层次分析法在高校专业设置中的应用

介绍了层次分析法在高校专业设置中的应用,通过建立专业设置指标系统层次结构模型,构建决策成对比较阵,计算单层次排序权重和层次总排序权重,得出各个因素对专业设置的影响程度,能够对高校专业设置和调整制度提供借鉴.整个算法是用Java语言来实现的.     

Set Cover和Hitting Set问题的研究进展

Set Cover和Hitting Set问题是两个重要的W[2]完全问题。Set Cover问题在大规模集成电路设备的测试和人员调度等领域有着广泛的应用,Hitting Set问题在生物计算等领域有着重要的应用。在引入参数计算和复杂性理论后,Set Cover和Hitting Set问题再次成为研究的热点。首先介绍Set Cover和Hitting Set的各种分类问题及其定义,并对各种分类问题的计算复杂性和相关算法的研究进展加以分析总结,给出(k,h)-Set Cover和(k,d)-Set Cover问题的复杂性证明。最后总结全文并提出进一步研究的方向。     

“计算机网络”课程的阶梯化教学研究

本文从社会对"计算机网络"技术人才的需求出发,依据"计算机网络"课程的特点,深入讨论了"计算机网络"阶梯化教学的六层阶梯:理论教学、实验教学、课程设计教学、实用技术教学、专项指导和毕业设计。六层阶梯由易至难、层层递进、步步深入,从不同的角度全面提高学生的理论基础和实践水平。     

认知描述逻辑ALCKR＋：描述逻辑的一个非单调扩展

描述逻辑是语义Web的逻辑基础,是形式化表达领域知识的工具.但是描述逻辑只能表达单调推理,不能处理不完全知识.认知描述逻辑因其非单调特性和良好的时间复杂度等特点在处理不完全知识方面有较好的优势.本文在认知描述逻辑ALCK的基础上提出了新的认知描述逻辑语言ALCKR ,保留了描述逻辑原有的优点,加入传递角色属性,增强了表达能力,并通过认知查询拥有了非单调推理的能力.设计了ALCKR 的语法、语义以及表算法.     

单体型组装问题计算模型的比较与分析

单体型检测在遗传病基因的定位、药理反应的研究、个体识别等方面有极其广阔的应用前景。单体型组装问题指如何利用个体的基因测序片断数据,根据不同的优化准则确定该个体单体型的计算问题。对MSR,MFR,MEC,WMLF,MEC／GI等单体型组装模型做了详细的分析比较,得出了如下结论：在没有引入测序误差情况下,上述模型的重构精度基本一致。随着测序误差的增加,MEC／GI模型的容错性最好,重构精度最高;MSR模型受测序误差的影响最大,只适用于测序误差极小的情形。     

概念格中多层次的属性约简理论

提出了形式背景的子概念格及形式背景关于概念、子概念格(包括概念格)的属性约简概念;定义了概念、子概念格(包括概念格)的特征函数,并以此为基础提出了属性约简定理,得出了具体的属性约简方法,同时研究了不同约简下属性间的关系,进一步完善了概念格属性约简理论,也为概念格用于数据处理及知识发现提供了新的工具.     

无线传感器网络的地理路由算法综述

在无线传感器网络体系结构中,网络层的路由技术至关重要.地理路由算法由于其扩展性方面的优势逐渐成为无线传感器网络中的一个研究热点,近年来提出了很多地理路由算法.根据对现有算法的分析,把地理路由算法、分为三类:基于平面化的地理路由算法、基于特征节点的地理路由算法和基于拓扑特性的地理路由算法.同时,针对具体的算法进行了探讨,分析了各个算法的优劣和性能、特点等.最后总结了该领域当前研究现状,并指出未来的研究策略与发展趋势.     

中国工程物理研究院红外太赫兹自由电子激光装置总体设计

中国工程物理研究院红外太赫兹自由电子激光装置是一台用于材料、光谱、生物、医学等领域前沿研究的多功能用户装置,在实验室现有的太赫兹自由电子激光装置（CTFEL）基础上,拟新增两套2×9-cell超导加速单元和两台波荡器,将电子能量提升至最大50 MeV,输出频率覆盖范围拓展至0.1～125 THz,最大宏脉冲功率大于100 W。同时,采用跑道型束线设计,拟建设一台小型能量回收型直线加速器实验研究平台。本文主要介绍了中国工程物理研究院红外太赫兹自由电子激光装置的总体设计、工作模式以及用户实验站布局。     

FRA:基于帧长和发送速率的信道竞争算法

提出一种MAC层竞争信道的FRA算法。FRA算法以实验测得的数据帧长和信道速率作为调节CWmin的因子,提高了发送大数据帧或高速信道节点的信道占用时间。实验结果表明,该算法在速率、帧长各异的无线网络环境中,网络总吞吐率比DCF协议提高约70%。     

基于BP神经网络的专利自动分类方法

提出了一种基于后向传播神经网络的专利自动分类方法.通过中文分词从专利文件集中提取特征项,并根据特征项在专利文件中出现的频率赋予其权重,从而将每篇专利文件表示为一个特征项向量.为取得较好的BP神经网络(BPN)训练效果,使用X2统计方法进行特征向量降维,并使用BPN专利分类器进行专利文件分类.用国际分类号为H02下的专利文件作为测试数据,取得了较好的分类效果.