检索词上下文相关提问扩展算法

研究了利用相关词进行提问扩展的算法．该算法建立在检索词模糊聚类的基础上，聚类以检索词在文献中共同出现为标准．与提问中检索词相关的群集形成提问的上下文．群集中属于上下文的检索词可用于提问的扩展．实验表明该算法提高了检准率．     

多品种供应的多供应商选择模型及分解算法

为解决供应链中多品种供应的多供应商选择问题，建立了以供应综合成本最低为目标函数、满足多个约束条件的组合优化模型．为解决求解的困难，采用变换分解算法，将原模型转换为整数规划问题．根据不同迭代方式，给出了2种基本运算步骤．在算例中运用模型和算法，得到了多物资供应环境下多供应商的最优任务分派．新方法克服了常规供应商的选择评价方法只针对单一物资供应过程和面向单一供应商选择过程的局限性．     

一种改进的多脉冲宽带相关声成像算法

提出了一种多脉冲宽带相关声成像的逐点聚焦算法．分析了多脉冲宽带相关成像的基本理论和直观成像算法，指出了该算法中距离徙动等插值运算对运算量和分辨率有较大影响，在进行相关理论分析的基础上对算法作了相应的改进．实验结果表明，该改进算法是多脉冲宽带相关声成像的有效算法．     

基于DTW的在线手写签名验证算法

提出了一种基于DTW匹配的以签名能量为特征的在线手写签名验证算法．在线签名验证包括数据采集、预处理、特征提取、匹配判决等部分．侧重签名能量特征提取方法的研究．基于Daubechies小波的方法对签名波形进行分解，提取签名波形在跳变点的能量，抽取15个具有较大能量的跳变点．经DTW比较后，提出了一种新的分类算法．实验表明，对于随机伪造签名，当误拒率为0％时，误纳率小于9％．     

多目标决策问题的模糊数学解法

针对多目标决策问题，在已知目标权重范围的前提下，应用模糊数学理论提出了一种求解多目标决策问题的客观赋权的模糊算法，把多目标决策问题转化为单目标规划问题进行求解，并通过实例说明了此方法的具体应用．最后进行了理论分析，论证了该算法的先进性与有效性。     

中文全切分快速分词方法

中文词语分析是中文信息处理的基础与关键，而中文分词又是中文词语分析基础，目前针对汉语计算机自动分词已经有许多方法，如：最大匹配法、逆向最大匹配法、单扫描分词法、有穷多层次列举法、二次扫描法、全切分等等10余种机械分词算法，这些方法都是基于一种决策机制最后得到切分结果，由于语言文字的组合不是机械组合，所以以上机械分词均有错误的分词，     

发动机匹配优化算法的研究

依据优化标定方法,设计了基于发动机排放控制的优化方案,并建立了以发动机经济性为目标,排放性作为约束的优化数学模型．对适用于该数学模型的信赖域法、模式搜索算法、遗传算法等优化算法进行了论证．针对实际发动机排放优化问题对各种算法的优劣进行了比较,并在此基础上提出了组合算法的思想．优化结果表明,组合算法全局搜索性和优化结果良好,且计算时间、计算量等较单一优化算法时均有显著改善．     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．     

基于时间序列与神经网络的软岩隧道变形预测模型及其应用

针对软岩隧道具有变形量大、变形分析困难和稳定性差等特点以及传统的变形分析方法过于单一和精度低等问题,分别运用时序分析和神经网络方法对软岩隧道变形进行了预测,以单个方法的预测结果为基础,结合IOWHA算子,根据各方法的预测精度计算出它们在组合模型中的权重,建立了组合预测模型．通过工程监测获取原始数据,运用组合预测方法得到相应的预测结果,并将其与单个方法的预测结果进行了对比分析．研究结果表明：新的组合预测方法能够综合时序分析和神经网络方法的优势,预测结果精度明显提高,该方法的应用对具体软岩隧道的稳定性评价及隧道工程的施工与维护具有一定的指导意义．     

基于双向维度抽取的协同进化存档算法

为改进协同进化算法的可靠性和有效性,本文结合问题域内固有的维度结构特性,提出了一个基于双向维度抽取的存档算法．该算法简化了DECA中的维度抽取方法,并提出从测试个体和候选个体两端分别实施维度抽取（仅选取每个维度上代表当前进展的测试个体和带有维度信息特征的高性能候选个体保留存档）,用于维持进化在各维度上的全局进展．实验表明,与同类算法相比,本算法使用的两个档案在进化中均保持了较小的存档量,性能高于其他同类算法．     

三角网数字地面模型的理论、方法现状及发展

在开发研制交通部“九五”攻关课题《山区高等级公路数模与仿真系统》的基础上,探讨了三角网数字地面模型TIN（Triangle Irregular Network)的基本理论体系框架,对TIN的数据组织、三角化准则和三角化算法作了深入的剖析和归类,并分析了其发展趋势。     

二型模糊系统降型算法综述

二型模糊系统降型过程的计算精度、计算时间和系统信息的损失会对整个二型模糊系统的性能产生很大地影响. 本文首先介绍了二型模糊集合的基本概念及二型模糊系统的计算过程,然后分别对区间二型模糊系统和广义二型模糊系统的降型算法的研究现状进行了详细综述,并对不同降型算法计算的复杂性进行了全面的分析和比较. 最后,总结了各类降型算法存在的问题,并给出了未来研究的展望. 指出,降型算法的计算成本仍是提升二型模糊系统性能的瓶颈,从理论上完善各种降型算法,通过数学方法解决其计算的复杂性问题,并将其应用于实时系统会是未来研究的重点.      

