面向装配的可变功能产品再设计研究

可变功能产品由于多功能及功能可变的特点, 在使用过程中往往需要频繁进行功能切换和零部件的拆装. 为改善该类产品的装配性能, 有必要对其进行面向装配的再设计. 本文首先对可变功能产品的功能优先度与使用度进行分析, 然后基于优先度和使用度对产品功能结构进行调整, 并对再设计中新引入的零件进行技术经济性分析, 在此基础上提出可变功能产品面向装配的5条再设计准则以及基于这些准则的再设计步骤, 最后以实例验证所提出方法的可行性.     

基于产品结构的集群内企业知识分布特性研究

以产品为线索,基于面向产品的业务流程,构建产品与业务环节的知识节点二部图,并建立企业知识网络．通过对知识网络度分布参数的分析,研究了集群环境中成员企业的知识分布与集群企业生产模式以及人才管理之间的关系,为集群环境中的企业知识管理决策提供参考．     

基于贝叶斯网络的信息安全风险评估方法

在系统分析信息安全风险要素及评估过程的基础上，针对评估过程中的不确定性信息难以量化处理的问题，引入贝叶斯网络推理算法，并结合专家知识给出贝叶斯网络下的推理规则条件概率矩阵，从而构建了信息安全风险评估模型．最后以实例分析了基于此模型的风险评估方法．仿真结果表明该方法是一种有效的评估算法，较为准确地了反映了信息安全的风险等级，为信息安全风险评估提供了一种新的思路．     

可变功能机械基于实例推理的分级实例集模型及其概念设计方法

为更好地利用现有案例实现可变功能机械的概念设计,在FBS理论的基础上基于CBR技术,分析并总结了可变功能机械的功能和结构特点,提出了可变功能机械的分级实例集模型;通过分级实例集实现了可变功能机械产品基于实例推理的概念设计.针对实例推理方法的特点,提出了相似实例匹配度计算方法,通过对设计要求和实例的相似度匹配获得产品概念设计的最佳实例,提高概念设计效率.最后以旋压机为案例,验证提出方法的有效性.     

一个网络并行计算的性能预测模型

首先针对网络并行系统中的树状结构的计算提出了一个性能预测模型框架．在此框架的基础上，提出了一个针对分而治之并行程序设计范例的性能预测模型，并给出了应用实例．还讨论了如何使用这一模型评估性能以获得最佳计算规模．     

解计算机网络连接增强性问题的若干方法

为解决现有计算机网络中一些间接相连的结点添加额外的连接问题,提高整个网络系统的强健性和存活力．综述了线性搜索法、ＣＲＣＳ方法和遗传算法在解决这一问题时的基本思路和实现过程,并提出了模拟退火算法解决方案． 通过两个实例,比较了它们的运行结果,最后对各方法的性能进行了综合分析和评价．     

中文文本中实体数值型关系无监督抽取方法

中文实体间的数值型关系抽取有着广泛的应用前景,目前常用的实体关系抽取一般采用有监督抽取方法,且多用于短文本和简单句,并不适合处理海量复杂句.针对来自于网络的大量复杂文本,本文提出了一种中文实体数值型关系的无监督抽取方法.在中文分词、词性标注等自然语言处理结果的基础上,首先经过句式分析并采用选择树算法构建候选集,接着利用Jaro-Winkler距离进行候选集筛选,最后抽取得到数值型三元组关系.本文在钢铁、船舶、房地产3个行业的数据上进行了实验,结果表明,该方法抽取中文实体数值型关系是有效的.     

元数据在土地利用现状管理信息系统中的设计实现

元数据对于促进数据的管理、使用和共享均有重要的作用,在时土地利用现状数据元数据的描述和元数据构成要素厦其关系分析的基础上,设计并分析了土地利用现状数据元数据管理子系统的框架结构和系统设计流程,结合实例详细介绍了用XML组织土地利用现状数据元数据内容和用XSLT转换XML文档的具体实现方法,最后在开发的土地利用现状管理信息系统（LandEx）中进行集成,实现了有效管理土地利用现状数据元数据的目的．提出并设计实现的土地利用现状元数据管理子系统在实践中具有一定的代表性和通用性．     

基于模糊矩阵博弈的网络可生存性策略选择模型

为使系统在遭受攻击或入侵时仍能保证关键服务的持续提供,从宏观策略角度提出一种网络可生存性的行为选择模型.首先分析模糊矩阵博弈原理和网络可生存性行为机理,并确定其拟合点,在此基础上建立了基于模糊矩阵博弈的网络可生存性策略选择模型框架及其动态的决策分析方法.实例分析和验证的结果表明,该方法可以有效地为网络系统的可生存性提供保证.     

测试方法综述

对软件项目使用的各种测试方法进行了统计和分类,讨论了测试方法与应用规模之间的关系,功能点与测试实例数、测试人员数之间的关系,以及测试方法与测试人员组成之间的关系,并分析了测试纠错效率．     

基于虚拟坐标的移动自组织网络组播路由

为提高移动自组织网络QoS特性,减小组播的时延,利用群论中的直积方法构建了一个类超立方体拓扑结构,它具有对称性强,直径小的特点,给移动自组织网络结点分配虚拟坐标,使其嵌入到该类超立方体中,并在此基础上提出了一种确定性的组播路由算法.理论分析与实验结果表明,所设计的组播路由算法在端到端时延,网络带宽消耗以及组播数据分发的成功率方面更能适应移动自组织网络的需求,并为大规模的移动自组织网络组播通讯在带宽,时延和负载均衡等优化策略方面提供了解决方案.     

