一种求解tableau等式合一问题的算法

在增添扩展规则的tableau方法的基础上提出了一种新的含等词tableau方法——等式合一方法，并证明了它的可靠性和完备性。在该方法中，将tableau分成两个阶段，等词单独处理，通过提取等式合一问题并求解解替换封闭tableau，进一步限制了tableau的搜索空间，提高了tableau的推理效率。同时，为了研究等式合一方法的有效性，在解替换求解方面，提出了提取不等式析取，并在启发式的帮助下计算等价类的方法。通过实例分析，结果表明，等式合一方法优于其它方法。     

基于Schema和RST的自然语言生成混合规划方法

在自然语言生成系统的内容规划阶段，主要的手段是基于Schema的规划方法和修辞结构理论RST方法，Schema方法只适用于模式固定、细节略有变化的文本的生成，而RST方法则比较灵活，但是它的数据结构、规则库比较难建立。把这两种方法集成起来，并对Schema方法进行改造，使之能与RST有机地结合起来。在规划文本时首先用Schema方法规划全局的组织，然后用RST方法控制局部话语的连贯。这种结构可弥补采用单一方法的不足，具有双方的优点。     

决策支持系统中粗糙集理论的应用研究

粗糙集理论是近代新兴的数据处理方法，概率统计方法是传统数据处理方法，两者各有其优缺点。文章在对粗糙集理论进行深入研究的基础上，提出将两种方法结合，并在决策支持系统中应用，在系统的实现过程中提出了新的处理方法。     

基于条件随机场的人物信息抽取

近年来，信息抽取成为自然语言处理的一个热点，同时也是难点。针对不同的问题，大家提出了不同的方法，而大多数的方法是基于启发式规则或者抽象成分类问题，本文将从人物百科中抽取人物信息看成是一个序列标注的问题，利用条件随机场对生语料进行序列标注。此外，文中详细介绍数据分析的方法以及特征选取方法，所提出的方法直接从生语料中抽取，节省了大部分方法的数据预处理部分，同时避开了大部分方法使用的句法分析的特征，有效地提高了信息抽取的效率。在文章的最后做了两组对比实验，实验结果表明，本方法能够非常准确地从HTML生语料中抽取出人物信息。     

基于方法聚类的Web服务检索技术

充分利用Web服务的描述信息，提出基于方法层的Web服务建模方法。在给出服务方法互相关性定义及其度量方法的基础上，提出了一种基于k-means的服务聚类算法产生方法概念，利用这些方法概念，给出了基于方法层的服务检索模型及其相关算法。实验结果表明，所提出的Web服务检索方法具有良好的检索效果。     

基于属性重要性的定性数据聚类分析及应用

传统的聚类方法大多是基于距离或者是样品间相似度的，这就要求所分析的数据必须是定量的。但是在数据挖掘中，存在着大量的定性数据，传统的聚类分析方法已不再是一个可行的方法，这就需要寻找一个可以有效处理定性数据的聚类方法。粗糙集是处理定性数据的有效方法，在详细阐述粗糙集的相关概念后，利用属性重要性的概念，提出了一种能有效处理定性数据的聚类分析方法，并利用了数据对该方法进行了实证分析，取得了良好的结果。     

基于物联网技术的网络异构传感数据融合方法

融合网络异构数据时，现有融合方法存在融合精度低和融合时间长问题，因此引入物联网技术，提出一种新的融合方法。首先，引入小波变换的方法，过滤网络异构传感器数据噪声；其次，利用物联网技术，对物联网簇内数据聚类；最后，通过最小二乘法运算，实现汇聚网络异构传感器数据融合。实验结果证明，新的融合方法可有效提高融合结果的精度，缩短融合时间，提升融合效率，与现有融合方法相比具备更高的实际应用价值。     