基于智能优化算法的动态路径诱导方法研究进展

采用综述的方法对当前动态路径诱导方法中一些有代表性的智能优化算法进行了深刻的探讨与总结,为未来进行深入而广泛的智能交通系统研究及应用奠定基础.主要从算法特性、改进效果、性能评价等方面详细讨论了智能优化算法在动态路径诱导系统中的常见改进机制及其效果,给出了这些优化算法的基本思想、优缺点及其应用局限性;并对智能优化算法性能评价方法的研究现状进行了详细的分析与总结,为建模人员和研究人员对智能交通系统中动态路径诱导方法的选择和研究提供支持;最后结合算法应用分析成果,展望了智能优化算法在动态路径诱导系统中的应用发展前景和智能交通系统中进一步研究未来动态路径诱导算法的重要研究方向.     

Research on Two Main Construction Methods of Concept Lattices

Because of the completeness of concept lattices, the time complexity of constructing concept lattices has become the main factor affecting the application of formal concept analysis(FCA). The key problems in the research of concept lattices are how to improve the generation efficiency and how to reduce the space and time complexity of constructing concept lattices. So far, reviews on lattice construction algorithms have not been comprehensive. In view of this situation, we give a detailed review on two categories of construction algorithms:batch methods and incremental methods. The first category is a formal context that cannot be updated once the concept lattice has been constructed; the second category is a formal context that can be updated after a new object being added to the formal context. We briefly introduce classical and improved construction methods, illustrate the deficiencies of some algorithms and point out the improvements of the follow-up algorithms. Furthermore, we compare and discuss several key algorithms, and also pay attention to the application of concept lattices. Finally,two further research directions of concept lattices are proposed, including parallel construction methods of concept lattices and research of heterogeneous data concept lattices.     

Optimization of PERT Network and Compression of Time

In the traditional methods of program evaluation and review technique （PERT） network optimization and compression of time limit for project, the uncertainty of free time difference and total time difference were not considered as well as its time risk. The authors of this paper use the theory of dependent-chance programming to establish a new model about compression of time for project and multi-objective network optimization, which can overcome the shortages of traditional methods and realize the optimization of PERT network directly. By calculating an example with genetic algorithms, the following conclusions are drawn： （ 1 ） compression of time is restricted by cost ratio and completion probability of project; （2） activities with maximal standard difference of duration and minimal cost will be compressed in order of precedence; （3） there is no optimal solutions but noninferior solutions between chance and cost, and the most optimal node time depends on decision-maker＇s preference.     

航班离场调度规划算法研究进展

随着我国民航产业的持续高速发展,航空器和航班数量急剧增多,机场航空器离场调度规划问题愈发明显.文中概述了航班离场调度规划算法的研究现状及最新研究进展,分析比较各种调度规划方法的优缺点,针对不同的跑道配置的机场提出相应的离场规划方法,并对该方面研究进行了展望.     

四类交通事故检测算法的分析

交通事故检测是ITS的重要组成部分,文章就现有的模式识别法、事故理论、统计预测和人工智能四类不同的交通异常检测算法进行分析,重点分析各种方法中存在的优点和不足之处,以便为建立具有较高检测率、较低误报率和检测时间的检测算法提供科学的参考。     

基于重选择流形排序的图像检索

在研究已有基于流形排序图像检索算法存在问题的基础上,提出一种基于重选择流形排序的图像检索算法,此算法可以在节约时间的同时,进一步提高检索结果的精度,并在实际图像数据库中的实验结果验证了此算法的有效性.     

基于可信密码模块的远程证明协议

可信密码模块是以我国研发的密码算法为基础,结合国内安全需求与产业市场,借鉴国际先进的可信计算技术框架与技术理念自主创新研发的.本文中首先对可信计算平台密码技术方案和国际可信计算组织规范在密码算法、授权协议和密钥管理等几方面进行了比较.基于可信密码模块,提出的基于隐藏属性证书的远程证明方案,用属性证书代替平台配置信息,不仅能有效防止隐私性的暴露,而且可以在系统升级和备份过程中完成可信检测,提高了实现的效率.     

Application of Deep Learning Method on Ischemic Stroke Lesion Segmentation

Although deep learning methods have been widely applied in medical image lesion segmentation,it is still challenging to apply them for segmenting ischemic stroke lesions,which are different from brain tumors in lesion characteristics,segmentation difficulty,algorithm maturity,and segmentation accuracy.Three main stages are used to describe the manifestations of stroke.For acute ischemic stroke,the size of the lesions is similar to that of brain tumors,and the current deep learning methods have been able to achieve a high segmentation accuracy.For sub-acute and chronic ischemic stroke,the segmentation results of mainstream deep learning algorithms are still unsatisfactory as lesions in these stages are small and diffuse.By using three scientific search engines including CNKI,Web of Science and Google Scholar,this paper aims to comprehensively understand the state-of-the-art deep learning algorithms applied to segmenting ischemic stroke lesions.For the first time,this paper discusses the current situation,challenges,and development directions of deep learning algorithms applied to ischemic stroke lesion segmentation in different stages.In the future,a system that can directly identify different stroke stages and automatically select the suitable network architecture for the stroke lesion segmentation needs to be proposed.