基于分布估计的二进制人工蜂群算法

为了充分利用种群的全局统计信息,将分布估计算法引入二进制人工蜂群算法,提出一种基于分布估计的二进制人工蜂群算法。该算法利用分布估计算法获得的全局统计信息引导候选解的产生,提高了全局探索能力;采用直接针对离散域的多维邻域更新策略,加快了收敛速度,降低了计算复杂度。仿真结果表明,与传统二进制人工蜂群算法相比,改进算法在优化精度、收敛速度和鲁棒性方面均有明显改善。     

借助汉-越双语词对齐语料构建越南语依存树库

由于对越南语的研究工作相对较少,因此还没有建立规模相对较大的依存树库。相对于已经拥有了形态丰富、语料成熟的汉语,越南语的依存句法分析要困难得多,所以该文提出了一种借助汉-越双语词对齐语料构建越南语依存树库的方法。首先对汉语-越南语句子对进行词对齐处理,然后对汉语句子进行依存句法分析。最后结合越南语本身的语言特点和有关的语法规则将汉语的依存关系通过汉-越双语词对齐关系映射到越南语句子中,从而生成越南语的依存树库。实验表明,该方法简化了人工收集和标注越南语依存树库的过程,节省了人力和构建树库的时间。实验结果表明,该方法相比采用机器学习的方法准确率明显提高。     

华南某预选低中放废物处置场岩土层渗透性能综合研究

采用渗水、注水、压水、抽水及室内渗透试验等多种测试方法,对我国华南某一预选低中放废物处置场内各岩土层的渗透特性进行分层测试,通过多种方法的综合研究得出处置场地内各岩土层的渗透系数,并基于计算结果评价各岩土层的渗透性能,指出区内微风化花岗岩可作为低中放废物的处置底板,中等风化花岗岩可作为备选处置底板,而冲积黏土则是处置单...     

施工支洞塌方处理措施

以江苏溧阳抽水蓄能电站工程施工支洞为对象,主要介绍了处理施工支洞塌方的施工程序及处理方法。     

基于遥感和GIS技术的青海湖环湖地区生态环境脆弱性评价

以青海湖环湖地区为研究区,从生态环境脆弱性的影响因子和脆弱性形成的结果表现入手,通过遥感与GIS技术提取出8项生态因子包括植被指数、土壤亮度和土壤湿度指数、高程和坡度以及气温降水和土地利用作为评价指标,利用层次分析法（AHP）计算各评价指标的权重,然后计算研究区综合脆弱度,并根据统计结果将脆弱度的大小划分为微度脆弱、轻度脆弱、中度脆弱和重度脆弱4个不同等级。结果表明：研究区轻度脆弱和中度脆弱所占面积比例较大,分别占到研究区陆地面积的35.2%和40.7%,说明该区总体环境质量较好。     

基于RBF神经网络混合遗传算法的多用户检测

提出了一种混合递阶遗传算法来同时训练RBF神经网络的结构和参数,引入了改进的染色体编码方案,用基于奇异值分解的最小二乘法计算网络输出层权值,提高了遗传搜索的效率,精简了网络结构.并用变学习速率梯度下降法优化遗传训练出的最优网络,应用到多用户检测中.仿真结果表明,新混合学习算法训练出的网络结构优于其它算法训练的网络结构,并且性能良好.     

一种基于拓扑势的网络社区发现方法

从数据场思想出发,提出了一种基于拓扑势的社区发现算法.该方法引入拓扑势描述网络节点间的相互作用,将每个社区视为拓扑势场的局部高势区,通过寻找被低势区域所分割的连通高势区域实现网络的社区划分.理论分析与实验结果表明,该方法无须用户指定社区个数等算法参数,能够揭示网络内在的社区结构及社区间具有不确定性的重叠节点现象.算法的时间复杂度为O(m+n^3/γ)～O(n²),n为网络节点数,m为边数,2<γ<3为一个常数.     

基于粗糙集的模糊神经网络降水预报模型研究

为了提高模糊神经网络预测模型的预测能力,提出了基于粗集理论方法选择自变量作为模型输入的模糊神经网络预报建模方法.以短期降水预报作为研究对象,利用粗集理论的条件属性约简计算分析方法,对初选得到的预报因子矩阵进行属性约简,剔除不相关的属性,找出与预报量直接相关的预报因子,建立模糊神经网络的降水预报模型.实际的预报试验结果表明,该预报方法的预报精度明显高于由逐步回归方法选择预报因子作为模型输入的模糊神经网络预报模型及中国气象局T213数值预报模式的预报结果.     

基于AUML的Agent建模方案研究

AUML(Agent UML)是Agent建模普遍采用的方法,其通过对UML的扩展来支持Agent的建模.通过借鉴面向对象的系统分析方法,给出了AUML建模方案,并详细描述了AUML的建模机制和各类图的扩展.以编队指挥系统为例,从分析系统用例,分析和识别最初的Agent类型,责任识别,提取Agent之间的关系及精化Agent,确定交互直至Agent信息的配置,建立了一整套基于AUML的Agent建模方案.     

网络时代的人工智能

五十多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远。本文强调 在当今的网络时代,作为信息技术的先导,人工智能科学有着非常值得关注的研究方向,要在学科交叉研究中实现人工智能的发展与创新。要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透,尤其是重视认知物理学的研究;自然语言是人类思维活动的载体,是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能科学与应用新的辉煌。