道路网自动选取方法研究

道路网自动选取是自动制图综合中的难点和重点工作之一,已有的自动选取方法在选取过程中没有将全图的道路网作为一个整体来考虑,道路网结构特征保持不明显。通过一系列的实验,利用图论的不同方法对道路网进行自动选取,并对结果进行了分析和比较,构造出了一种较好的道路网自动选取方法。根据平面图形的网络特征将道路网分为两种类型(乡村型和城市型),并针对每种类型的道路网提出了不同的选取方法。实验结果表明,选取效果较好,能够满足道路网自动制图综合的需要。     

城市道路网表示的最佳方法选取

城市道路是社会经济活动和人们生活的基础设施,对于城市道路网的表示也是城市快速建模中的重要环节。本文对城市道路网进行分解,归纳出路网中的几类基本的道路类型,根据拓扑学下的图论理论,对归纳出的不同道路类型进行拓扑表示,最后根据时间复杂度和空间复杂度进行不同方法表示的优化对比,得出邻接表可以较高效的进行城市道路网的表示。     

基于案例推理的土石坝病险智能诊断系统

近年来基于案例推理已受到广泛关注，将基于案例推理技术应用到土石坝病险诊断系统中，为土石坝病险智能化诊断提供了一条新的途径。该文针对土石坝病险诊断的案例特点，设计了案例的集成框架表示和分层模糊检索策略，并提出了诊断系统的实现方案。     

智能教学系统中基于案例推理的教学策略研究

把基于案例推理(CBR)技术引入智能教学系统中教学策略的推理和控制中,提出了在全局教学策略和局部教学策略控制中CBR应用模型,并提出了在这种模式下,案例库的初始化、案例的学习与修正方法.该模型应用以前学生学习的经验作为以后学生学习的引导,从而实现教学策略的自动组织、自动规划,实现学生的自主选择,自由学习.最后进行了总结,提出了下一步研究的方向.     

泛达智能小区案例

随着社会的进步，科技的发展和人类对生活环境要求提高，普通住宅已不能满足人类的要求。计算机技术的应用、网络时代的到来．信息化社会使住宅智能化成为必须。建设部在其研究报告中明确指出：“到2010年、大中城市中60％的住宅要实现智能化”。     

家居智能照明系统灯光案例浅析

谁不希望拥有浪漫，温馨的家居环境？谁不希望掘有可以随心情变化的家庭氛围？当我们面对传统开关的时候，心里只有期待。随着智能家居产业的兴起，崭新的、充满人性化的家居智能照明系统将带给您这一切。本文以瑞朗家庭智能照明系统为例，从家居智能照明系统的结构，功能，控制方式等方面对智能家居进行介绍，另外还提出了一种家庭灯光设计方案。[编者按]     

家居智能中心产品及应用案例

科道家居智能中心是科道有限公司最新推出的功能非常强大的智能家居平台，主要应用于别墅、TOWNHOUSE等高档住宅，满足尊贵主人对确保家庭财产和生命安全、同时享受高科技带来的智能化生活的需求。     

基于智能聚类的复杂案例匹配研究

案例匹配在基于案例的推理(CBR)中非常关键,直接影响到CBR系统的有效性和高效性。在某些CBR的应用领域中,案例比较复杂,案例匹配的实现也比较困难,匹配结果的准确性和匹配速度都难以保证。本文提出的基于智能聚类的复杂案例匹配方法,为提高匹配结果的准确性和匹配速度提供了一条良好的途径。1 复杂案例的集合表示一般来说,复杂案例可以分解成多个组成部分,各部分又可以分解成更小的组成部分。如果将这种组成关系用层次来描述,那么复杂案例位于层次的第一层,其组成部分位于第二层,更小的组成部分位于层次中的更低层。显然,仅仅用一组     

