一个基于抽象解释部分演绎过程

本提出一种新的基于抽象解释的逻辑程序部分演绎方法。在一遍预处理里，针对给定的程序Ｐ和目标Ｇ，同时进行ＰＰＵ｛Ｇ｝的部分演绎和抽象解释，以轴象解释控制部分演绎的展开过程，只要抽象论域是有穷的，部分演绎必定终止，耐用Ｐ’带有抽象解释估算出的关行其运行性质的信息，便于对Ｐ’作进一步优化。     

基于BP网络的中文文本分类技术

本文在对文本分类的问题,关键技术及系统结构进行介绍的基础上,详细阐述了一种利用带动力项的BP神经网络作为分类器的中文文本自动分类方法.该法采用归一化TFIDF算法对特征向量进行权值计算,并使用期望交叉熵统计方法对特征向量集进行精简.此外,我们在TanCorp12数据集上测试了特征项数目和训练次数对于分类器的宏平均和微平均性能的影响.     

基于蚁群优化的DBN转移网络结构学习算法

针对动态贝叶斯转移网络的特点,以I-ACO-B为基础,提出基于蚁群优化的分步构建转移网络的结构学习算法ACO-DBN-2S。算法将转移网络的结构学习分为时间片之间和时间片内2个步骤进行,通过改进隔代优化策略,减少无效优化次数。标准数据集下的大量实验结果证明,该算法能更有效地处理大规模数据,学习精度和速度有较大改进。     

利用概念-权向量组匹配算法的Ontology搜索精化

提出了概念-权向量组匹配算法。该算法对输入信息和待评估Ontology进行语义分析，生成对应的概念．权向量组，利用概念．权向量组的匹配结果生成作为过滤和排序依据的结果向量。并利用该算法开发了Ontology搜索引擎——Wl OntoSearch。     

基于语义分析的OWL文档聚类研究

借助目前丰富的网络资源，将同一主题的现存Ontology知识聚类，提供给领域专家或用户进行二次精化和集成是Ontology研究领域的一个重要课题．OWL是目前用于表示和交换Ontology信息的基本标准．本文从OWL的语义本质出发，考虑了知识之间的继承性及复杂类比较和模糊集运算的相似性，提出一种计算OWL文档语义相似性的方式，并和层次聚类算法集成完成了对OWL文档集的聚类实验．实验结果说明本文提出的算法对自动生成和手工建立的OWL文档集都有很好的效果。     

基于项目序列集操作的关联规则挖掘算法

最大频繁项目序列集的生成是影响关联规则挖掘的关键问题，传统的算法是通过对事务数据库的多次扫描实现的，最新的研究已经开始通过减少事务数据库的扫描次数进而减少挖掘过程的I／O代价来获得更高的效率，随着计算机性能的提高，探索合适的数据结构来支持基于一次事务数据库扫描的高效算法成为可能，该文首先给出项目序列集和它的基本操作的严格定义，然后在此基础上提出了一个称为ISS－DM的最大频繁项目序列集生成算法。ISS－DM算法是通过对事务数据库的一次扫描而逐步演化成最大频繁项目序列集的，最后作者对这一算法的时间和空间效率进行了理论分析和实验验证。     

基于模糊描述逻辑的PNL网络问答系统

将现有网络搜索引擎过渡到网络问答系统是WI的基本目标之一，模糊问答系统是网络问答系统研究的重要问题。基于模糊描述逻辑，该文特化了PNL过程，提出了PNL式模糊网络问答系统。该系统将模糊描述逻辑规则作为PNL 推理过程中用到的原型语言规则中的计算部分，推理出原型语言规则中的知识符号，并以一个具体的问答实例，介绍了PNL式问答系统的工作流程。     

数据流中频繁闭项集的近似挖掘算法

在数据流中挖掘频繁项集得到了广泛的研究,传统的研究方法大多关注于在数据流中挖掘全部频繁项集.由于挖掘全部频繁项集存在数据和模式冗余问题,所以对算法的时间和空间效率都具有更大的挑战性.因此,近年来人们开始关注在数据流中挖掘频繁闭项集,其中一个典型的工作就是Moment算法.本文提出了一种数据流中频繁闭项集的近似挖掘算法A-Moment.它采用衰减窗口机制、近似计数估计方法和分布式更新信息策略来解决Moment算法中过度依赖于窗口和执行效率低等问题.实验表明,该算法在保证挖掘精度的前提下,可以比Moment获得更好的效率.     

ESPRIT：欧洲信息技术研究与开发的战略计划

本文简要介绍欧洲信息技术研究与开发的战略计划ESPRIT的组织实施、和迄今已取得的效果,供国内计算机科技界参考。