葡萄糖注射液灭菌工艺验证性方案设计

目的验证葡萄糖注射液的灭菌工艺。方法通过对灭菌柜空载热分布实验、满载热分布实验和生物指示剂试验进行验证同时考察产品无菌状态以及主成分的变化。结果灭菌柜能够提供预定的灭菌条件,葡萄糖注射液经过灭菌操作后无菌检查合格,且其主成分改变很少。结论葡萄糖注射液通过灭菌验证。     

基于图像处理器的传声器阵列实时声成像方法

为了解决传声器阵列用于声场分析时的精确且快速声成像的技术难题,提出了一种利用图像处理器(Graphics Processing Unit,GPU)的通用计算技术实现快速声成像算法。可控响应功率算法是广泛应用的一种声源定位算法,但计算量巨大,阻碍了它在实际场合中的应用。通过将可控响应功率算法进行任务分解及线程映射,实现了利用计算统一设备架构实现的基于GPU的可控响应功率声源成像定位算法,在特定阵元通道数和信号长度情况下,与基于CPU的声源定位计算方法相比,综合计算效率提高了约20倍,并将其成功地应用于平面螺旋阵的声成像应用中,实现了实时声成像定位。     

对等式网络并行GA的设计与实现

本文讨论的并行遗传算法是一类基于对等通讯的网络异步并行遗传算法，通过对粗粒度并行模型的改进，使它适合于在普通网络环境下推广应用，本文讨论的并行遗传算法具有通讯开销小、子群体间信息交流分以及便于实现等特点。     

基于可变影响空间的多目标进化算法的解集均匀性评价方法

解集的均匀性评价是多目标进化算法中性能评价的要素之一.文中结合面向个体和面向空间的思想,提出可变影响空间的概念,并基于此提出一种解集均匀性评价方法——基于可变影响空间的多目标进化算法的解集均匀性评价方法(VISUM).该方法通过分析个体在可变影响空间内的相对均匀程度,能准确反映解集的分布均匀性.实验结果证明文中方法的可行性和有效性.     

基于权重迭代的偏好多目标分解算法解决参考点对算法影响的研究

在传统偏好多目标进化算法中,参考点是表达决策者的偏好信息最常用的方式,但是参考点所处位置信息有时严重影响算法的性能.针对以上问题,本文提出了一种基于权重迭代的偏好多目标分解算法(MOEA/D-PRE),主要利用权重迭代方法获取一组均匀的权重向量,并对偏好区域进行映射,使得算法在进化过程中,不用考虑参考点所处位置信息对算法性能的影响,另外提出了一种稳定可控的偏好区域模型,能响应决策者设置任意大小的偏好区域.通过对比实验表明该算法具有较好的收敛性和分布性,同时给出了满足决策者不同要求的算法模型,并且能够很好的解决参考点的位置信息对算法的影响.     

多目标遗传算法在人脸识别中的应用

多目标遗传算法MOGA是求解多目标优化问题的有效工具，因而在求解实际问题中得到了越来越广泛的应用。但是，不同的实际问题有不同的要求及不同的约束条件，因此在求解实际问题时需要对算法的遗传操作做出改进，以满足不同问题的需要。本文就是多目标遗传算法在人脸识别中的具体应用。     

基于兴趣度的时态关联规则挖掘算法

关联规则挖掘是数据挖掘研究中的一个重要方面,给出了一个关联规则中事件所包含信息的模型,在此基础上,提出了一种基于兴趣度的时态关联规则挖掘算法。该算法较好地弥补了应用模板匹配方法筛选基于兴趣度的关联规则时主观性太强,兴趣度阈值的定义过于简单,所挖掘出来的关联规则没有体现时态约束的缺陷。最后,将该算法应用到了股票数据的趋势挖掘中,得到了满意的实验结果。     

一种改进多亲遗传算法的并行模型研究

通过分析传统遗传算法和多亲遗传算法的不足，提出了一种多亲遗传算法的改进算法：基于共享存储器的多亲遗传算法，并对其进行了理论分析，讨论了GA的并行模型特点后，结合粗粒度并行模型和群体分组的并行方式，提出了一种MGASM的并行模型，该模型有利于改进MGASM的性能，提高其搜索效率。将MGASM-PPGA应用到了数据聚类问题中，进行了仿真实验，获得了理想的实验结果。     

基于资源抽象的RBAC模型

论文提出一种新的访问控制模型—基于资源抽象的角色访问控制模型(RD_RBAC)。该模型在对角色授权以及实现系统安全策略的过程中,通过对资源的二次抽象,实现减少冗余角色、降低管理复杂度,并在高校管理系统的实例中得到验证。与传统的RBAC相比,RD_RBAC具有更好的适应性和安全性。     

用擂台赛法则构造多目标Pareto最优解集的方法

针对多目标进化的特点,提出了用擂台赛法则(arena's principle,简称AP)构造多目标Pareto最优解集的方法,论证了构造方法的正确性,分析了其时间复杂度为O(rmN)(0＜m/N＜1).理论上,当AP与Deb的算法以及Jensen的算法比较时(它们的时间复杂度分别为O(rN²)和O(Nlog^(r-1)N)),AP优于Deb的算法;当目标数r较大时(如r≥5),AP优于Jensen的算法;此外,当m/N较小时(如m/N≤50%),AP的效率与其他两种算法比较具有优势.对比实验结果表明,AP具有比其他两种算法更好的CPU时间效率.在应用中,AP可以被集成到任何基于Pareto的MOEA中,并能在较大程度上提高MOEA的运行效率.