基于模型诊断的分步求解

对诊断问题的分解进行研究,给出了候选诊断的分解与组合定理.在此基础上,提出了利用分步求解方法实现诊断分解的算法,并对算法的正确性、完备性和复杂性进行了证明.实验结果表明,分步求解方法明显提高了包含多个输出的系统的诊断效率.与利用变量假定例化值分解诊断问题的方法相比,该算法能提高了效率并且扩大了适用范围.  

基于IP单播的远程唤醒研究及实现

介绍了远程唤醒的基本原理,指出了传统的基于IP广播方式的远程唤醒的缺点,提出了基于IP单播的远程唤醒,并给予了实现。同传统的基于IP广播方式远程唤醒相比,基于IP单播的远程唤醒是一个更优的方案。  

一种OpenGL局部缩放算法及应用

缩放是OpenGL三维模型展示的基本操作之一，一般缩放时由于整个场景围绕视景体中心缩放，感兴趣区域在视图窗口中的位置会不断变化甚至离开视景体，需要不断地执行平移操作，不断地修正感兴趣区域在视图窗口中的位置，无法集中精力观察工程计算中模型的变化细节。为了解决该问题，从图形学角度提出了一种改进的局部缩放算法，实现了用鼠标滚轮缩放模型时，鼠标选择处的模型不离开视景体而相对视图窗口的位置保持不变，省去了传统算法中用户进行缩放操作时需要不断进行平移的操作．改进了用户体验。该算法在多个可视化项目中得到实际应用．取得了很好的操作体验。  

含故障模式的值传递诊断及其完备性讨论

基于模型的诊断是人工智能领域一个活跃的研究方向.基于值传递的诊断是一种高效的故障诊断方法,但在一般情况下不完备,且系统模型仅描述元件的正常行为.扩充了基于值传递的系统模型,可以描述系统元件的多种故障模式;重新定义了诊断,明确了该模型下得到的诊断与一致性诊断和溯因诊断之间的关系;同时,指出了值传递与真实诊断的关系,为诊断测试提出了新的思路;最后,给出了值传递诊断方法的完备的充分条件,对推进值传递诊断方法的实际应用有积极意义.  

值传递诊断过程的抽象和重用

提出了一种基于值传递的系统模型,重新定义了诊断,并给出了快速找到一个极小诊断的算法.在此基础上,提出了独立于系统输入输出的值传递路径的概念,实现了值传递诊断过程的抽象,并根据等价路径对系统值传递路径空间进行约简.以约简的值传递路径空间为基础,给出了一种故障诊断算法,在一定条件下多项式时间结束.  

累积反馈学习的简单贝叶斯垃圾邮件过滤

给出了一种基于累积反馈学习的简单贝叶斯邮件过滤方法.在此基础上,通过领域规则的引入,对基于累积反馈学习的简单贝叶斯过滤方法进行了改进.实验结果表明累积反馈学习对不断保持和提高分类器的分类效果是必要的.  

含故障模式的诊断系统设计

问答系统因能提供方便的输入模式与更精确的答案而成为获取网络信息的重要手段。介绍了一个面向OWL知识的问答系统 Agile,并着重阐述了其在问题规范和字典生成方面的技术方案。为了得到合适的映射单位,Agile定义了两个数据结构用于规范自然语言问题和OWL本体知识字典,并借助一些自然语言处理工具和OWL解析工具将两种源知识进行了形式化。和现有网络问答系统比较,Agile不需要用户参与,能够处理的问题领域和形式更加丰富。  

一种智能DNS 的设计与实现

分析了目前包括BIND9在内的各种域名定向解析方法的不足，提出并实现了一种改进的SmartDNS解决方案，并以实验证明，SmartDNS是灵活的、有效的，其解析结果要优于传统的智能DNS．