模糊串匹配算法及其应用

本文分析了模糊字符串几种类型和它的表示方法，并给出模糊匹配的算法及Ｃ语言的源程序，同时也指出了在文枉编辑器的应用例子。     

用基函数神经网络实现多阈值图象分割

本文介绍了一种用基函数神经网络实现多阈值图象分割的新方法。它从函数逼近的角度研究基于灰度直方图的多阈值分割问题，提出了一种模糊反向传播学习算法，采用该算法的高斯基函数网络能够准确检测直方图中包含的子区域和它们的分布函数，而且速度很快。实验表明本文的方法在实际图象分割中是有效的。     

关于超立方体网络的容错路径选择

文章给出ｎ－维超立方体网络的容错路径选择算法，该算法具有自适应性，可以防止死锁和活锁现象的发生，应用该算法，可求出一条基于安全优先策略的可行最短路径。     

模糊数学在电视机故障诊断中的应用

本文介绍了应用模糊数学方法进行计算机辅助诊断电视机的故障原因,这种方法有效性在于建立模型的因果关系正确性和自动搜索范围及速度。     

A fuzzy diagnosis approach using dynamic fault trees

By incorporating digraph models, fault trees and fuzzy inference mechanisms in a unified framework, a novel approach for fault diagnosis is developed in this work. To relieve the on-line computation load, the fault origins considered in diagnosis are limited to the basic events in the cut sets of a given fault tree. The symptom occurrence order associated with each root cause is derived from system digraph with the qualitative simulation techniques. The implied candidate patterns are enumerated according to two proposed theorems and then encoded in the inference system with IF-THEN rules. The simulation results show that the proposed approach is not only feasible but also capable of identifying the most likely cause(s) of a hazardous event at the earliest possible time.     

多目标二次规划非劣解集的理论生成及应用

本文对多目标二次规划问题非劣解集的理论生成进行了探讨,在介绍二次规划单目标问题优化解求法的基础上,提出了在决策平面上互切点,共交点轨迹的概念.由此导出了非劣解集的一般解析式(对切点解问题)和另一类交点解问题时的非劣解集求法,然后介绍了在目标平面非劣解集的解析表达式.使多目标二次规划问题整个非劣解集的推求严格、明确和方便,有理论和实际意义。文中以一个综合利用水库参数的多目标优选作为例子阐述了应用,并求出了最终的最佳协调解.     

用电话网实现远程监控自动化

分析了偏僻高山上通信机房和电气房要进行监控的内容和特点等，探讨 了用经济、可靠的电话交换网实现远程监控自动化的方案和实施办法。该设计根据监控对象 的特点，利用现有的电话网络和程控交换机实现远程监控，不需要专用通信传输通道，不需 要增加硬件和软件，成本低，技术成熟，容易实现。     

复合轴控制系统应用研究

复合轴控制是提高光电跟踪系统精度和控制带宽的一种有效手段，尤其在光束定向器系统中，不仅要求系统要稳定地跟踪上动态目标，而且必须将光束涣定在目标的某一点上，这对控制系统的要求是非常高的，必须采用双或三复合轴控制方式。     

多判据模糊决策在工程爆破中的应用

本文介绍了多判据模糊决策的数学模型。该模型可广泛地用于工程爆破中的爆破方案比较,以及爆破试验中的最优爆破参数的决策。该模型的应用将有利于工程爆破试验及设计的计算机程序设计。     

A real-time road pricing system: The case of a two-link parallel network

A real-time road pricing system in the case of a two-link parallel network is proposed in this paper. The system that is based on a combination of Dynamic Programming and Neural Networks makes “on-line” decisions about road toll values. In the first phase of the proposed model, the best road toll sequences during certain time period are calculated off-line for many different patterns of vehicle arrivals. These toll sequences are computed using Dynamic Programming approach. In the second phase, learning from vehicle arrival patterns and the corresponding optimal toll sequences, neural network is trained. The results obtained during on-line tests are close to the best solution obtained off-line assuming that the arrival pattern is known.