在爆破设计中基于组合优化的一个新的计算公式

基于超图的性质,提出了一个在爆破设计中由经验公式和经验数据组成的通用的计算公式。当一个目标函数值可由许多公式估算时,它可以选出最好的几个分配问题的模型被用来做更准确地分析,新公式在爆破块度分布的计算中被验证。     

基于电路分块方法的超大规模集成电路测试技术

随着集成电路工艺和规模的飞速发展,使得VLSI测试变得日益困难,因此测试技术成为VLSI领域的一个重要研究课题。在分析VLSI测试的瓶颈问题基础上,介绍了几种电路分块算法,分析了分块算法对于VLSI测试的必要性。利用分块算法将原始电路划分为若干子块有利于采用不同BIST结构对子块进行测试,使得一定时间内电路翻转次数降低,而功耗也随之降低;通过比较并行BIST和扫描BIST的实验结果,发现并行BIST获得的系统故障覆盖率高于扫描BIST。     

Mappings of Figure Spaces and Systems of These Spaces

The formation of an informal theory of figure spaces is considered. In particular, interesting and natural generalizations of such fundamental mathematical concepts as continuous and uniformly continuous mappings are proposed.     

基于自然语言理解的需求聚类和需求优选方法研究

为了实现大数量软件需求的优选,提出了一种基于自然语言理解的需求聚类和需求优选方法。该方法首先基于自然语言处理技术对需求进行深层次语言理解,找到相同语义的需求并只保留一条。随后,采用基于超图分割的需求聚类方法对大量需求进行聚类。最后,提出了需求优选目标函数,该目标函数根据需求聚类结果为需求优先级打分,并在综合考虑需求与类别的相似性、类别的权重以及聚类标准的权重的基础上,最终给出一个合理的需求优选结果。在大规模真实的需求集合上进行了实验,实验结果表明:基于自然语言处理技术的需求聚类性能优异;需求聚类对后续的需求优选起有着非常重要的作用;基于超图分割的需求聚类,以及在此基础上提出的需求优选函数相对于基线方法有着明显的提高。     

参数化设计中的对象约束模型及反向约束的研究

应用图论方法,建立了基于有向超图的对象约束模型,提出了压缩十字链表形式的网状存储结构,能够完整,准确地记录设计者的设计意图,实现尺寸及参数驱动图形的功能清晰地表示约束间的双向约束关系,有效地实现了约束的传播与救解,其完备的表不方式可方便地实现反向约束求解。同时利用面向对象技术,高效地实现了实体及约束建模,采用相应的类层次结构,充分发挥对象的封装性和扩展性,提出了一种方便灵活的参数化设计方法。     

基于混合超图的一种4NF的判定算法

本文讨论了混合超图中４ＮＦ判定有关的理论，并在此基础上给出了一个对应的关系模式是否属于４ＮＦ的判定算法。     

基于混合超图的最小覆盖,闭包求解算法研究

文中讨论了基于混合超图的有关冗余消除的部分定理，完善了这一理论。并给出了最小覆盖，闭包求解的新算法，进行了相关算法分析。     

Hypergraph Models and Algorithms for Data-Pattern-Based Clustering

In traditional approaches for clustering market basket type data, relations among transactions are modeled according to the items occurring in these transactions. However, an individual item might induce different relations in different contexts. Since such contexts might be captured by interesting patterns in the overall data, we represent each transaction as a set of patterns through modifying the conventional pattern semantics. By clustering the patterns in the dataset, we infer a clustering of the transactions represented this way. For this, we propose a novel hypergraph model to represent the relations among the patterns. Instead of a local measure that depends only on common items among patterns, we propose a global measure that is based on the cooccurences of these patterns in the overall data. The success of existing hypergraph partitioning based algorithms in other domains depends on sparsity of the hypergraph and explicit objective metrics. For this, we propose a two-phase clustering approach for the above hypergraph, which is expected to be dense. In the first phase, the vertices of the hypergraph are merged in a multilevel algorithm to obtain large number of high quality clusters. Here, we propose new quality metrics for merging decisions in hypergraph clustering specifically for this domain. In order to enable the use of existing metrics in the second phase, we introduce a vertex-to-cluster affinity concept to devise a method for constructing a sparse hypergraph based on the obtained clustering. The experiments we have performed show the effectiveness of the proposed framework.     

基于有向超图的参数代表示模型及其实现

本文提出了一种基于有向超图的参数化图形表示模型．它不仅能够表示图形的尺寸约束和几何约束，而且能够支持图形拓扑结构变化和工程设计约束的表示．在交互绘制图形对象的同时直接建立参数化图形约束模型．由于在图形构造的每一步都保证约束的一致性，因此，不会出现过约束或欠约束的情况．经实践表明，该模型具有实用方便、高效可行的特点，适合于系列化产品的参数化ＣＡＤ系统建模和绘图．     

有向超图论和分解收缩法

提出了超图理论的一个新分支－有向超图理论和一类新方法－分解收缩（ＤＣＰ，ＰＤＣＰ和ＧＤＣ）法，用于示解超网络问题。它计算时间比ＥＣＰ法降低几个数量级。