Seed-matrix三维场景布局系统

为解决动画制作过程中场景和布局问题,设计开发了Seed-matrix三维场景布局系统.该系统将场景构建与布局规划有机结合,通过随机播种划分策略将场景根据不同地形的特征和比例进行的自动构建.通过使用约束加权矩阵表示布局约束的方法。计算物体的布局位置.系统在实际应用中很好的实现了三维场景的自动构建和物体的布局规划.

ESPRIT:欧洲信息技术研究与开发的战略计划

本文简要介绍欧洲信息技术研究与开发的战略计划ESPRIT的组织实施、和迄今已取得的效果,供国内计算机科技界参考。

基于Boosting的市场值函数算法及其评价

发现具有潜在市场价值的客户群是直销中的一个关键问题，尽管一些标准的数据挖掘算法可以用来解决此问题，但效果并不理想．为此，采用市场值函数算法，它以信息论为基础，通过构造一个线性市场值函数来对客户进行排序，从而发现最具有潜在市场价值的客户群．实验结果表明，它的评价值可达80％以上，并且具有很好的可解释性．同时，将Boosting算法应用到市场值函数算法中，用以提高市场值函数的预测效果；在3个不同的数据集上进行了实验，评价值均提高了一个百分点．

PROLOG、DBMS和过程模块三者集成的专家系统开发环境

本文描述了PROLOG、关系型DBMS和过程性模块三者集成的专家系统开发环境ESDE 1的设计思想,特别强调了PROLOG编译优化技术在提高ESDE 1效率方面所具有的潜力.

基于Boosting的半结构化信息抽取

为了对半结构化文本实现自动抽取信息.介绍了一种基于Boosting算法的信息抽取方法,它能够自动对一个训练例生成规则,将该规则应用于正例集并改变正例集权重分布,找到权重最大的正例生成下一条规则.给出了一种能描述不符合英文词法的词的模式匹配约束.试验表明:在特征简单的抽取规则学习中,该方法精确度与召回率可达100％.在特征比较复杂的抽取规则学习中,该方法F1评估值也能达到80％以上.

一个基于抽象解释的部分演绎过程

本文提出一种新的基于抽象解释的逻辑程序部分演绎方法．在一遍预处理里，针对给定的程序Ｐ和目标Ｇ，同时进行Ｐ∪｛Ｇ｝的部分演绎和抽象解释，以抽象解释控制部分演绎的展开过程．只要抽象论域是有穷的，部分演绎必定终止，而且Ｐ＇带有抽象解释估算出的关于其运行性质的信息，便于对Ｐ作进一步优化．

一个用于软件生产自动化的VDM元语言编译系统

讨论了C-Meta-Ⅳ的设计方案,介绍了已实现部分的效果。C-Meta-Ⅳ是一个用于系统软件和应用软件自动化生产的VDM元语言编译系统。该系统以智能语言PROLOG为中间语言,可将用Meta-Ⅳ书写的软件规范说明自动翻译为可执行高级程序设计语言(如PASCAL)的程序。其优点是:从Meta-Ⅳ到PROLOG的翻译比直接翻译为过程性语言容易;从PROLOG到过程性语言的翻译可利用优化技术以提高目标程序的效率。

贝叶斯网模型的学习、推理和应用

近年来在人工智能领域,不确定性问题一直成为人们关注和研究的焦点。贝叶斯网是用来表示不确定变量集合联合概率分布的图形模式,它反映了变量间潜在的依赖关系。使用贝叶斯网建模已成为解决许多不确定性问题的强有力工具。基于国内外最新的研究成果对贝叶斯网模型的学习、推理和应用情况进行了综述,并对未来的发展方向进行了展望。

蛋白质相互作用网络功能模块检测的研究综述

蛋白质相互作用(Protein-protein interaction,PPI)网络是生命活动中一种极其重要的生物分子关系网络,利用计算方法从PPI网络中检测功能模块是目前生物信息学中一项重要的研究课题.本文首先总结了功能模块检测过程的基本流程,说明了预处理和后处理的作用;其次,提出了一种模块检测方法的分类体系,并对其中一些代表性的检测算法进行了阐述;再次,给出了模块检测常用的数据库、评价指标和相关软件工具,并通过实验对代表性算法进行了性能对比.最后,通过对该领域挑战性问题的分析预测了模块检测未来的研究方向,以期对相关研究提供一定的参考.

基于多粒度的旅行商问题描述及其蚁群优化算法

针对蚁群算法在求解大规模旅行商问题(Traveling Salesman Problems,TSP)中时间性能方面的不足,提出了一种快速的求解算法.首先,从TSP问题描述入手,给出了一种新的多粒度的问题描述模型;然后,基于该模型,设计了包括基于密度聚类的粒度划分、粗粒度的蚁群寻优、粒度间的连接、细粒度的蚁群寻优、粒度间可行解的合成以及循环分段优化6个阶段在内的求解算法.算法的复杂度分析及在中、大规模TSP问题上的实验表明:本算法的时间性能不仅比经典的蚁群算法有显著的提高,而且与近年来的一些同类算法相比也具有一定的优势,显示了快速求解大规模TSP问题的能力.

一种快速求解旅行商问题的蚁群算法

蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一.将信息素更新和随机搜索机制的改进相结合,提出一种快速求解旅行商问题的蚁群算法.首先给出了一种新的信息素增量模型,以体现蚂蚁在不同路径上行走时所产生的信息素差异;然后以蚂蚁经过的路径(直线段)作为信息素扩散浓度场的信源,改进了信息素扩散模型,强化了蚂蚁间的协作和交流;最后采用较低复杂度的变异策略对迭代的结果进行优化.在大量通用数据集上的实验表明,该算法不仅能获得更好的最优解,而且收敛速度有显著的提高.

