图文法并行归约的研究

随着计算机科学,特别是软件技术的发展,图、表等作为计算机处理的二维对象的使用更加广泛和深入。而乔姆斯基形式文法对一维对象的处理方式显然已无法满足这种需求。作为一维文法的扩展,图文法便应运而生。但在对原图进行归约的过程中,通常使用顺序的归约方式,这种方式的效率较低。本文在对图文法EGG[1]原理研究的基础上,对并行归约进行了研究,总结了归约时图柄之间的关系,并对每种情况的并行归约的条件进行了简要的分析。     

整数环上乘法噪声多项式插值算法的研究与改进

乘法噪声多项式插值问题在密码理论和编码理论研究中有着重要的应用.本文对Gathen和Shparlinski提出的整数环上乘法噪声多项式插值算法进行了分析,提出了改进算法.采用Babai的最近向量格归约技术得到更精确的估计向量,再计算出插值多项式的倍式多项式的系数,从而计算出原插值多项式的系数.改进算法降低了乘法近似黑盒的询问初值,提高了算法初始化阶段的效率.     

电信业务流失建模的研究

采用Logistic回归分析方法，以SAS统计软件为工具，针对普通长途电话的业务流失进行建模，获得了可操作的电信业务流失的数学模型。以实际的电话用户业务数据为样本，对所建立的模型进行了验证，结果显示这种模型具有较高的准确性。本文详细描述了建模方法、数据获取及处理，并对建模结果进行了分析和讨论。     

基于部分信息泄露的Hensel提升计算问题

针对传统隐藏数仅局限于模素数或模特定形式合数的问题,利用Hensel提升和格归约技术,提出一种隐藏数问题由模素数向模一般形式合数提升的方法。将隐藏数问题由模素数向模素数方幂提升,运用中国剩余定理得到模一般形式合数下的隐藏数问题。利用该方法证明Hensel提升的离散对数计算,可归约到模素数情况下的隐藏数问题。     

集群上一种面向空间连接聚集的并行计算模型

单机运行环境难以满足海量空间数据的连接聚集操作对时空开销的需求,集群上的并行计算是高效处理海量空间数据的连接聚集操作的关键. Map-Reduce是云计算中一种应用于大规模集群进行大规模数据处理的分布式并行编程模型,分析发现,Map-Reduce并不直接支持以既高效又自然的方式来处理具有二次归约特征的并行空间连接聚集操作.因此,提出了一种并行计算模型——Map-Reduce-Combine（MRC）来有效地处理大规模空间数据的连接聚集操作.MRC在Map-Reduce 模型上增加一个Combine阶段,有效地合并分散在各个Reducer的部分聚集结果.针对并行任务划分中空间对象的单分配问题,提出了过滤优化算法,提高了MRC下处理空间连接聚集查询的效率.实验验证所提出的并行计算模型在处理空间连接聚集查询时具有良好的效率、有效性、可扩展性和简单性.     

汉语多重关系复句的关系层次分析

汉语多重关系复句的句法分析问题主要由复句中的关系分析和层次分析两部分组成.将多重关系复句中的层次分析作为研究对象.它是针对多种逻辑或并列关系,按照一定层次组成复杂主从关系复句而进行的关系层次分析过程.为了有效地形式化地表示多重关系复句的层次结构,提出了关系层次树的概念,并以此为基础构造文法,采用部分数据驱动的确定性移进-归约算法实现多重关系复句的关系层次分析.通过开放测试对计算机实现的多重关系复句句法分析器进行考察,93.56%的正确率使所提出的分析方法的有效性和正确性得到了充分的验证.     

基于免疫数值归约方法的车牌颜色识别算法

为了解决K近邻算法(KNN)在训练样本较大时计算开销很高的问题,提出了一种新颖的基于免疫原理的数值归约方法,并将之应用于车牌颜色的识别.给出了抗原决定基、免疫细胞等的定义和亲和力计算方法;采用克隆选择与变异、免疫耐受和免疫记忆等机制实现对训练抗原集的多种群并行免疫学习,达到数值归约的目的;利用免疫归约所得检测器结合KNN方法完成免疫应答阶段的车牌颜色识别.在两个数据集上与利用直方图进行数值归约的方法进行了对比实验,结果表明,本文算法能有效进行数值归约,归约率分别达到98.87%和 95.48%;并取得了较好的分类效果,正确率分别为97.45%和94.73%.     

二级倒立摆的拟人智能控制

以二级倒立摆为被控对象,利用拟人智能控制方法设计了系统的非线性控制律。与传统的控制方法相比,拟人智能控制方法不受线性约束,从而对于复杂的非线性被控对象可以得到满意的控制结果。对二级倒立摆控制系统进行了数字仿真,仿真结果进一步验证了设计方案的有效性。     

ELNF演算的解释技术

ＥＬＮＦ演算是我们在ＬＮＦ演算的基础上扩充逻辑程序设计能力而得到的一种函数／逻辑演算系统，它构成了作者设计的函数／逻辑语言ＲＦＵＮＬＯＧ的基础．本文介绍ＥＬＮＦ演算的解释实现技术，包括数据结构、系统结构以及各个模块的设计思想．最后给出了在此解释系统下，几个典型程序的运行时间．     

RR:问题求解的功能化设计方法

RR(Reduction-Reasoning)方法分归约和推理两个层次实现问题求解的功能化设计.作 为归约层基本元素,处理元由推理层基本元素构造为功能单元.因处理元的推理控制策略可 由基本的控制元素合成,使RR方法能通过综合弱法实现适合于问题特征的求解方法.处理 元及其控制槽则作为二级索引来集中知识获取和推理控制的注意力.