新一代(第四代)人机交互的概念框架特征及关键技术

人机交互是研究人与计算机之间通过相互理解的交流与通信,在最大程度上为人们完成信息管理,服务和处理等功能的一门技术科学.本文给出新一代(第四代)人机交互的概念框架和其四个标志性特征,即:(1)具有多模感知(听觉,视觉,手势,笔势等)功能的人机交互方式;(2)可进行基于Agent的听、视觉对话,作为人机交互的界面;(3)具有Internet数据仓库和基于内容检索的知识处理能力,作为人机交互内容;(4)可以在二维或虚拟的三维环境中实现人机通信,作为人机交互的环境.文中给出了解决和实现该四大特征的关键技术,描述了实验系统平台的全面功能,可以为同类研究人员作参考.     

基于AutoCAD信号控制电路绘图及仿真系统的研究

为了解决现在铁路信号控制电路设计软件效率低、功能单一的弊端，以美国的Autodesk公司1992年推出的AutoCADR12作为主要操作平台，建立了VisualC++、Excel、VisualBasic、Foxpro、AutoLisp协同工作的铁路信号控制电路绘图及仿真软件包。此软件包性能优越、界面友好、操作简单。     

氧浓度对生物质烘焙特性的影响

为探究烟气中氧浓度对生物质烘焙过程的影响,以麦秆为研究对象,在固定床反应器上进行温度及氧浓度下的烘焙实验。研究结果表明:随着氧浓度的增大,烘焙过程可分为3个阶段:氧浓度较低时(6%),主要为半纤维素的脱羧基和羰基化反应以及综纤维素的缓慢氧化;随着氧浓度的增加(6%),氧化反应加剧;当氧浓度10%时,氧化反应导致局部热量堆积,出现挥发分燃烧现象。烟气烘焙耐受氧浓度为6%,此时质量和能量产率分别保持在60%和70%之上。     

矿物质对沥青岩结渣特性的影响

利用流化床系统对土耳其沥青岩进行结渣特性实验,测定矿物添加剂作用下沥青岩的结渣量,并利用X射线荧光光谱分析(XRF)以及HSC Chemistry模拟软件对沥青岩中矿物质在升温过程中的转化进行分析。结果表明,硫酸钙对沥青岩的结渣特性影响显著,灰中硫酸钙含量越高,硅酸钙含量越低,沥青岩的结渣程度越大。通过添加矿物添加剂可以将灰中的硫酸钙转化为硅酸钙,从而显著降低土耳其沥青岩的结渣倾向。     

用遗传算法实现模糊测度赋值的一种多分类器融合算法

由于模糊理论可以很好的表达和处理不确定性问题,因而得到了广泛的应用,并成为信息融合领域中的有效方法.只要选取合适的模糊测度值,基于模糊积分的多分类器融合方法就可以达到比最优的单分类器更好的分类效果.用遗传算法来计算模糊测度的值时,可以得到解空间中的最优解,从而实现比非优化方法更好的融合效果.模拟实验结果也证实了这一点.     

氧化温度对沥青岩结构及其燃烧特性的影响

沥青岩是一种挥发分含量高,粘结性强的燃料,采用低温氧化方法可以降低其粘结性,有助于其在锅炉中燃烧。研究氧化温度对沥青岩结构及其燃烧特性的影响,发现沥青岩的粘结性受醚键、脂肪烃和羰基共同作用,其中醚键的作用较大;沥青岩及其氧化样的燃烧过程包括水分脱附和蒸发、吸氧增重反应、受热分解过程、剧烈燃烧和燃烬5个阶段,低温氧化使得热分解阶段延迟,沥青岩的粘结性降低。     

基于AutoCAD信号控制电路绘图及仿真系统的研究

为了解决现在铁路信号控制电路设计软件效率低、功能单一的弊端，以美国的Ａｕｔｏｄｅｓｋ公司１９９２年推出的ＡｕｔｏＣＡＤＲ１２作为主要操作平台，建立了ＶｉｓｕａｌＣ＋＋、Ｅｘｃｅｌ、ＶｉｓｕａｌＢａｓｉｃ、Ｆｏｘｐｒｏ、ＡｕｔｏＬｉｓｐ协同工作的铁路信号控制绘图及仿真软件包。此软件包性能优越、界面友好、操作简单。     

新一代（第四代）人机交互的概念框架特征及关键技术

人机交互是研究人与计算机之间通过相互理解的交流与通信，在最大程度上为人们完成信息管理，服务和处理等功能的一门技术科学．本文给出新一代(第四代)人机交互的概念框架和其四个标志性特征，即：(1)具有多模感知(听觉，视觉，手势，笔势等)功能的人机交互方式；(2)可进行基于Agent的听、视觉对话，作为人机交互的界面；(3)具有Internet数据仓库和基于内容检索的知识处理能力，作为人机交互内容；(4)可以在二维或虚拟的三维环境中实现人机通信，作为人机交互的环境．文中给出了解决和实现该四大特征的关键技术，描述了实验系统平台的全面功能，可以为同类研究人员作参考．     

机械工程图中形位公差符号的自动识别技术研究

根据机械工程图中形位公差符号的特点，在矢量基础上，提出并实现了一种基于关键图形特征和标注字符相结合的识别算法。该方法包括3个步骤：首先寻找该类图形的关键元素；然后根据该类图形的具体构造语法规则，由关键元素引导、逐步搜索该类图形的其他结构元素；最后用字符信息来对该类图形的有效性做出判定。试验结果表明该算法具有较好的适应性，且识别率高。     

一种新的基于聚类的多分类器融合算法

提出了一种新的多分类器融合算法,该算法能找出各分类器在特征空间中局部性能较好的区域,并利用具有最优局部性能的分类器的输出作为最终的融合结果。首先,利用各分类器对训练样本进行分类,这样训练样本被划分为正确分类样本和错误分类样本两个集合;接着,对这两个样本集合分别进行聚类分析来划分特征空间,并计算各分类器在特征空间局部区域中的性能;在测试时,选择测试样本周围局部性能最优的分类器的输出作为最终的融合结果。基于ELENA数据集的实验显示了该算法的有效性。