基于J2ME的嵌入式移动游戏的设计与开发

提出一种嵌入式移动游戏的设计思想,以及在这种设计思想下需要解决的主要技术问题。针对这些问题,详细阐述了使用的关键技术及其实现,最后测试结果显示,这款游戏不仅便于查看游戏运行过程中内存的占用量和程序的每一部分代码消耗的处理器时间,而且可以不断地优化代码。     

多层智能状态空间建模方法的研究及其应用

阐明了"多层智能状态空间"建模方法的研究现状,针对复杂大系统建模中的不确定性与不确知性,尤其是人为主观造成的模糊性与采样数据随机性并存的问题,结合云模型的相关理论和方法设计了"多层智能状态空间"建模方法,给出了模型构建的完整约束及智能信息处理方案。最后将该方法用于我国能源系统分析研究中,构建了多层能源系统分析模型,给出了模型的求解方法,建立仿真实验平台进行实验比对分析,取得了较好的结果,证明了该方法的简单性和有效性。     

基于多重广义算子的复杂网络建模方法的研究

复杂网络的研究显示,不同系统在经历时空演化从最初简单状态涌现出同样结构特征的现象.针对不同的内在结构却表现出同样外部特征的特点,比较符合于广义算子模型的研究思路.提出一种适合复杂网络的普适建模方法,在分析融合多重广义算子模型和复杂网络的研究成果基础上,将广义算子模型应用于复杂网络的建模中.建模过程采用“分解-联结”的方式.首先根据系统的结构特征进行分解,分别建立广义算子和关系算子,然后联结形成复杂网络的广义算子模型.最后可用于Internet的建模中,证明了模型的简单性、灵活性和有效性.     

基于云模型的 Internet建模多属性评价方法

借鉴云模型的研究思想及复杂网络的研究成果,提出了基于评价云的Internet模型多属性评价方法。主要工作如下：分析了Internet的建模情况,针对模型的评价现状设计了基于云模型的评价方法,可针对网络多属性进行分别评价,并最终整合成一综合评价值,进而通过比较获得最佳的评价。云模型能够反映模糊性和随机性的关联,因此,该方法能够更加有效地表达语言定性评价信息。最后,通过应用案例证明了该方法的简单性和可行性。     

集对云决策方法的研究

借鉴云模型和集对分析的核心研究思想,提出一种用于自然语言评价的多属性决策方法-集对云决策方法,主要工作如下:首先,针对多属性群决策的属性评估集和等级评估集设计了等级描述云和等级评价云;然后,在此基础上设计了云归一化算法实现了一个属性多个专家值的融合;最后,设计了集对评估算法,将多个属性值评价等级从同一、对立、不确定三个角度进行系统化描述,进而得各评估方案的可行性系统描述方程,通过图示比较分析获知可行性最佳方案.最终,通过能源方案评估应用证明了该方法的简单性和可行性,以及权衡语言评价信息的有效性.     

集对云多属性群决策方法及应用

阐明了复杂现象模糊多属性决策方法的研究现状,并针对复杂现象语言调研信息存在的主观模糊性与客观随机性以及不确定性因素对决策备选方案的影响等问题,结合云模型与集对分析的相关理论和方法,研究设计了集对云多属性群决策方法。将该方法用于我国"农村新能源开发利用规划"研究中,建立了可再生能源开发决策模型,给出了相应的解法。与模糊二元语义分析法进行的比对实验说明了集对云决策法的合理性、有效性及实用性。     

人工智能技术在武器装备中的应用研究

介绍了智能武器的概念及发展过程，阐述了智能武器的研究现状，提出了智能武器的发展趋势。     

基于中心点的自适应匹配算法

随着指纹识别技术的广泛应用，人们对指纹匹配速度和精度的要求越来越高。为了满足用户的需求，研究人员提出了许多优秀的匹配算法，其中点匹配算法是目前研究较广泛的一种算法。由于指纹录入时产生旋转、平移和非才性形变，一般在进行精确的匹配之前先将指纹进行校正。切践校正算法简单，有利于解决指纹录入时产生的旋转和平移，提高匹配速度。在点匹配算法中，利用特征点的方向信息和坐标信息进行匹配，同时采用自适应阀值法，对指纹录入时产生的非玑性形变具有较好的鲁棒性，可以提高识别率。     

流媒体技术在网络教学中的应用研究

流媒体技术是多媒体信息在网络中以流方式传榆的一种技术，该技术可以大大减少传输延时，对客户端机缓存要求不高。并且具有媒体流同步播放的特性。实践证明，该技术用于网络教学有助于将课堂信息多侧面多角度的逼真再现．使用户在普通的客户端机快速、便捷地访问课堂信息，进而提高网络课堂质量，促进远程教育的发展。     

一种基于网络的大型指纹数据库检索方法

随着指纹识别技术的广泛应用和网络技术的发展,基于网络的指纹自动识别系统面临着如何提高检索速度和准确度的问题。本文根据指纹数据库自身的特点,提出了一种新的检索和索引网络大型指纹数据库的方法。该算法利用指纹的类别和局部特征建立了三级索引,有利于缩小检索空间,提高检索速度。在算法中提出了一种新的指纹分类方法,将指纹分为八类：弧形、尖拱形、左旋形、右旋形、正涡形、左涡形、右涡形、混合形。该算法利用core点和delta点的位置、数目和方向判断指纹的类别,有效地解决了采集时对指纹的旋转、平移和形变不变性的要求,并有助于进一步缩小检索空间,提高检索速度。实验证明,效果良好。