启发式搜索策略应用研究及认知系统仿真

为了寻找人类智能在启发式搜索上的优势,帮助建立基于认知的网络搜索模型,提出了基于视觉感知和目标递归的综合策略。采用功能技术fMRI结合ACT-R认知系统仿真的方法。以简化四方趣题为范式,通过fMRI实验获取信息加工同步的脑激活模式。分析了问题求解过程提出视觉感知策略和目标递归策略混合策略假设,并建立产生式系统。ACT-R认知系统模拟启发式搜索中综合策略应用过程,仿真实验结果表明,反应时偏差0.3s,脑功能区BOLD效应拟合值0.95。研究结果表明,综合策略应用能实现信息有效选择、缩短加工路径、减轻记忆负担和加速搜索过程,是人在启发式搜索上区别于机器的优势。

问题解决中启发规则选择机制及认知模型

为建立基于认知的网络搜索模型,提出了启发式搜索中启发规则选择的认知机制.基于简化四方趣题实例,采用行为实验和认知模型仿真结合的方法进行了研究.通过行为实验测试了17个被试对二维和三维启发规则的选择结果,实验结果显示835个任务中有809个任务被试选择二维规则答题;认知模型仿真实验基于视觉目标导向的简约规则约束搜索假设,模拟了规则选择的认知过程,结果显示模拟反应时间与真实反应时间偏差0.07 s.研究结果表明,启发规则选择是一个视觉目标导向的简约规则约束搜索过程.

多数据库中例外模式挖掘方法研究

首先比较了现有的两种挖掘方法,提出了一种改进技术。综合考虑例外的局部和全局兴趣度,剔除非真正有趣的局部例外;增加两种客观度量并按模式重要度排序。实验表明该方法不仅可以有效挖掘多数据库中例外模式,而且还大大减少了用户负担。

高级认知过程对人脑信号活动模式的影响及认知系统仿真

为了帮助解决脑机接口中人脑信号与高级认知活动之间的对接问题,建立了同时模拟高级认知过程与人脑信号模式的认知模型。采用的方法是ACT-R认知仿真实验结合fMRI脑影像实验。以简化四方趣题为实验范式,设计有锚和无锚两类不同复杂度任务。从ACT-R认知仿真实验分析出高级认知过程,从fMRI实验结果分析出感兴趣脑区BOLD信号模式。通过对两实验结果进一步分析得出,不同的高级认知活动过程对脑功能区BOLD信号模式存在多处影响,包括启动值和BOLD的峰值位置、平均变化量、上升变化量以及下降变化量。本研究获得了高级认知过程对脑区信号模式影响结果,将对脑机接口技术的发展提供认知依据。

通过问题转换算法描述提高学生计算思维能力

计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类行为等的一系列思维活动。作为计算机专业本科人才培养,更应该训练和提高学生的计算思维能力。文章围绕算法这个基本概念,提出了通过强化问题转换算法描述这个环节来训练和提高学生计算思维能力的教改思路。并通过介绍算法描述的实例。

讨论式教学法在《软件项目管理》教学中的应用和思考

软件项目管理课程的特点是理论性强,知识点多,案例丰富,且选修该门课的学生软件项目经验少。结合这两个特点,采用讨论为主的课堂教学模式。文章介绍了理论知识和解读案例,然后通过课堂讨论经典案例。通过教学实践发现,对于软件项目管理课程,讨论式教学不仅让老师能及时了解教学效果,发现存在问题,改善教学质量,也使得学生在课堂上思想集中,思维活跃,学习积极性提高,避免了常规教学中的视听疲劳,加深了对知识点的理解和应用能力,取得了较好的教学效果。

简化四宫格问题求解的认知仿真分析

探索人脑执行高级认知任务的认知模块协作过程.以简化四宫格问题为实例,采用ACT-R仿真实验和f MRI真实实验相结合的方法.基于任务分析提出问题求解的脑认知模块协调假设,在此基础上建立ACT-R仿真系统,并与f MRI数据拟合.拟合结果表明:两者反应时偏差0.16,脑区激活趋势平均相关度0.92,值均偏差0.03,仿真系统输出了各模块协同操作图.研究表明,主要模块之间既有并行协同,如视觉和目标控制以及记忆和表征,也有序列协同如视觉和表征,产生式系统则起到协调多模块作用.

浅谈讨论式教学对应用型软件工程人才创新思维能力培养的作用

创新思维能力是人才培养的关键,特别是对于知识变化快的应用型软件工程专业。学生创新思维能力的培养,重要一环是让学生养成开放性思维,主动思考,发现问题并解决问题,而不拘泥于相信教材和老师。讨论式教学刚好提供了学生这样的机会,是创新思维能力培养的一个有力途径。文章深入分析讨论式教学的认知加工特点及其在创新思维培养中的作用,并进行了专业选修课的讨论式教学实践。

多特征方计算优化策略

多特征方用于计算复杂的数据挖掘查询,在2n个粒度进行多个依赖的复杂聚集计算。现有的立方体粒度计算技术可以有效计算分布和代数多特征方,针对整体多特征方提出了优化策略:先将立方体水平分块,然后采用冰山查询技术动态选择数据以及局部分布聚集特性优化计算过程。该优化策略既减少了计算复杂度又节省了聚集计算时间,实验结果表明该计算策略比基本的解决方法性能提高一倍以上。