CRM中序列模式分析与神经网络结合的应用研究

用序列模式挖掘方法进行商品销售的预测,其准确率受单个算法本身限制,如果先用序列模式挖掘对原始数据进行过滤,然后再利用神经网络的自适应性,通过学习和训练,找出客户特征与购买某种商品意向的内在联系,再利用神经网络的泛化功能对未经训练客户购买意向进行预测,其预测的正确率非常高.     

无尺度网络自适应管理策略

针对建立在随机网络模型上的传统网络管理中所存在的数据采集流量偏大、同步采集发生率高等管理性能问题,提出一种适合无尺度网络的自适应网络管理策略,该策略可以通过对比被管网元地位度量阈值,动态探测被管网元在网络中所处的地位,根据网元所处地位不同自动调整数据采集周期.实验证明,这种策略在不降低网络管理功效前提下,能够减少需采集的网络管理数据,并避免了数据采集的同步,从而提高网络管理的性能.     

反馈型自联想记忆神经网络

自联想记忆神经网络具有类似于大脑的记忆和联想的特性．在Hopfield网络的理论基础上，提出了一种反馈型的自联想记忆神经网络．和Hopfield模型不同的是，这种神经网络增加了一个隐含层来扩大网络的存储容量，并采用局部相连的拓扑结构来代替全相连，从而减少了计算复杂度．在网络的学习过程中，各神经元之间的权值按照学习规则不断地进行调整，使回忆后的输出结果更加接近期望输出、     

巨大尺寸零件逆向重构技术应用研究

随着计算机辅助设计与制造技术的迅猛发展，并推动了逆向重构技术的产生与发展．逆向重构技术作为数字化与敏捷制造的一项重要技术，是在无设计图纸或无CAD模型的条件下，从已有零件或产品出发，利用各种数字化技术重新构造CAD模型的过程．通过对巨大尺寸零件逆向重构技术和反求测量方法的应用研究．将现代坐标测量设备作为产品设计的前置输入装置，可有效提高产品的快速响应能力，丰富了几何造型方法和产品设计手段，完成基于点云数据的模型再设计，从而使制造企业能快速跟踪和消化吸收及二次开发国外先进产品．     

基于加权流量介数中心性的路网脆弱性分析——以无锡市为例

针对当前路网脆弱性研究中缺乏对真实交通状况考量的问题,在复杂网络理论的基础上,结合交通流量信息,提出了基于加权流量介数中心性的路网脆弱性分析方法。首先计算路网拓扑抽象图中各节点的最短路径介数中心性,然后使用流量数据对相应区域最短路径介数中心性加权,综合得到最终的脆弱性指标结果。以无锡市为例,对其实际交通路网脆弱性进行了计算,结果表明,该方法能综合反映静态全局路网结构与动态局部通行信息和现实交通情景下的路网脆弱性。     

基于模拟退火与Dijkstra算法的复杂网状结构供应链最优化研究

复杂网状结构供应链费用最优化已成为研究的热点问题.基于模拟退火与Dijkstra算法对复杂网状结构供应链费用的优化问题进行了研究.把全国的城市分布作为复杂网状结构,以城市间的距离和建立供应点的费用作为参数,建立数学模型,并进行数值仿真,分别以全1序列、〖JP5〗全0序列、随机序列为初始值的选取方式进行模拟,从中确定了最优解,并给出了最优供应链网络.     

一种基于多光谱波段选择的白细胞图像分类法

基于多光谱波段的优化理论，在白细胞图像各波段问相关性分析的基础上，对传统最大似然分类法进行改进，提出一种对白细胞图像选择最有效部分波段进行识别的分类方法．该方法通过贝叶斯理论与其他先验知识进行融合，提高了分类准确度，克服了传统最大似然分类法在图像识别过程中具有的数据量庞大、计算程度繁冗和识别速度慢等缺点．实验结果表明，在保证分类精度基本不变的条件下使计算效率提高了2倍以上，为今后图像特征提取和图像分割奠定良好的基础。     

图嵌入算法研究进展

图嵌入算法是将高维网络信息映射至低维后用实数向量表示的一种方法,用于解决推荐系统、社区发现及节点分类等。近年来,随着科技的进步,图数据呈现海量、异构、高维、多模态等特点,机器学习等人工智能算法对高性能的图嵌入算法的需求日益增加,图嵌入已成为国内外人工智能领域的研究热点之一。对图嵌入算法的研究进展、技术原理及基础理论进行了综述,系统概述了已有的主流图嵌入算法,包括基于降维方法的图嵌入、基于矩阵分解的图嵌入、基于网络拓扑结构的图嵌入、基于神经网络的图嵌入、基于生成式对抗网络的图嵌入和基于超图网络的图嵌入,对这些算法进行了分析与比较,并给出了相应的应用场景;归纳总结了常用的测试数据集及其评价标准;最后,展望了图嵌入算法的研究趋势和方向。     

基于深度学习的校园欺凌行为检测研究

为通过校园监控网络实时发现校园欺凌事件, 提出采用人体姿态检测模型与递归神经网络相结合的方法来分析视频中的每一对个体行为, 并通过一个完全连接的网络来识别一系列视频帧的行为, 进而判断是否存在校园暴力行为. 此外, 还建立一个包含了来自校园不同地方的3000多个视频片段数据库, 并对视频中的运动行为进行标注, 以用于训练及测试. 通过对照实验发现 与传统方法相比, 本文设计算法的实时分析准确率更高.