自适应随机化链路状态路由算法

目前使用的两种IP路由算法－距离矢量和链路状态，都基于局域最优思想：每个路由器为其转发的包选择某种距离测试下的最短路径尽力发送，但是由于网络业务量具有无特征尺度的突发性，带宽资源经常可能处于相对稀缺的临界状态，在这种情况下，基于局域最优的路由策略通常并不对应于全局的最优，一个明显的例子是由局域最优算法所导致的路由振荡，提出的自适应随机化链路状态路由算法利用自适应随机化方法协调，限制各路由器的局域最优要求，有效地解决了路由振荡问题，仿真表明新算法显著提高了以包平均传输延迟和包丢失率为测度的网络的整体传输性能，此外，新算法的协调机制仍是局域性的，因而不显著地增加通信和计算开销。     

一种基于上下文的中文信息检索查询扩展

在中文信息检索的研究和实践中,由于查询中所使用的词可能与文件集中使用的词不匹配而导致一些相关的文件不能被成功地检索出来,这是影响检索效果的一个很关键的问题。查询扩展可以在一定程度上解决这种词的不匹配现象,然而,实验表明,通常简单的查询扩展并不能稳定地提高中文信息检索的检索效果。本论文中提出并实现了一种基于上下文的查询扩展方法,可以根据查询的上下文对扩展词进行选择,是一种相对“智能”的查询扩展方法。在TREC - 9 中文信息检索测试集上进行的实验表明,相对于通常简单的查询扩展,基于上下文的查询扩展方法取得了具有统计意义提高的检索效果。     

网络安全可视化研究综述

网络安全可视化是近年来网络安全研究的热点。首先说明网络安全可视化的必要性,并给出网络安全可视化的概念、研究步骤及分类,深入分析了多种网络安全可视化方法的优缺点。最后,讨论了该领域当前存在的问题及今后的研究方向。     

基于互联网和self-training的中文问答模式学习

在已有的问答模式学习中,模式定义和候选答案评分偏于简单,而且学习过程依赖于人工标定语料。通过挖掘Web文本中动、名词序列的骨架模式,用以扩充模式定义;将self-training学习机制引入问答模式学习：用一对训练语料进行初始学习,通过互联网搜索,自动选择可靠程度较高的问答对,重新训练;扩充了启发规则,改进候选答案的评分方法。实验结果表明：所提出的问答模式学习方法能有效地提高中文问答系统的性能。     

神经网络与模糊技术的结合与发展

在神经网络与模糊技术不断发展的同时,作为两者结合的神经模糊技术和模糊神经网络已经兴起并发展直来,在对神经网络和模糊技术进行分析和比较的基础上着重论述了两者结合的原因、形式,以及模糊神经网络的理论和应用,指出了神经模糊技术未来的发展和展望。     

一种分布环境中最大频繁项目集挖掘算法

挖掘最大频繁项目集是数据挖掘中的重要研究课题。目前已经提出的最大频繁项目集挖掘算法大多是基于单机环境的，在分布环境中挖掘最大频繁项目集的算法尚不多见。文章提出了一种基于分布数据库的并行挖掘最大频繁项目集的算法。该算法尽可能地让每个处理器独立地挖掘，采用频繁模式树（FP—tree）作为数据结构，可方便地从各局部FP-tree中挖掘局部最大频繁项目集及判断各项目集的支持度。采用传递候选最大频繁项目集的方法。实验表明该算法是有效的并行算法。     

基于遗传算法的多目标识别实时系统设计

探讨在实时跟踪系统中多目标的快速识别问题.利用多帧相差法将运动目标与背景分离.根据不同区域的平均值,采用动态查表法进行二值化.对物体提取具有不变性的特征量.利用遗传算法的快速寻优能力,实现对多目标识别.实验表明该方法能够识别运动目标,并能够快速进行聚类判别.     

统计与规则结合的一种新词识别方法

一种新的基于统计的窗口移动扩展法,即把未登录词的子串当作一个窗口,在未登录词串中移动和扩展窗口并记录每个窗口的状态。该方法可以有效识别大部分新词。     

基于GML的WebGIS研究与应用

GML(Geography Markup Language)作为一种存储和交换空间信息的XML编码格式，已逐渐被普遍接受并广泛使用。本文指出基于GML的大众化Web GIS系统将具有广泛的实用价值和市场前景，这包括基于GML的空间数据转换以及以GML数据为基础的大众化WebGIS应用。本文进而基于GML Translator，XML Parser和数据压缩技术，提出了基于GML的大众化WebGIS应用系统的建设方案并编程实现，为大众化GIS应用提供了有益的参考。     

基于WWW的平衡施肥WebGIS专家系统的设计与实现

论文主要介绍了平衡施肥WebGIS专家系统的设计思想和实现技术。该系统将WebGIS技术、JAVA技术、数据库技术和人工智能理论有机地结合在一起,形成一个集地理地图处理,智能化推理决策,网络化浏览于一体的基于WWW的平衡施肥WebGIS专家系统平台。