文方法可以在知识追踪过程中学习精确有效的题目表征,并且显著提升了基线知识追踪方法的性能,使其能够超过现有最优方法。     

约束满足问题的局部一致性维护理论与方法

人工智能与计算机科学中的许多问题都可视为约束满足问题,为了简化问题的求解,常采用局部一致性方法减小搜索空间。本文首先介绍与分析了着眼于全局一致性的局部处理的理论与方法,以及尽可能消除回溯因素的局部一致性方法,最后给出了一种在减少局部一致性维护代价上优于已有方法的新算法。     

基于Web Service的B2B电子商务环境构建技术

基于传统技术构建的B2B环境，存在着软件接口复杂和难以发现商业机会等方面的弊端，作为下一代Web标志性技术的Web Service，不仅可以有效地解决B2B中存在的软件接口问题，利用统一描述，发现和集成（UDDI）协议，还可以将服务供求双方有机地形成商业供求链，从而大大增加了商业机会，该文在分析WebServic,UDDI等协议的基础上，介绍了构建基于WebService的系统构建技术和方法。     

基于语义web的agent系统模型

随着互联网的迅速发展，网络信息的处理变得越来越复杂，语义web技术的出现正是为了解决这样的问题。在语义web上信息表示是面向机器可处理的，因此使得机器更容易自动处理网络上的资源，这大大方便了对网络资源的利用和收集。本文在此基础上提出一个基于语义web的agent系统模型，该系统主要包括information server、ontology base、client application三个模块，并结合了本体收集agent、搜索agent和本体agent。其中知识的表示由ontology实现，并可利用其实现一定的推理。     

一种基于多叉树的HTML到XML的转换方法

当前的Web信息大多数都是HTML格式的，由于HTML文件中没有严格的结构性，故很难能用一种有效的方法来检索或提取隐藏其中的数据．针对HTML的这种缺陷，本文提出了基于多叉树的HTML到XML转换方法，把对HTML的信息检索问题转化为对XML的检索问题，以便简化下一步的检索问题．     

基于遗传算法的Job-Shop调度问题求解方法

调度问题是许多计算机应用领域的重要问题,Job-Shop调度是其中的一类典型的困难问题,它通常包含多个可并行实现的目标以及实现这些目标的多种方法与资源.本文以一类实用的Job-Shop问题模型为基础,给出了用遗传算法求解调度问题应采用的染色体表示方法,并针对问题的特点,给出了面向资源空间与面向规划空间的遗传操作的设计思想与方法.实验结果表明,基于遗传算法的Job-Shop调度问题求解方法具有较好的性能,同时也表明,对于求解过程中可能出现的提前收敛问题可通过改变遗传操作概率及调节适应度等方法予以解决.     

基于决策树学习中的测试生成及连续属性的离散化

文中介绍并分析了基于决策树学习中的测试评价标准、测试生成机制及连续型属性的离散化等方法和实现技术．通过分析表明，在离散化过程中，采用信息熵最小化启发式能带来较好的效果．与二分离散化方法相比，采用多分离散化方法能从相同的实例集中构造出更好的决策树．