基于大数据的新型种质资源数据仓库的设计

针对大数据时代背景下,种质资源数据存储和共享方面存在的种种问题,设计了一种基于Hadoop平台的新型种质资源数据仓库系统。通过种质资源数据仓库的结构设计,结合Hadoop生态圈的一系列技术的运用,实现了种质资源数据的采集、存储与可视化展示。通过基于大数据的新型种质资源数据仓库系统的建设,以期为我国种质资源数据的信息化工作提供技术支撑,为系统使用者分析决策提供帮助。     

基于Agent的智能CBR引导系统的结构设计

描述了一个应用软件Agent技术的智能CBR引导系统的结构设计。系统机架在引导界面Agent里融合了CBR思想。介绍了分布式的引导Agent的交互、引导系统的多媒体界面的设计思想，以及系统在专家系统开发工具上的应用。     

一种基于Markov逻辑网的中文地理名称实体解析方法

根据Markov逻辑网融合一阶谓词逻辑和概率图模型的复杂性及不确定性处理能力的优点,提出将Markov 逻辑网和基于本体与WEB搜索的属性抽取算法相结合的命名实体解析方法(MLN_AE NER),解决一般基于Markov逻辑网的实体解析方法对非结构化的命名实体解析效果不佳的问题,并将该方法针对中文地理名称解析问题进行相应设计和实验.实验结果表明该方法具有较好的解析效果.     

基于知识地图的隐性知识获取系统的设计

提出了一种多页式的知识地图,并深入研究了基于多页式知识地图的隐性知识获取问题.而且还本着以用户为中心的思想,实现了一个基于知识地图的可视化知识获取系统,提高了隐性知识获取的效率,并较好地实现了知识的共享与传播.     

基于密度峰值多起始中心的融合聚类算法

经典[K]-Means算法不能有效处理非球型数据集的聚类问题,且聚类目标数需预先指定。SMCL（Self-adaptive Multiprototype-based Competitive Learning）算法是一种[K]-Means的改进算法,它引入Multi-Prototypes机制,并将距离相近的Prototypes所代表的样本簇融合成聚类簇。在SMCL算法基础上提出DP-SMCL（Density Peak-SMCL）算法,使用密度峰值聚类算法确定初始聚类中心集,借助1-D高斯混合概率密度模型合并以Prototypes为中心的相近子簇来获得精确聚类结果。实验结果表明,DP-SMCL算法可应用于非球型数据集聚类,且能自动确认聚类的目标类别数,相比于[K]-Means和DBSCAN（Density-Based Spatial Clustering of Applications with Noise）等经典聚类算法能够获得更加准确的聚类结果。同时,与SMCL算法相比,DP-SMCL可以快速完成初始Prototypes的选定,显著提升算法准确率和执行效率。     

自适应克隆选择算法及其仿真研究

基于克隆选择算法基本原理,提出一种搜索函数最优解问题的自适应克隆选择算法(ACSA).在ACSA中,抗体的克隆数、高频变异率、每代更新数都能在优化过程中自适应调节,而且变异抗体具有免疫记忆功能.通过对ACSA的收敛性分析,并和标准克隆选择算法仿真比较,结果表明ACSA在求解函数最优解问题时具有较强的收敛性和自适应性.     

四连杆打纬机构的动平衡研究

探讨一种喷气织机四连杆打纬机构的动平衡方法。目前国内喷气织机的转速普遍达到了600r/min以上,在高速运转下织机的动力学性能值得关注。织机动平衡的研究也一直是人们关注的热点问题。本文采用附加扭转弹簧的方法对国内某一型号的喷气织机四连杆打纬机构进行动平衡优化,取得了良好的效果。     

多种诊断推理方法的设计与比较

简单介绍了诊断推理领域三种常用的方法:基于人工神经网络的方法、基于规则的方法和基于案例的推理方法,并以某农作物病害诊断为实例,详细介绍了三种方法的具体设计,并从诊断正确率和诊断时间上对三种方法的诊断性能进行了比较,比较结果为特定问题条件下选择适当的诊断推理方法提供了帮助。     

基于Agent和XML的智能农业信息平台设计实现

详细描述了智能农业信息处理系统开发平台的结构设计,运用软件Agent和XML技术实现知识获取的规范化、知识存储的标准化,并介绍了平台的实现以及应用情况.     

知识工程中的知识库、本体与专家系统

随着语义Web思想的兴起,对专家系统的互操作性和共享性也提出了更高的要求,对新型知识表示方式和新型知识系统的研究是大势所趋.本体作为共享概念模型的明确的形式化规范说明,为不同系统之间的互操作提供了基本的框架,是解决共享和互操作问题的有效的方法.一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑,根据笔者的理解与实践,对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清.