接触片多工位精密级进模设计

分析了接触片零件的结构工艺特点和加工工艺，介绍了零件的排样、模具的结构、模具工作过程，模具主要零件的设计制造要点。     

不对称性定量化的三元系热力学模型

本文提出了一个由二元系推算三元系热力学性质的新模型，此模型能自动用热力学准则来检查各二元系的对称性，并根据不对称程度来构筑权重函数，由于不需要事先选择不对称组元，消除了计算过程中的人为干扰。此模型的适用范围有所拓宽。     

北疆供水工程高级应用项目实施

本文系统介绍了北疆供水工程高级应用项目,该项目是基于北疆供水工程已建信息化系统平台和数据基础上的深化应用软件,包括长距离供水工程调度运行决策支持、工程运行安全评估支持、事故应急处理预案与决策支持、三维GIS虚拟仿真等4个子系统。     

Procedural Tree Modeling with Guiding Vectors

We propose guiding vectors to augment graph‐based tree synthesis, in which trees are collections of least‐cost paths in a graph. Each node has an associated guiding vector; edges parallel to the guiding vector are cheap, but edges are more expensive when their orientation differs from the guiding vector. We further propose an incremental method for assigning guiding vectors over the graph, in which a node's guiding vector is an incremental rotation of that of its parent. We present a complete procedural system for tree modeling; our use of guiding vectors enables the graph‐based method to produce high‐quality tree models resembling a variety of real‐world tree species.     

一种基于潜在引用网络的专利价值评估方法

专利价值指的是在专利购买交易时的交换价值,它可以为专利的拥有者和购买者提供大量关于专利的珍贵信息,为专利的交易提供决策支持。目前的专利价值评估主要是基于训练或引用的方法。前者过于依赖于人工选择的参数,导致专利价值评估结果的可信度较低;后者往往只考虑了直接引用关联,而忽略了间接引用关联和新颖度对专利价值的影响。针对这些问题,提出一种基于潜在引用网络的专利价值评估方法,并设计了相应的算法来评估各个专利的价值。针对基本算法效率较低的问题,提出了专利价值评估改进算法,极大地提高了专利价值评估的效率。最后,由于新专利加入专利集合时各个专利的价值会发生变化,提出了专利价值评估动态更新算法,用于快速地更新各个专利的价值。实验表明,提出的方法是有效的。     

一种改进的超轻量级RFID认证协议

针对当前超轻量级RFID认证协议中存在的安全缺陷,提出一种改进的超轻量级RFID双向认证协议。通过引入新的函数,使消息之间的数学关联性更加复杂,避免了泄露标签标识符,提高了阅读器和标签在开放环境中通信的保密性。对该协议的安全性和效率进行分析,并利用OPNET软件对该协议仿真实验,结果表明,该协议能抵抗代数攻击,重传攻击,假冒攻击等多种常见恶意攻击,在同等计算量下具有更高的安全性,可用于实际的移动身份认证环境。     

再制造率随机的闭环供应链产品差别定价策略

考虑闭环供应链的差别定价问题, 制造商回收废旧产品, 并生产新产品和再制造产品, 再制造率随机. 采用Stackelberg 博弈方法, 研究集中决策和分散决策下相应产品的最优定价, 给出供应链各成员的最优利润. 结果表明:若制造商对产品延迟定价, 则集中决策下回收价格高于分散决策, 而销售价格均低于分散决策; 当零售商的保守利润不低于一定值时, 集中决策下总利润不低于分散决策, 制造商可以采用改进的两部定价契约协调供应链.

     

一种多目标资源受限项目调度问题的教学算法

针对多目标资源受限项目调度的特性, 基于结合活动列表和资源列表的编码设计了合理的交叉操作, 提出一种多目标教学算法. 为了在个体间有效交互信息, 在教师阶段非支配个体作为教师与学生执行交叉, 而在学生阶段学生间执行交叉, 同时在每个阶段通过前向-反向改进增强局部搜索能力, 并用Pareto 档案集存储和更新非支配个体.基于标准测试集的数值仿真及与现有最好算法的比较, 验证了所提出算法的有效性.

     

基于特征偏好的聚类研究

传统的聚类方法,如k均值和模糊c均值,通常并不区分数据特征对聚类的不同贡献或重要度,因此在面对高维数据聚类时,常会导致偏低的聚类性能,这归咎于聚类时未考虑高维数据特征间所存在的高度相关性或冗余.而通过在聚类时为每一特征引入权重并通过聚类目标的优化,不仅能自动获得对应的权重,而且也获得了聚类性能的提升.尽管如此,但无监督获取的特征权重未必吻合用户所期望的特征间的相对重要性(或偏好).因此尝试利用用户给定的实际偏好设计出能反映特征偏好的聚类方法,其将现有独立于个体聚类的全局加权型偏好聚类方法拓展至聚类依赖的局部特征加权型方法,由此弥补了前者的不足,提升了偏好聚类算法的性能.