基于Dixon结式和逐次差分代换的多项式秩函数探测方法

秩函数探测是循环程序终止性分析的重要方法，目前，已有很多研究者致力于为线性循环程序探测对应的线性秩函数，然而，针对具有多项式循环条件和多项式赋值的多项式型的循环，现有的秩函数探测方法还有所不足，解决方案大多是不完备的、或者具有较高的时间复杂度。针对现有工作对于多项式秩函数探测方法不足的问题，基于扩展Dixon结式（KSY方法）和逐次差分代换（SDS）方法，提出一种为多项式循环程序探测多项式型秩函数的方法。首先，将待探测的秩函数模板看作带参数系数的多项式，将秩函数的探测转换为寻找满足条件的参数系数的问题；然后，进一步将问题转换为判定相应的方程组是否有解的问题，至此，利用KSY方法中的扩展的Dixon结式，将问题更进一步简化为带参系数多项式（即结式）严格为正的判定问题；最后，利用SDS方法，找到一个充分条件，使得得到的结式严格为正，此时，可以获取满足条件的参数系数的取值，从而找到一个满足条件的秩函数，通过实验验证该秩函数探测方法的有效性。实验结果表明，利用该方法，可以有效地为多项式循环程序找到多项式秩函数，包括深度为d的多阶段多项式秩函数，与已有方法相比，该方法能够更高效地找到多项式秩函数，对于基于柱形代数分解（CAD）方法的探测方法因时间复杂度问题无法而应对的一些循环，利用所提方法能够在几秒内为这些循环找到秩函数。     

基于深度强化学习的建筑学专业基础类课程教学资源分配方法

传统建筑学专业基础类课程教学资源分配方法对下降梯度的计算不够精细，导致教学资源分配结果的召回率不高，为此提出基于深度强化学习的建筑学专业基础类课程教学资源分配方法。首先，确定资源分配关键节点，基于深度强化学习计算分配梯度；其次，基于深度强化学习编写资源分配方法，输出教学资源分配结果；最后，设计对比实验。实验结果表明，该方法的召回率高于其他方法，能够有效提高教学资源分配结果的召回率。     

新冠肺炎疫情传播预测方法综述

2019年底，新型冠状病毒肺炎（COVID-19）疾病爆发，为抑制病毒扩散并提前制定应对措施，预测病毒传播趋势成为了研究热点，各种COVID-19预测方法在疫情防控和稳定民心等方面起到了关键作用。根据近三年来的COVID-19传播趋势预测方法的文献资料，将预测方法分为数学模型预测方法、人工智能预测方法和群智能优化预测方法三类。陈述了新冠病毒的特性以及疫情带来的影响，并简要描述了目前各类预测方法的特点。分别介绍了三种预测方法中经典模型的发展历史以及分类，并从优缺点和性能等方面对各类改进模型进行了详细的对比分析。最后进行归纳总结，从预测方法的局限性入手，分析了各类方法的不足，并对传播预测方法的未来研究方向进行了展望。     

基于形态学的任意三维物体变形的算法及实现

提出三维物体变形的形态学方法，给出了此方法的理论证明，用一个统一的数学模型来描述变形内插的关系，较好地解决任意形状物体的变形。实验表明这种方法是一种有效的变形方法，克服了现有方法的缺点，实现简单，并可推广至一般的造型系统中，为计算机图形学开辟了一种新途径。     

基于自然语言云化的TOPSIS方法及其应用

针对兼具自然语言标度和主观评分的复杂多属性决策问题，结合云模型理论构建了基于自然语言云化的TOPSIS方法。首先，通过设计非线性规划改进云模型熵的计算，利用云雾化性质得到超熵，将自然语言标度转换为云模型。其次，将主观评分转换为评价云，得到多属性决策云矩阵，根据TOPSIS定义建立多属性评价方法。最后，将所提方法应用于物流园区选址方案评估问题，通过与已有文献中的方法和传统TOPSIS方法进行对比，验证了所提方法的有效性。     

基于区域路径代理的Mobile Agent定位方法

由于Mobile Agent本身固有的移动性，必须定位派发出去的Agent，以便和它通信。通常的定位方法分为三大类：位置数据库、路径代理、目录服务。文中在对已有的定位方法进行分析后，对传统的路径方法进行了改进、提出了一个基于区域路径代理的定位方法，并将该方法和传统的路径代理方法进行了比较。对于区域性活动较多的Agent，通过使用该方法可以有效地缩短路径代理链的长度，大大提高了定位操作的效率，减少定位操作失败的概率。     

