超导微波源的仿真、设计与制备

本文主要介绍了采用超导约瑟夫森结实现的超导微波源的基本原理及实现方法。文中我们通过电路仿真得到了输入为直流信号,输出为幅值可调的4.2GHz微波信号,然后根据相应仿真参数绘制了芯片版图,并对实验室原有的自对准剥离工艺进行了改进,完成了超导微波振荡器的制备,为将来利用超导材料实现具有实用价值的太赫兹源奠定了理论以及实验研究基础。     

带约束二进制矩阵编码染色体及遗传算子设计

提出了一类带约束的二进制矩阵型染色体的编码方法.相对于传统向量型染色体编码方法而言,该方法可以通过在矩阵中设置"禁止位"将复杂优化问题的若干约束条件在编码中体现出来.此类染色体的交叉和变异操作不能采用传统方法,否则子代染色体可能成为问题的非法解.设计了一种针对此类型染色体的巡回变换操作,基于该操作可以实现用于带约束二进制矩阵编码染色体的交叉和变异算子.仿真实例表明,此类染色体及遗传算子的设计对于遗传算法用于复杂优化问题的求解,具有一定意义.     

具有少量基本回路布尔网络的不动点

近来作为自然和人造非线性动态网络的一种紧凑模型,布尔网络的研究受到广泛关注.不动点和吸引子是预测布尔网络长期行为的关键.本文针对具有少量基本回路的布尔网络,提出了确定不动点的算法.我们的方法是基于构成反馈顶点集的变量所满足的一组方程.作为应用,我们还给出了检验这类布尔网络全局稳定性的充要条件.     

基于深度学习的作曲家分类问题

在音乐信息检索领域,作曲家分类是一个十分重要的问题,这一问题的目标是通过音频数据来识别相应的作曲家信息.传统的分类算法都是通过提取复杂的特征来进行分类的,而深层神经网络在特征学习上具有比较强的能力,因此提出用深层神经网络来解决这一问题.为了结合不同深层神经网络模型的优点,设计了一种混合模型,该模型基于深度置信网络(deep belief network,DBN)和级联去噪自编码器(stacked denoising autoencoder,SDA),可以较好地解决作曲家分类问题.实验表明,该模型取得了76.26%的正确率,这一结果比单纯用某一种模型搭建的深层神经网络以及支持向量机要好.和图像数据类似,人脑在提取音乐特征也是分层的,每一层对信号的处理不一样,因此混合模型在解决作曲家分类问题上具有一定的优势.     

一种用于基波测量的数字校准方法

在电力系统中，相量测量的精度主要受到信号采样通道元器件误差和软件采样同步误差的影响。分析和实验表明，不同量程同步采样经幅值校准后拟合的方法改进了相量幅值测量的精度，对各相量进行相位校准的方法克服了相量采样的同步误差。综合应用2种方法，提出了基波相量幅值校正和相位校正的数字校准方法，对输入信号采用不同放大倍数调理电路进行分段处理和A／D采样，经幅值校准后拟合，以及对各相量进行相位校准均改进了电力系统电压和电流的测量精度。最后介绍了该方法在微机保护装置中的应用及其检测结果。     

基于代理的工作流邦联及子流调用框架

在分析层次工作流建模和工作流执行时互操作研究的基础上,设计了一个基于代理的邦联及子流调用框架,将层次化建模技术、流程互操作技术和异构数据模型映射和转换技术集成在一起,同时提供了异常处理和灾难恢复功能,真正从业务层次上解决了流程协作问题,并在TiPLM2.9上实现了该解决方案.流程实例之间通过代理进行交互,各个流程独立运行在自己的工作流引擎中,实现了松耦合和隔离性,增强了系统健壮性.     

工作流资源分配中约束规则的建模研究

传统工作流系统在对任务节点进行资源分配时,只进行了组织、角色、人员的分配,而较少对不同任务节点上执行人间的潜在关系进行建模.根据企业的实际应用需求,将这种潜在的约束关系提取出来进行建模,并以规则的形式进行定义.最后采用强有力的推理工具--规则引擎--来完成对定义的规则冲突检测以及规则的实现.     

基于双层结构的矢量工程图符号识别算法EI北大核心CSCD

为了从矢量工程图中自动提取零件种类和个数等信息,提出一种矢量工程图符号识别算法.首先定义矢量工程图中每个元素的3种共同抽象属性以及2个元素之间的关系描述子;然后提出描述符号的双层结构,其比传统的网状或树状结构简单;最后,通过关系描述子的匹配与双层结构的构造进行符号识别.另外,该算法利用四叉树、一次识别多种符号以及对关系描述子进行排序的方法加速符号识别.实验结果表明,文中算法比已有算法识别的符号种类更多,识别效率更高,而且在旋转和缩放变换条件下更加鲁棒.     

基于浏览器收藏夹的用户行为研究

网络用户可以使用浏览器收藏夹收藏网页并快速访问其中内容。基于收藏夹的用户行为研究将对用户个性化、网页质量评估、大规模网页目录构建等方面的工作具有指导意义。该文使用近27万个用户的收藏夹数据,从组织结构、收藏内容和用户兴趣三个方面对用户收藏行为进行了研究。首先,我们提出收藏夹浏览点击模型,分析了收藏夹结构特征和使用效率;其次,通过与PageRank值比较,我们发现用户倾向于收藏质量高的网络资源;最后,我们结合ODP分析了收藏夹用户的兴趣分布特点。     

印刷体汉字识别后处理方法的研究

高阶N-gram语言模型在OCR后处理方面有着广泛的应用,但也面临着因模型复杂度大导致的数据稀疏,以及耗费较多的时空资源等问题。该文针对印刷体汉字识别的后处理,提出了一种基于字节的语言模型的后处理算法。通过采用字节作为语言模型的基本表示单位,模型的复杂度大大降低,从而数据稀疏问题得到很大程度上缓解。实验证明,采用基于字节的语言模型的后处理系统能够以极少的时空开销获取很好的识别性能。在有部分分割错误的测试集上,正确率从88.67%提高到了98.32%,错误率下降了85.18%,运行速度较基于字以及基于词的系统有了大幅的提升,提高了后处理系统的综合性能;与目前常用的基于词的语言模型后处理系统相比,新系统能够节省95%的运行时间和98%的内存资源,但系统识别率仅降低了1.11%。