兼包并容--智能小区各个系统的详细案例

随着计算机技术、现代通信技术和自动控制技术的迅速发展，智能化建筑在发达国家应运而生。在我国。诸如北京、上海、深圳等一些大城市都相继出现了“智能小区”。随着国内智能技术的进步与发展，我们越来越感觉到人们渴求对智能小区系统有一定的了解。为此，本刊编辑部特别策划推出了“普及智能小区系统知识”的专题．旨在让广大读者对这方面知识有所了解．为智能小区知识的普及做一些贡献。[编者按]     

智能布线系统案例介绍——浅析综合布线发展趋势

目前,针对超大规模的和超高层的建筑中的综合布线系统,我们如何设计,如何规划,如何管理,都是许多人会有兴趣去了解的。下面,我们将通过对沙特阿拉伯阿卜度拉-阿齐兹国王大厦项目（以下简称国王大厦）的介绍,使读者一方面对基于融合网络架构的综合布线系统的理念有所了解,另一方面可以对目前智能化布线管理系统的应用有所了解。同时,通过该案例的介绍,笔者将提出一种对未来布线系统的发展趋势的愿景,以供有兴趣的读者展开思考。     

Fuzzy inductive reasoning for variable selection analysis and modelling of biological systems

Fuzzy inductive reasoning (FIR) is a qualitative inductive modelling and simulation methodology for dealing with dynamical systems. It has proven to be a powerful tool for qualitative model identification and prediction of future behaviour of various kinds of dynamical systems, especially from the soft sciences, such as biology, biomedicine and ecology. This paper focuses on modelling aspects of the FIR methodology. It is shown that the FIR variable selection analysis is a useful tool not only for FIR but also for other classical quantitative methodologies such as nonlinear autoregressive moving average modelling with external inputs (NARMAX). The tool allows us to obtain models that interpret a system under study in optimal ways, in the sense that these models are well suited for predicting the future behaviour of the system they represent. The FIR variable selection analysis turns out to work well even in those applications where standard statistical variable selection analysis does not provide any useful information. In this paper, the FIR variable selection analysis is applied to a real system stemming from biology, namely, shrimp farming. The main goal is the identification of a growth model for occidental white shrimp (Penaeus vannamei), which allows farmers to plan the dates for seeding and harvesting the ponds in order to maximise their profits. FIR and NARMAX shrimp growth models are identified, and their prediction capabilities are compared to each other.     

The IKBALS project: Multi-modal reasoning in legal knowledge based systems

In attempting to build intelligent litigation support tools, we have moved beyond first generation, production rule legal expert systems. Our work integrates rule based and case based reasoning with intelligent information retrieval.When using the case based reasoning methodology, or in our case the specialisation of case based retrieval, we need to be aware of how to retrieve relevant experience. Our research, in the legal domain, specifies an approach to the retrieval problem which relies heavily on an extended object oriented/rule based system architecture that is supplemented with causal background information. We use a distributed agent architecture to help support the reasoning process of lawyers.Our approach to integrating rule based reasoning, case based reasoning and case based retrieval is contrasted to the CABARET and PROLEXS architectures which rely on a centralised blackboard architecture. We discuss in detail how our various cooperating agents interact, and provide examples of the system at work. The IKBALS system uses a specialised induction algorithm to induce rules from cases. These rules are then used as indices during the case based retrieval process.Because we aim to build legal support tools which can be modified to suit various domains rather than single purpose legal expert systems, we focus on principles behind developing legal knowledge based systems. The original domain chosen was theAccident Compensation Act 1989 (Victoria, Australia), which relates to the provision of benefits for employees injured at work. For various reasons, which are indicated in the paper, we changed our domain to that ofCredit Act 1984 (Victoria, Australia). This Act regulates the provision of loans by financial institutions.The rule based part of our system which provides advice on the Credit Act has been commercially developed in conjunction with a legal firm. We indicate how this work has lead to the development of a methodology for constructing rule based legal knowledge based systems. We explain the process of integrating this existing commercial rule based system with the case base reasoning and retrieval architecture.     

