清河气动盾形闸门顶溢流不均问题的分析处理

本文针对北京清河气动盾形闸建成试运行中出现的门顶溢流不均问题,进行了原因分析、处理方案研究和试验分析与验证,为今后该闸型的推广应用提供经验借鉴。     

运动饮料营养指标的综合评价体系探讨

通过对8种不同果蔬汁运动饮料的营养指标进行测定,对照国家标准,利用属性识别法进行分类属性识别,并记分排序,建立一套较为合理的量化综合评价体系.该法可用于研发产品的质量量化评价与筛选.     

溴甲酚紫—Co(Ⅱ)—十八醇复配物制备及热色性

制备了溴甲酚紫－Co(Ⅱ）－十八醇复配物，改变原料用量，得到一系列不同配比的复配物。运用变温IR光谱初步探讨了复配物热变色机理。讨论了熔剂化合物对热变色复配物熔点，变色温度，变色敏锐度等方面的影响。     

Software Defect Detection with R<Emphasis Type="SmallCaps">ocus</Emphasis>

Software defect detection aims to automatically identify defective software modules for efficient software test in order to improve the quality of a software system.Although many machine learning methods have been successfully applied to the task,most of them fail to consider two practical yet important issues in software defect detection.First,it is rather difficult to collect a large amount of labeled training data for learning a well-performing model;second,in a software system there are usually much fewer defective modules than defect-free modules,so learning would have to be conducted over an imbalanced data set.In this paper,we address these two practical issues simultaneously by proposing a novel semi-supervised learning approach named Rocus.This method exploits the abundant unlabeled examples to improve the detection accuracy,as well as employs under-sampling to tackle the class-imbalance problem in the learning process.Experimental results of real-world software defect detection tasks show that Rocus is effective for software defect detection.Its performance is better than a semi-supervised learning method that ignores the class-imbalance nature of the task and a class-imbalance learning method that does not make effective use of unlabeled data.     

基于光子晶体光纤的长周期光栅

介绍在光子晶体光纤（PCF）中写入长周期光栅（LPG）的几种方法，研究基于PCF的LPG的传输特性及其与光栅结构的关系，分析了基于PCF的LPG的温度、应力特性和对环境材料折射率的不敏感性。     

基于因果发现的神经网络集成方法

现有的神经网络集成方法主要通过扰动训练数据来产生精确且差异度较大的个体网络,从而获得较强的泛化能力.利用因果发现技术,在取样结果中找出类别属性的祖先属性,然后使用仅包含这些属性的数据生成个体网络,从而有效地将扰动训练数据与扰动输入属性结合起来,以产生精确度高且差异度大的个体.实验结果表明,该方法的泛化能力与当前一些流行的集成方法相当或更好.     

软计算Agent系统综述

1引言 在过去的30年里,为了设计智能系统研究者们提出了很多方法,多agent系统就是其中之一.它的提出源于生物社会性理论[1],认为生物不仅具有自然属性还具有社会属性,个体的智能在群体相互作用的过程中得以进化.多agent系统通过多个实体共同分担计算任务的方式达到整体上的智能.近年来,网络技术使Internet蓬勃发展.网络上分布着大量的信息,并且信息是动态变化、高度不可预测的,这些都为人工智能提出了新的挑战,而这正成为多agent系统发展的契机.多agent系统中包含多个有自主性的agent,它们可以感知环境并对环境做出反应,可以完成独立的或半独立的任务,通过相互作用实现共同目标.智能agent还具备推理能力和学习能力.     

SOM算法、LVQ算法及其变体综述

1.引言 SOM(Self-Organizing feature Map,简称SOM)网络是一种自组织竞争型人工神经网络,它是由著名神经网络专家T.Kohonen教授于1981年提出的,因此SOM网络又称为Kohonen Map。 SOM算法是一种非监督(unsupervised)的聚类方法,自20年前该算法提出至今,很多研究者围绕该算法在模式识别,信号处理,数据挖掘等理论和应用领域做了大量工作,并且取得了大量研究成果。这些成果的取得很大程度上归功于SOM算法本身的简明性和实用性。     

基于最优权值的选择性神经网络集成方法

本文提出一种基于最优权值的选择性神经网络集成构造方法,在训练出个体神经网络之后,使用遗传算法计算出这些网络在加权平均方法中对应的最优权值,然后选择权值大于一定阈值的部分网络使用简单平均方法组成神经网络集成.理论分析和实验结果表明,与传统方法相比,本文方法使用部分网络能够取得更好的效果.     

基于主动相关反馈的图像检索方法

在基于内容的图像检索中,如何找到有效方法以缩小图像的视觉描述和用户语义解释之间的差异是一个关键问题.本文在图像检索的相关反馈过程中引入主动学习的思想,提出了主动相关反馈方法,通过将用户的注意力集中在检索系统分类确定性低的图像上,使得用户反馈针对最能有效提高检索性能的图像进行.实验结果表明,该方法有助于缩小用户查询中的歧义性,有效提高检索效率.