带n-元存在量词的描述逻辑MSC推理

分析了描述逻辑非标准推理的重要性,特别分析了描述逻辑MSC(Most Specific Concept)推理的研究现状和存在的问题.针对目前描述逻辑MSC推理不能处理n-元存在量词的不足,研究了带n-元存在量词的描述逻辑εL(n)的MSC推理问题.提出了一种新的εL(n)一描述图,利用描述树和描述图给出了描述逻辑εL(n)的MSC近似推理算法,并利用εL(n)-描述树嵌套和εL(n)-描述树描述图同态证明了MSC近似推理算法的正确性.作为一个附带的结果,利用εL(n)-描述树描述图同态给出了εL(n)-的实例推理算法,也证明了实例推理算法的正确性.     

广义线性八元树表示及物体的广义三维重建

提出物体的广义线性八元树表示法,推广线性八元树的构造方法完成物体的广义三维重建--广义线性八元树表示,从而为物体三维重建降低约束、增加灵活性.     

交换超立方网中的最短路径路由算法

针对交换超立方网络的最短路由问题,提出一个交换超立方网中的最短路径路由算法.利用图论的方法,通过引进子网的概念,研究交换超立方网的拓扑性质,给出节点各边可进行最短路径路由的充要条件,得到其时间复杂度为O(s+t)2).理论分析和仿真结果表明,该算法可输出交换超立方网中任意两节点间的一条最短路径.     

一种基于仿生算法的传感器网络协议研究

为了降低无线传感器网络的能耗提出了将仿生算法应用于网络路由决策,生成节点之间的最优化路由.给出了仿生算法的基本原理与计算最小路径树的主要步骤.实验结果显示,该算法相对于PVCHI等协议来说,有较好的降低网络节点工作能耗的效果.     

求解区间图K-连接最短路径问题的在线算法

针对含有n个区间的区间图K-连接最短路径(K-SP)问题,提出一种求解区间图K-SP问题的在线算法。分析区间图及其最短路径问题的特有性质,利用改进的动态规划算法和贪心算法,优化在线算法的时间复杂度。理论分析结果表明,该算法的时间复杂度为O(nK+nlgn),与目前已知最优的离线算法复杂度相同。     

基于K-最短路径的大规模函数调用关系分析

函数调用关系反映了软件系统中函数之间的依赖关系,在软件分析、软件测试与软件维护等众多软件工程领域都有着广泛的应用。但在大型复杂软件中搜索两个函数之间的调用关系时,由于函数数量众多、函数之间调用关系复杂,使得搜索所需时间较长。为了获得任意两个函数之间的调用路径,提出使用K-最短路径算法,并对K-最短路径算法进行并行化优化,减少搜索时间,为用户分析函数调用关系提供方便。通过对Linux内核3.19(包含40多万个函数结点和110多万调用关系)进行分析,实验结果表明通过并行化优化,并行加速比一般可达5~6倍。     

具有树和路约束的平行机排序问题

考虑具有树和路约束的平行机排序问题,其工件集对应于无向图(有向图)的边(弧)集。目标是选取工件集的一个子集使其满足树或路的约束,将其放在平行机上处理,使得机器的最大完工时间(makespan)尽可能地小。通过分析此类问题的组合性质,得到如下结论：在K-树约束下,利用最小支撑K-树的性质可得一个有效多项式时间近似方案;在两固定点间路的约束下,通过构造辅助实例以控制边的权重,分析辅助实例的输出值与目标实例最优值之间的关系,利用最短路的性质可以得到一个2-近似算法;在单源点最短路径树的约束下,根据最短路径树的性质可以得到一个有效多项式时间近似方案;在两固定点间最短路的约束下,在所有的两点间最短路构成的子图基础上,通过构造新的辅助图以控制弧的权重,再利用最短路的性质可以得到一个1.618-近似算法。     

多链路权值增大的动态最短路径算法

动态网络最短路径是交通、通信等系统中的重要问题。在处理多链路权值变大时,多链路权值增大的动态最短路径算法可有效地减少单链路权值增大动态最短路径算法的冗余计算。目前,多链路权值增大的动态最短路径算法的研究较少,尚未存在有效的多链路变大的动态最短路径算法。通过对现有动态最短路径算法的深入研究,提出了一种多链路权值增大的动态最短路径算法(DSPT-MLI)。算法复杂度分析和仿真结果显示,DSPT-MLI算法具有更少的节点更新次数和更高的时间效率。     

单向k-元n-立方体网络

单向[k]-元[n]-立方体是指具有单向边的[k]-元[n]-立方体互连网络拓扑。当网络包含的顶点数目较大时,比起传统的双向[k]-元[n]-立方体,单向?[k]-元[n]-立方体对通信硬件复杂性的要求更低一些。提出了[k]-元[n]-立方体的一个定向,使得定向后的单向[k]-元[n]-立方体[UQkn]有一些良好的性质。证明了[UQkn]是正则的,极大弧连通的,具有迭代结构的且[UQkn]的直径是小的。此外,提出了一个简单的多项式时间路由算法。     