基于消点法的几何自动推理系统实现

为了实现几何自动推理的可读性证明,并提高推理效率,介绍了一个基于消点法的可构造性几何命题自动推理系统的设计与实现。该系统提供作图的方式接受用户的几何命题前提条件的输入,可以对初等几何中的大部分可构造性几何问题进行自动证明和求解,并生成可读的证明步骤,大大方便了初高等几何教育和相关研究者的需要。     

基于案例树智能构建与检索的气田管网应急技术

运用大系统多级递阶控制、智能信息推拉和CBR等技术,避免了现有的管网调度方法在辨识警兆和测度警度等方面存在的局限性,是对气田管网安全应急调度管理方法的一种全新探索.对气田管网安全应急调度进行深入地研究,提出了基于案例树智能构建与检索的气田管网应急调度系统架构与具体实现技术.该项目已经通过国家科技部中期评估,进入新场气田示范工程实施与现场调试阶段,目前系统运行正常,这将有效地提高气田管网应急调度管理的反应速度和决策水平.     

路网分区的树生长算法*

分析和定义了面向城市交通控制系统交通控制方案制订的路网分区需要解决的问题,设计了动态路网分区概念模型。针对路网交通小区根生节点问题的解决,设计了路网节点重要度判断算法;以根生节点为中心,采用逐层扫描技术对节点交通流作用路径进行搜索,形成路网小区的拓扑结构图。以一个实际城市交通网络为例,利用提出的模型及算法进行分区,结果表明了算法的有效性和可行性。     

基于CBR的井下复杂情况与事故智能诊断和处理系统

分析了传统的钻井事故诊断与处理专家系统的不足,根据钻井专家决策时的认知过程,基于实例推理技术开发了井下复杂情况与事故智能诊断和处理系统。该系统收集了各油田已发生的各种复杂的事故实例,具有自学习功能,能实现各种复杂情况与事故的诊断和处理,并提供完整的有关复杂事故预防和处理的知识手册,可为钻井专家、技术人员提供决策支持。对系统的总体结构、工作流程以及系统实现的主要技术包括实例表示、实例库组织、实例检索和自学习等进行了详细描述。     

基于前向推理的平面解析几何自动推理系统研究与实现

采用传统的前向推理策略，使用了代数和几何相结合的推理方法，把解方程作为核心思想，较完善地实现了平面解析几何的自动推理系统。实践证明，本系统可以对大部分初等平面解析几何问题进行自动解题。     

基于可微神经计算机和贝叶斯网络的知识推理方法

针对人工神经网络(ANN)对面向知识图谱(KG)的知识推理的记忆能力有限以及KG无法处理不确定知识的问题,提出一种可微神经计算机(DNC)和贝叶斯网络(BN)相结合的推理方法DNC-BN.首先,将长短时记忆(LSTM)网络作为控制器,在每个时刻对输入向量和从记忆体获取的读向量进行处理,得到网络输出向量和交互向量;其次,...     

基于模糊推理的模糊原型网络

针对真实数据具有的模糊性和不确定性会严重影响小样本学习分类结果这一问题,改进并优化了传统的小样本学习原型网络,提出了基于模糊推理的模糊原型网络(FPN).首先,从卷积神经网络(CNN)和模糊神经网络两个方向分别获取图像特征信息;然后,对获得的两部分信息进行线性知识融合,得到最终的图像特征;最后,度量各个类别原型到查询集...     

Fuzzy inductive reasoning: a consolidated approach to data-driven construction of complex dynamical systems

Fuzzy inductive reasoning (FIR) is a modelling and simulation methodology derived from the General Systems Problem Solver. It compares favourably with other soft computing methodologies, such as neural networks, genetic or neuro-fuzzy systems, and with hard computing methodologies, such as AR, ARIMA, or NARMAX, when it is used to predict future behaviour of different kinds of systems. This paper contains an overview of the FIR methodology, its historical background, and its evolution.