基于RB-K平均带宽设定的Adaptive Mean shift

Meanshift是一个用在图像滤波、图像分割中的迭代过程。对于迭代过程，带宽的设定很重要。固定带宽的Meanshift方法对于输入数据适应能力差，而现有可变带宽估计方法有的对于固定带宽的方法改进并不明显，有的时间复杂度较高，因此对现有带宽估计方法做了改进，提出了一种新的带宽估计方法，即采用K平均聚类算法进行带宽估计，并通过实验证实了该方法的有效性。     

通过创建虚拟样本的小样本人脸识别统计学习方法

研究了人脸识别方法．在传统的“特征脸”方法基础上，提出了一种基于贝叶斯方法的小样本人脸识别方法，该方法对于经过预处理的标准人脸图像，通过原型脸创建虚拟样本，扩充样本数量，然后用PCA降维并提取人脸图像的特征．对提取的特征用BEM算法学习该类样本的概率密度分布参数，构建贝叶斯混合网络分类器．该方法可以有效地解决统计学习方法中样本数量不足问题，提高小样本人脸识别方法的识别率，同样可以运用于模式识别中其它对象识别．实验表明，该方法能提高小样本人脸识别率，有实际应用价值。     

组合电路等价性检验方法研究

分析了数字电路等价性检验方法的基本原理，对组合电路等价性检验方法进行了综合研究，讨论了各种方法的特点，指出了各种方法的优缺点及其适用场合，总结了组合电路等价性检验方法的发展规律，指出了未来的发展方向。     

一种改进的动态散列方法

线性散列方法是一种有效的动态散列方法。但是，一般的线性散列方法都不能保证查询时只要一次读磁盘操作。本文提出一种采用签名技术的改进方法，可以保证上述要求，同时保持线性散列方法的优点。此外，本文还对线性散列技术作了一般性扩充，并通过模拟实验研究了方法的性能。     

空间数据库中离群点的度量与查找新方法

如今查找离群点的方法有以下两类：第1类方法是面向统计数据库，把各种数据都看成是多维空间，没有区分空间维与非空间维的方法；第2类方法是面向空间数据库，区分空间维与非空间维的方法。目前提出的方法大多数是第1类方法，由于这类方法在空间数据库中直接应用可能产生错误的判断或找到无意义的离群点，而已有的第2类方法又查找效率太低或不能查找局部离群点，为此提出了一个新的基于邻域的离群点度量方法——空间偏离因子，这种方法面向空间数据库，不但可区分空间维与非空间维，并可以找到局部或全局的离群点；同时提出一种与邻域划分相结合的快速查找算法。理论分析表明，该方法是合理的。真实数据与模拟数据的实验也再次验证了这个模型与算法的可行性。     

面向术语抽取的双阈值互信息过滤方法

为了降低互信息方法固有问题对术语过滤效果的影响，提出一种双阈值互信息过滤方法，给出了一种基于局部评价指标的阈值确定算法，通过数据抽样、统计和计算，能够快速精确地给出最优上下限阈值。相比单阈值互信息过滤方法，在不更改互信息计算公式的前提下，通过设置双阈值的方法进行候选术语过滤与抽取。实验结果表明，在相同条件下，该方法能够显著提高准确率和F-测度值。     

ADVISOR软件的混合仿真方法

该文首先介绍了前向仿真方法和后向仿真方法，分析了其工作原理和优缺点。接着描述了美国电动汽车仿真软件ADVISOR的混合仿真方法，它是以后向仿真方法为主，前向仿真方法为辅的混合仿真方法。然后以一混合动力汽车模型为例，分析了ADVISOR的工作原理。最后具体分析了一个典型仿真模块一车轮模块的模型，比较了其中的前向路径与后向路径的差异，具体说明了混合仿真方法的实现。该文对ADVISOR软件的应用具有参考作用。