基于多分类器的数据流中的概念漂移挖掘

数据流中概念漂移的检测是当前数据挖掘领域的重要研究分支,近年来得到了广泛的关注.本文提出了一种称为M_ID4的数据流挖掘算法.它是在大容量数据流挖掘中,通过尽量少的训练样本来实现概念漂移检测的快速方法.利用多分类器综合技术,M-ID4实现了数据流中概念漂移的增量式检测和挖掘.实验结果表明,MID4算法在处理数据流的概念漂移上表现出比已有同类算法更高的精确度和适应性.

基于特征信息增益权重的文本分类算法

为了在分类精度不受损失的情况下提高训练速度,设计了3种基于信息增益(information gain,简称IG) 特征权重的分类算法,分别被命名为:IG-C1、IG-C2、IG-C．它们根据特征对IG贡献的大小及在新文本中出现的次数进行分类．这3种算法都具有较低的时间复杂度和实现简单的特点．实验结果表明,其中IG-C的分类效果最为理想．

对OWL及其逻辑基础的研究

OWL是WebOntology的表示语言,是实现语义Web的语言工具。对OWL三个子语言 的语法进行了比较分析,重点对OWL的逻辑基础(即描述逻辑)进行了讨论,就描述逻辑如何用于表 示本体进行了研究,提出了一种基于描述逻辑的本体模型,并对描述逻辑的推理机制进行了阐述。

基于变异和信息素扩散的多维背包问题的蚁群算法

针对蚁群算法在求解大规模多维背包问题时存在的迭代次数过多、精度不高的不足,提出一种新的高性能的蚁群求解算法.算法将信息素更新和随机搜索机制的改进相融合.首先,基于对较优解的偏爱,采用Top-k策略从每次迭代的k个解中挖掘出对象间的关联距离;其次,以对象为信源借助关联距离建立信息素的扩散模型,通过信息素扩散的耦合补偿,强化了蚂蚁间的协作和交流;最后,利用一种简单的变异策略对迭代的结果进行优化.在通用数据集上的大量实验表明:与最新的蚁群算法相比,新算法不仅能获得更好的最优解,而且收敛速度有显著的提高.

量子蚁群算法求解多任务联盟问题

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的求解精度不高、迭代次数多的不足,利用量子计算的并行性,提出了一种求解多任务联盟问题的量子蚁群算法.首先,利用量子叠加态给出了基于Agent的量子编码,使1个Agent能占据空间中的2个位置;其次,为使旋转角获得合适的大小和方向,提出了一种基于信息素的自适应修正旋转角调整策略;最后,通过对量子编码进行观测,给出了基于量子态的蚂蚁寻优策略.实验结果表明,与已有的算法相比,该算法不仅能获得更高质量的解,而且收敛速度也有显著的提高.

数据流中频繁闭项集的近似挖掘算法

在数据流中挖掘频繁项集得到了广泛的研究,传统的研究方法大多关注于在数据流中挖掘全部频繁项集.由于挖掘全部频繁项集存在数据和模式冗余问题,所以对算法的时间和空间效率都具有更大的挑战性.因此,近年来人们开始关注在数据流中挖掘频繁闭项集,其中一个典型的工作就是Moment算法.本文提出了一种数据流中频繁闭项集的近似挖掘算法A-Moment.它采用衰减窗口机制、近似计数估计方法和分布式更新信息策略来解决Moment算法中过度依赖于窗口和执行效率低等问题.实验表明,该算法在保证挖掘精度的前提下,可以比Moment获得更好的效率.

计算机科学与技术一级学科面向21世纪系列教材一体化建设研究报告

1引言 自从计算机科学与技术学科专业教育诞生之日起,学术界就开始了长期的、连续的教材创作工作,陆续推出了各式各样的教材.在中国,伴随着高等学校学科专业教育的兴起,采用翻译、编译、编写、编著、引进、创作等多种形式,大量专业教材不断地进入这个领域.众所周知,无论是国内还是国外,长期以来学科专业教材的建设确实为培养一大批专业人才做出了巨大的贡献.

基于项目序列集操作的关联规则挖掘算法

最大频繁项目序列集的生成是影响关联规则挖掘的关键问题 ,传统的算法是通过对事务数据库的多次扫描实现的 .最新的研究已经开始通过减少事务数据库的扫描次数进而减少挖掘过程的 I/ O代价来获得更高的效率 .随着计算机性能的提高 ,探索合适的数据结构来支持基于一次事务数据库扫描的高效算法成为可能 .该文首先给出项目序列集和它的基本操作的严格定义 ,然后在此基础上提出一个称为 ISS- DM的最大频繁项目序列集生成算法 .ISS- DM算法是通过对事务数据库的一次扫描而逐步演化成最大频繁项目序列集的 .

基于混合高斯模型的电子邮件多过滤器融合方法

本文提出了一种基于混合高斯模型(GMM)的多贝叶斯过滤器融合方法,并成功应用于电子邮件过滤.该方法使用多元统计分析方法对多个过滤器在训练例上的过滤表现矩阵进行降维和除噪,得到训练数据及各过滤器的分布;然后,从这一分布中学习出对邮件进行类别判定的GMM.GMM根据期望代价最小准则进行过滤,避免将正常邮件判定为垃圾.实验结果表明,本文方法具有较好的过滤性能,且对于特征提取率的敏感度低.