GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

毒品滥用流行病模型的稳定性分析

现有毒品滥用流行病模型假设吸毒者康复后对毒品拥有永久"免疫"力，而忽视了其再次成为毒品易感者的可能性。针对这一问题，通过考虑社区治疗和隔离治疗两种措施，分析了毒品滥用人群的演化过程，提出了基于暂时"免疫"力的毒品滥用流行病模型，并计算了模型的基本再生数，讨论了模型平衡点的存在性和稳定性。当基本再生数小于1时，模型存在一个局部渐进稳定的无毒平衡点；当基本再生数大于1时，模型存在唯一的地方病平衡点，并利用几何方法证明了地方病平衡点的全局稳定性；当基本再生数等于1时，如果满足一定条件，模型出现后向分支现象。数值模拟验证了上述所有结果。研究结果表明提高隔离治疗率、改善社区治疗效果和降低接触传染率可以有效抑制毒品滥用的流行。     

移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状指出了各种方法的优点与不足，最后对移动机器人路径规划技术的发展趋势进行了展望。     

一种灵活通用的dBASE报表输出程序设计

报表输出是数据库管理软件的一项基本功能，本文找出一种灵活通用的报表输出程序设计方法，此程序能打印任意数据库记录并且还提供选择记录纵或横排列打印的功能，无疑它是数据库管理和应用的有力工具。     

在Encounter中实现网格+局部树的时钟设计流程

本文提出了一种新的方法,可以在Encounter中实现全局网格加局部树(MLT)流程。通过在时钟设计流程中利用CTS和时钟网格的优势,可以确保MLT具有更小的偏差,并进一步优化网格结构以降低功耗。在全局网格结构中,MLT可以提供真实的负载累加值,而不是估计值。这一流程还有一个特性就是可以为多电源电压(MSV)时钟设计提供基本的支持。     

VEAP:基于全局优化的有效VLSI布局算法

本文中，针对规则的VLSI设计模式（门阵列，标准单元等），我们提出一种新的非常简单有效的布局算法．该算法基于严格的数学分析，可以证明能够找到全局最优解．在实验中发现，对于很大规模的电路，我们的算法比现有的所有算法都快．此外，我们的算法还能够同时适应于线长优化和时延优化模式．     

多目标模糊全局优化设计方法和软件

分析了优化设计在土木工程中应用不够广泛的原因，由此提出了一个能用于工程设计的多目标模糊全局优化设计方法。介绍了按该方法研制的软件ＭＦＤ的功能和性能，以及一个用该软件分析的拱坝体型设计实例。     

一种遗传-梯度混合算法

本文提出一种函数全局优化的遗传-梯度混合算法。该算法由选择、交叉和诱导变异算子组成。通过对自适应滤波和前向神经网络权值训练两个典型问题的数字仿真，表明该算法是一种快速有效的全局优化算法。     

利用构件对象模型实现应用间的互操作

重点从编程的角度讨论了构件对象模型ＣＯＭ中的重要功能