一种基于立方体的复杂查询的高效算法

提出一种高效的整体多特征方查询算法。该算法首先将数据立方体水平分块成多个小数据集,然后将各子查询中的聚集函数分类,并对其中的分布和代数聚集函数使用分布聚集特性优化计算,使得整体多特征方查询可以局部使用分布多特征方查询的优化计算方法。实验结果证明该方法可以有效地提高整体多特征方查询的效率。

大型时态数据库中的Burst模式挖掘

首先分析了挖掘整个大型时态数据库时可能存在的两个问题,提出了解决的一种新方法。该方法采用“先分后合”的思想:先将大型数据库划分成多个小型数据集,接着对这些数据集进行四次裁剪后再进行综合评价,最后挖掘出潜在的Burst模式。实验结果表明,该方法准确有效。挖掘出的Burst模式给公司决策者在制定决策的时候提供参考帮助和支持。

基于Caching重用的复杂数据立方体聚集方法

基于数字立方体的复杂查询是立方体技术的发展方向。该文针对复杂立方体查询中可能存在的3种聚集依赖,分别给出3种基于Caching重用技术的解决方法。在模拟数据集和真实数据集上的实验结果验证了该方法的有效性和正确性。

基于可视化运行平台的数据结构课程教学

提出基于可视化运行平台的数据结构教学模式,针对数据结构与算法传统教学模式中学生对算法缺乏整体、有机和直观形象理解的缺点,利用C++和Flash等进行可视化集成工具的开发。从教学的角度探讨应用该可视化辅助教学工具,在数据结构教学和实验过程中实现程序可视化、数据可视化和算法可视化,达到理想的教学效果。

正交Haar变换的眉毛识别方法

【目的】提高现有眉毛识别方法的识别效率。【方法】采用快速正交Haar变换模板匹配算法(FOHT),设计一种基于正交Haar变换的眉毛识别方法;同时,使用最大标准子模板和自适应阈值解决了FOHT算法只能处理标准模板且需要手动设置阈值的缺陷。【结果】所构建的眉毛识别方法比原方法效率提高约32%。【结论】正交Haar变换的眉毛识别方法实时性强,具有一定的实用价值。

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。

孟鲁司特治疗儿童咳嗽变异性哮喘的疗效观察

目的探究孟鲁司特(montelukast)在小儿咳嗽变异性哮喘(CVA)临床治疗中的应用价值。方法将240例CVA患儿按照随机原则分为观察组与对照组各120例,观察组给予孟鲁司特咀嚼片及口服酮替芬和美普清,对照组仅给予口服酮替芬和美普清,不加用任何孟鲁司特制剂,两组患儿均连续服药3个月,疗程结束后对疗效进行评估,并于3个月、6个月、1年后进行随访,记录复发例数。结果观察组总有效率91.67%,复发率16.67%;对照组总有效率65.00%,复发率46.67%,经卡方检验,两组比较总有效率和复发率,差异均具有统计学意义,两组患儿服药过程中均未见严重不良反应。结论孟鲁司特用于小儿咳嗽变异性哮喘的治疗中,具有疗效显著,复发率低,不良反应少等优点,具有重要的临床应用价值。

基于尺度自适应局部时空特征的足球比赛视频中的多运动员行为表示

为提高足球比赛视频中的多运动员行为识别的准确率,提出一种基于尺度自适应局部时空特征的足球比赛视频中的多运动员行为表示方法,利用时空兴趣点来表示足球比赛视频中的多运动员行为。首先将足球比赛视频序列中的多运动员行为看作是三维空间中的时空兴趣点的集合,然后采用直方图量化技术将时空兴趣点集合量化为维数固定的直方图(即时空单词),最后采用K-means聚类算法生成时空码本。在聚类生成码本之前,对每个时空兴趣点都进行了归一化,以保证其缩放和平移不变性。实验结果表明,该方法能够大大减少足球比赛视频中的多运动员行为识别算法的计算量,显著提高识别的准确率。

一种多特征方查询的有效算法

多特征方用于计算复杂数据挖掘查询,具有多粒度上多个依赖聚集计算的典型特点。现有的立方体粒度计算技术可以有效计算分布和代数多特征方,整体多特征方还没有提出有效的计算方法。在分析整体多特征方查询特点的基础上提出了一种优化算法:先将立方体分块,再采用冰山查询技术动态选择数据,最后采用查询结果重用技术。实验表明,该优化算法能有效提高整体多特征方查询的性能。

复杂立方体聚集依赖及其查询技术

针对复杂立方体查询中可能存在的3种聚集依赖(完全依赖、部分依赖和互斥依赖),分别提出了3种基于Cache重用技术的解决方法:完全Cache重用、部分Cache重用以及反Cache重用机制,并相应地给出了计算方法和算法。在模拟和真实数据集上的实验结果表明,不同数据集下改进算法均比基本算法的效率有明显提高,特别地,数据量越大,Cache重用技术的优越性越明显。

多数据库中例外模式和高选票模式的挖掘

文章在分析前人算法不足的基础上,提出了一种改进的挖掘多数据库中例外模式和高选票模式的算法,算法分析结果表明改进的算法能更加准确有效地在多数据库中挖掘出潜在的例外模式和高选票模式.