CAD工程图样中自由表格信息快速提取技术

工程图样中的表格可分为约束表格和自由表格，信息提取方法概括起来也相应分为两类：一类方法处理约束表格；另一类方法处理自由表格。目前，对于自由表格信息自动提取的研究，较多集中在以某一通用算法去解决多样化表格方面，提取效率在处理某些表格（如明细表、汇总表等）上尚存在不足。文中基于对象几何特征，采用区域包容法快速定位信息对象，实现了DWG文件中数据信息的自动高效提取。     

用模糊方法确定实时系统中功能块的优先级

实时系统设计中确定功能块的优先级是一个重要环节，传统确定优先级的方法大都以某个单项因素为依据。本文利用模糊数学方法建立多目标系统模糊优选模型，并应用到实时系统中功能块的优先级决策上。     

卟啉及其配合物在分析化学中应用进展

综述了卟啉及配合物在分析化学中的应用研究进展。重点介绍了其在光度分析、电化学、分子识别、探针等方面的应用。     

红外图像掠海小目标的检测算法研究

针对红外图像掠海小目标信噪比低，且易受到水天线和背景杂波干扰的特点，提出了一种红外掠海小目标的提取与检测算法。该方法的特点是：首先采用中值滤波来减小噪声，并提出了差方和算法，用以抑制背景噪声并对目标增强；再采用了图像行扫描法有效地滤除水天线；最后通过弱化背景边缘和阈值分割等综合算法得到候选小目标。仿真结果表明，该算法达到了较好的效果。     

关于非线性多目标规划问题非劣解解法的探讨

非线性多目标规划是一类复杂的规划问题，由于其往往没有最优解，因此求其非劣解具有重要的意义。本首先探讨了无约束条件下非线性多目标规划的解法，然后提出了有约束条件下非线性多目标规划的一种解法。所述方法具有一定的普遍意义。     

面阵探测器的像点亚像素定位研究

面阵探测器可直接探测点目标图像的位置，但其定位精度受到探测器分辨率的限制。因此，亚像元精度技术得到了发展。它是利用目标像点的灰度分布特性，通过内插细分算法，确定出像点位置。可将定位精度提高1—2个数量级。本文介绍了几种实现目标像点亚像素定位的内插细分算法。对它们的计算公式、特点进行了分析，并进行了实验验证。     

带有随机因素的逆DEA模型

本文讨论含有随机因素的逆 DEA模型 .逆 DEA模型解决的问题是 :对于某个决策单元 (DMU ) ,若增加其输入 ,在保持相对效率水平不变的情况下 ,估计 (预测 )输出应增加多少 .因此逆 DEA模型可用于短期预测问题 .带有随机因素的逆 DEA模型 ,是将该问题转化成机会约束的多目标规划问题 ,在某些特殊情况下 ,成为机会约束的线性规划问题 .     

一种基于不同风险偏好投资多目标决策模型及解法

建立了风险投资的多目标决策模型，分别采用线性加权法、TOPSIS法和密切值法，对不同风险偏好下备选方案进行排序，再用平均值法对上述排序进行综合排序，从而避免单一方法的片面性，较为全面科学地得出最优方案。最后，用一个算例说明了方法的可行性和有效性。     

紫外可调谐辐射的波长自动跟踪研究

脉冲染料激光器的可见光波段辐射通过共线倍频和非共线混频实现紫外波段的连续可调谐输出.本文报道了一种闭环跟踪方法;在调谐起始波长处,将取样光束在垂直相位匹配方向分割成等光强的两部分,然后在波长调谐时比较和平衡这两部分光强.对该方法在理论上作了分析并在实验中得到成功的验证.获得的自动跟踪效率大于90%.     

SINGLE MACHINE SCHEDULING WITH CONTROLLABLE PROCESSING TIMES AND COMPRESSION COSTS （PART I：EQUAL TIMES AND COSTS）

Most papers in scheduling research have treated individual job processing times as fixed parameters. However, in many practical situations, a manager may control processing time by realloeating resources. In this paper, authors consider a machine scheduling problemwith controllable processing times. In the first part of this paper, a special case where the pro-cessing times and compression costs are uniform among jobs is discussed. Theoretical results are derived that aid in developing an O（n^2) algorithm to slove the problem optimally. In the second part of this paper, authors generalize the discussion to general case, An effective heuristic to the genera/ problem will be presented.