基于SPF的改进路由算法

距离向量路由算法和链路状态路由算法是网络中普遍应用的两种路由算法。距离向量算法交换的路由信息较少,但存在"计数到无穷"的问题,不能保证无路由环;链路状态算法需交换的路由信息多,路由开销较大。针对上述算法的缺陷,基于最短路径树交换的路由原理,本文提出轻权邻接状态路由算法,它只需交换必要的路由信息,既避免了路由环问题,又减少了所需交换的路由信息,降低了通信开销,提高了效率。     

K元2—立方体网络SIMD计算机图像模板匹配并行算法

模板匹配是进行虑波、边缘检测、目标识别和图像匹配的一种基本和有效的方法 .对于 N× N的图像和M× N ( M相似文献   

基于多重广义算子的复杂网络建模方法的研究

复杂网络的研究显示,不同系统在经历时空演化从最初简单状态涌现出同样结构特征的现象.针对不同的内在结构却表现出同样外部特征的特点,比较符合于广义算子模型的研究思路.提出一种适合复杂网络的普适建模方法,在分析融合多重广义算子模型和复杂网络的研究成果基础上,将广义算子模型应用于复杂网络的建模中.建模过程采用“分解-联结”的方式.首先根据系统的结构特征进行分解,分别建立广义算子和关系算子,然后联结形成复杂网络的广义算子模型.最后可用于Internet的建模中,证明了模型的简单性、灵活性和有效性.     

广义计算系统研究

该文简要介绍运用广义计算技术而建立起来的一类人工智能系统──广义计算系统，包括广义计算系统的数学描述，广义计算系统的实现问题和学习问题。     

环Zn上广义圆锥曲线的广播多重数字签名

在介绍环Zn上广义圆锥曲线的阶和基点、离散对数问题、明文嵌入与译码算法的基础上,研究多重数字签名中的广播多重数字签名。该方案的安全性是基于大整数分解的困难问题和离散对数问题,而且其在点的计算、明文嵌入都较容易实现,还能抵抗Pohlig-Hellman攻击以及小指数攻击和Wiener攻击。     

广义粗糙近似算子的拓扑性质

粗糙集理论是一种处理不确定性问题的数学工具.粗糙近似算子是粗糙集理论中的核心概念,基于等价关系的Paw-lak粗糙近似算子可以推广为基于一般二元关系的广义粗糙近似算子.近似算子的拓扑结构是粗糙集理论的重点研究方向.文中主要研究基于一般二元关系的广义粗糙近似算子诱导拓扑的性质,给出了基于粒和基于子系统的广义粗糙近似算子诱...     

基于DNA编码遗传算法构造广义决策树的研究

决策树是归纳学习和数据挖掘的重要方法,主要用于分类和预测。文章引入了广义决策树的概念,实现了分类规则集和决策树结构的统一。同时,提出一种新颖的基于DNA编码遗传算法构造决策树的方法。先用C4．5算法对数据集进行分类得到初始规则集,再通过文章中算法优化规则集并由此构建决策树。实验证明了该方法有效地避免了传统决策树构建过程的缺点,且有较好的并行性。     

具有混合故障广义超立方体中的容错路由

针对广义超立方体网络中的同时具有大量结点和链路故障模式,提出了两类新的局部连通性概念。在这两类局部连通性概念的基础上给出了两个广义超立方体网络的分布式容错路由算法。基于两类新的局部连通性概念的广义超立方体网络容错路由算法与基于局部连通性的广义超立方体网络容错路由容错路由算法相比较,新算法提高了容错能力。     

基于扩展自然序树的概化关联规则增量挖掘方法

概化关联规则挖掘作为数据挖掘领域一个重要的拓展性研究课题,首先提出了一种概化扩展自然序树(generalized extended canonical-order tree,GECT)结构及其增量挖掘算法GECT-IM.该算法对原始分类事务数据库只扫描一次,就可以将所有交易信息映射至一棵压缩格式的GECT,然后通过对更新交易数据集扫描得到更新数据集中各项集的计数,结合相关性质及运算就可以发现大部分更新后的概化频繁项集;其次,针对GECT规模较大以及GECT-IM 算法仍然可能需要遍历初始GECT树的局限,在界定数据库更新和重构概念的基础上,基于一种可量化度量的准最小支持度阈值,提出了一种改进的准频繁概化扩展自然序树(pre-large generalized extended canonical-order tree,PGECT)结构及其增量挖掘算法PGECT-IM.由于有效避免了对初始GECT进行遍历的情形,从而进一步提升了概化关联规则增量挖掘效率.实验证明,提出的概化关联规则增量挖掘算法 GECT-IM 及其优化算法PGECT-IM,比现有增量挖掘算法具有更高的挖掘效率和更好的扩展性.     

广义预测控制的deadbeat性质研究*

本文利用广义预测控制中对象与闭环特征多项式之间的系数映射关系，分析了闭环系统特征多项式系数为零的条件，导出了ＧＰＣ闭环系统ｄｅａｄｂｅａｔ性质完善而新颖的理论结果，并提供了一种基于系数空间映射的新思路来研究ＧＰＣ的性质。