电子束纳米光刻技术研究

纳米光刻技术在微电子制作中起着关键作用,而电子束光刻在纳米光刻技术制作中是最好的方法之一.我们使用VB5电子束曝光系统,经过工艺研究,现已研究出最细分辨率剥离金属条为17nm,最小剥离电极间距为10nm,最细T型栅为100nm.     

基于随机子空间的半监督协同训练算法

 半监督学习是近年来的一个研究热点.协同训练(co-training)是利用未标记数据来提高传统监督学习性能的一种半监督学习范式.本文提出一种基于随机子空间的协同训练算法(RAndom Subspace CO-training,简称为RAS-CO).该算法探讨多视图的协同训练.用随机判别的理论分析了算法的分类精度和泛化能力.讨论了随机子空间的维数和个数对分类性能的影响.在UCI数据集上的实验结果表明,与其它同类算法相比,RASCO算法有较好的性能.     

自然图像中目标轮廓上显著边缘检测的计算模型

如何模拟人类视觉感知系统的感知过程,建立一个鲁棒性较好、无监督的自然图像中目标轮廓上显著边缘检测的计算模型是文中要讨论的问题。首先确定自然图像中目标所在的子区域。然后通过分析纹理以及颜色等低级视觉特征得到一组潜在的轮廓边缘,对这些潜在的轮廓边缘进行闭合性分析,建立各条潜在边缘之间闭合关系的图模型。最后通过最短路径找出最优的轮廓上的显著边缘。将该模型用于多幅自然图像,实验效果较好。该模型在生物学上的合理性也得到验证。     

基于蚂蚁算法的网格任务分配算法研究

任务分配是网格计算环境中影响系统性能的重要因素，由于网格环境中各种资源分布于不同的地理位置，其性能也千差万别，因此需要一种有效的策略来进行任务的分配，使得整个系统完成任务的代价最小。文中将蚂蚁算法应用于解决网格环境中的任务分配问题，并进行了仿真实验，取得了良好的效果。     

动态增殖流形学习算法

流形学习的主要目标是发现高维观测数据空间中的低维光滑流形.目前,流形学习已经成为机器学习和数据挖掘领域的研究热点.为了从高维数据流和大规模海量数据集中探索有价值的信息,迫切需要增殖地发现内在低维流形结构.但是,现有流形学习算法不具有增殖能力,并且不能有效处理海量数据集.针对这些问题,系统定义了增殖流形学习的概念,这有利于解释人脑中稳态感知流形的动态形成过程,且可以指导符合人脑增殖学习机理的流形学习算法的研究.以此为指导原则,提出了动态增殖流形学习算法,并在实验中验证了算法的有效性.     

DQP:网格上的一种分布式查询处理器

网格计算是近年来兴起的一个研究热点，它旨在使互联网上所有资源（计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等）实现全面共享与协同工作，使整个因特网整合成一台巨大的超级计算机，为用户提供“即连即用”式的服务。文中介绍了网格计算的概念、特点，以及开放网格服务体系结构（OGSA），详细介绍了OGSA—DQP的功能、架构、实现方法以及执行流程。     

多类模式识别的动态多叉树算法研究与实现

研究模式识别方法，提出动态多叉树算法，用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题，该算法利用分治和局部最优原理缩小目标范围，结合整体学习方法提高识别率，模拟人脑的循序渐进学习方式，实现知识增殖和继承，可解决现有识别系统在学习新知识会破坏已有知识，需重新学习的问题，并具有较高的识别率，可有效地处理巨模式类识别的问题，该系统可以用于有脸、字符，指纹等对象的识别分类，系统的构造方法体现其通用性，性能分析表明其可行性，实验结果证明其有效性。     

倒立摆系统中强化学习的极限环问题

倒立摆系统是强化学习的一种重要的应用领域。首先分析指出在倒立摆系统中,常用的强化学习算法存在着极限环问题,算法无法正确收敛、控制策略不稳定。但是由于在简单的一级倒立摆系统中算法的控制策略不稳定的现象还不明显,因此极限环问题常常被忽视。针对强化学习算法中极限环问题,提出基于动作连续性准则的强化学习算法。算法采用修正强化信号和改进探索策略的方法克服极限环对倒立摆系统的影响。将提出的算法用于二级倒立摆的实际系统控制中,实验结果证明算法不仅能成功控制倒立摆,而且可以保持控制策略的稳定。     

网格局部性及其优化研究

数据网格已逐步在科学研究领域得到应用.提高数据网格的性能以适应分布式数据管理已经成为研究数据网格的一个热点.提出了网格局部性的概念,分析了网格局部性对数据网格性能的影响,并从增强网格局部性的角度对数据网格的性能进行优化,提出了综合跳一扩散副本替换策略(jump-DRP)和参考生物外激素的任务调度策略(JARIP).实验结果表明,考虑了网格局部性因素的jump-DRP与JARIP的策略组合提高了网格平台的任务处理性能,并对各类应用背景及任务的复杂程度具有鲁棒性.     

局部保持的流形学习算法对比研究

局部保持的流形学习通过从局部到整体的思想保持观测空间和内在嵌入空间的局部几何共性,发现嵌入在高维欧氏空间中的内在低维流形。分析了局部保持的流形学习算法的基本实现框架,详细比较了一些局部保持的流形学习算法的特点,提出了几个有益的研究主题。