球墨铸铁活塞环的热处理工艺试验

热处理是进一步调整和改进球铁活塞环的基体组织以提高其性能的一条重要途径、为此，我们对表1所示化学成分、．单体双片椭圆砂型铸造（3t工频炉熔炼，Sr－Fest孕育）的活塞环进行了热处理工艺试验，取得了满意的效果。近几年来、工艺稳定，产量连年翻番，质量达到了国外同类产     

基于服务生成图的Web服务工作流可用性研究

针对Web服务工作流随着服务的动态产生和消失，导致工作流的可用性受影响的现象，提出了一种基于服务虚拟平台的服务工作流可用模型——High-Workflow，论述了可用模型的结构体系、组织协议。该模型有效地屏蔽了组成工作流的Web服务物理上的差异，通过Web服务的复制与备份提高了工作流的可用性，在理论上分析了模型的可用度，通过实例验证了该方法的有效性。     

基于掩码分段匹配的否定选择数据分类

根据免疫否定选择原理,设计了基于掩码分段匹配的否定选择分类器,用于实现规则匹配分类。给出了适用于免疫优化的分类规则编码及分类信息分的评价标准,通过免疫进化对其进行群体优化以生成更为简洁、便于理解的数据规则集。该方法使得免疫优化的各种优良特性在数据分类中得到充分的运用,避免了传统分类算法缺乏全局优化能力的缺点,提高了对样本的识别能力。实验结果表明,这种免疫分类器及优化方法是一种有效、可行的分类器设计方案,提高了数据分类的准确性。     

数据同化框架下基于差分进化的遥感图像融合

针对现有融合方法的结果图像不易根据后续处理的要求进行自适应调整, 不同方法的优点不易综合的问题, 借鉴气象领域中的数据同化系统能综合其模型算子和观测算子两者优点的思想, 提出一个基于差分进化的遥感图像融合框架. 在该框架下, 将基于对比度àtrous的Contourlet变换作为模型算子, 独立分量分析和àtrous小波变换作为观测算子, 用差分进化(Differential evolution, DE)算法来优化由图像定量评价指标组成的目标函数, 从而获取更合适的图像. 二组实验从视觉效果和定量指标两方面验证了该框架的有效性.     

GP算法中适应度函数的光滑拟合与调整参数方法研究

研究了遗传程序设计(GP)算法中适应度函数的光滑拟合问题,结合LAMs(Linear association memorys)方法和HJ(Hook和Jeevs)方法两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价.光滑拟合的好坏关键取决于调整参数的选择.提出了一种选择调整参数的新方法,同时,给出了两个数学例子,并与广义交叉实验B-样条函数仿真比较验证.     

标准模型下的代理签名:构造模型与证明安全性

目前已经提出的代理签名方案缺乏在完整的代理签名安全模型下证明方案的安全性.在Boldyreva等人提出的代理签名安全模型的基础上,对代理签名的可证安全模型进行详细的形式化定义,提出一种完整的代理签名可证安全模型.同时,为了展示该安全模型的有效性和可扩展性,对Paterson等人提出的标准模型下基于身份的签名方案进行扩展,提出在标准模型下基于身份的代理签名方案,并在可证安全模型下,证明新方案具有在自适应选择消息攻击下存在基于身份的代理签名不可伪造性,其安全性在标准模型下可归约于CDH问题假定.新方案与标准模型下基于公钥密码体制的代理签名方案相比,不仅增加了用户身份的概念,还具有更完备的安全性.     

商科类高校信息管理专业个性化人才培养模式研究

近年来,中国高校的规模迅速扩大,规模化教育容易制造标准化产品。同一个专业的技术人才就如从同一道生产线上复制出来的批量产品,知识结构和专业技能雷同,缺乏个性化与创新性。这一现象严重制约了高校人才培养与企业人才需求的无缝对接。基于此,着眼于商科类院校信息管理专业教育模式单一化、规模化的现状,深入探索个性化人才培养模式改革中存在的众多问题,并给出相应的解决策略,旨在为高校构建多样化、个性化、弹性化的培养模式及教学方法提供借鉴与参考。     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

一种求解GP-决策树权值矢量算法及应用

提出一种基于遗传程序设计算法(GPA)求解决策树结点的权值矢量，并根据树结点的错误率与分割后的错误率减少量构造GP-决策树算法的方法。该方法不但可以求解出树结点的权值矢量，同时也确定了GP-决策树的结构。实验结果表明，应用GP-决策树算法能够正确完成对趋势预测模型的选择。     

无监督环境下基于聚类集成的特征选择

无监督学习环境下的特征选择往往无法取得像有监督学习环境下那样令人满意的效果.文章提出了一种无监督环境下特征选择的方法,能够根据特征之间的相关性对特征进行聚类,通过选择聚类中那些与该类内其他特征相关性最大的特征作为精简特征集,因此不需要进行特征空间的搜索,同时可以获得更有意义的分类信息.