支持森林场景动态生成的树木生长模拟

为了解决传统L文法中树木建模困难和运行效率低的问题,提出了支持森林场景动态生成的树木生长模拟方法.该方法基于分形元建立树木模型,在此基础上对大规模树木实体实例化的简化算法进行研究,将基于视点的多分辨率简化模型融入树木建模方法之中,并选择典型树种进行生长模拟.实验结果表明,该方法能较真实地模拟树木的生长过程,并实现在虚拟森林场景中的实时漫游.

生理过程模糊神经推理的虚拟植物

提出一种基于模糊神经生理过程推理系统的植物生长模型。该模型基于机器学习理论,从测量的数据中自动学习拟合植物器官生长函数,提取植物生长规律。在植物生长发育过程中,源库器官根据其生长函数响应虚拟环境,并进行生产、分配、利用同化物。同时器官功能部分的变化反馈到结构部分,对表示植物结构信息的L文法字符串进行修改。当生长环境变化时,模型自动调整生长函数的参数和L文法,在环境中进行优化选择,最终形成适应当前虚拟环境的植物。基于辣椒实验仿真表明,该方法能够准确提取植物生长函数和结构规律,逼真地展现植物对生长环境的响应和适应。

基于无秩树自动机的信息抽取技术研究

针对目前基于网页结构的信息抽取方法的缺陷,提出了一种基于无秩树自动机的信息抽取技术,其核心思想是通过将结构化(半结构化)文档转换成无秩树,然后利用(k,l)-contextual树构造样本自动机,依据树自动机接收和拒绝状态来对网页进行数据的抽取。该方法充分利用结构,依托树自动机将传统的以单一结构途径的信息抽取方法与文法推理原则相结合,得到信息抽取规则。实验结果表明,该方法与同类抽取方法相比在准确率、召回率以及抽取所需时间上均有所提高。

算法语言L的指称语义

文中为算法语言Ｌ定义了动态指称语义，在描述中避免了含有函数空间构造运算的递归论域方程．指称语义可以说明Ｌ的一些良好的数学性质，也可以说明指称语义技术可以达到更好的直观性和实用性．

L属性文法属性求值器的自动生成技术

提出一种L属性文法LL（1）属性求值器的自动生成技术.该技术充分利用L属性文法和LL（1）分析方法的特点，节省了属性求值器的存储空间，扩展了语义规则的描述能力．且实现了一本基于该技术的属性求值器自动生成系统．

L系统的并行化关键技术

为解决L系统文法在字符迭代过程中生成效率低下的问题,提出一种基于并行框架的分解算法。通过L系统的文法特征将L系统进行分类,将分类后的文法字符进行多线程处理,提高文法的生成效率。可直接操作纯文本的L文法字符串,无需任何编译、链接翻译过程。实验结果表明,该算法可以高效处理参数化L系统、上下文敏感L系统和随机化L系统,当文法数量达到百万级规模时,算法生成文法的效率提高了25%。

“了”在汉语句法中实现语法关系的作用(英文)

在象英语这样具有曲折变化的语言中,时和态或者时间关系是由动词形式的变化体现的。但在汉语中,动词没有时和态的变化,各种时间关系或由语境推断,或由类似于"了","着"等助词与动词相接实现。本文通过分析"了"在汉语句式中所处的不同位置,揭示了它在汉语句法中实现语法关系所起的作用。

语法教学与语言交流

中国英语教学中非常重视语法教学,但事实上重视语法教学并没有达到学英语的既定目标。从语法教学和语言交流的关系入手,对语法教学和语法测试中存在的问题进行分析,并指出语法应该作为交流的方式来教和学,把它作为"规则的描述"机械地去套用是不明智的。

基于完备剩余格值逻辑的下推自动机与上下文无关文法

引入了L-值下推自动机的概念,讨论了L-值下推自动机按2种不同方式所接受的语言类的等价性,并指出了它能识别L-值正则语言。利用广义的子集构造方法,证明了一般的L-值下推自动机与状态转移为分明函数且具有L-值终态的L-值下推自动机的等价性。通过此等价性,给出了L-值上下文无关语言的代数刻画和层次刻画,并证明了L-值上下文无关语言关于正则运算的封闭性。另外,提出了L-值上下文无关文法的概念,给出了与之等价的且带有经典开始符的L-值上下文无关文法。借此等价关系,讨论了L-值下推自动机与L-值上下文无关文法是等价的,并说明了在完备剩余格值逻辑意义下,可采用最左派生、最右派生、Chomsky范式或者Greibach范式中的任何一种来生成L-值上下文无关语言。