基于TSP的软件需求过程的研究与实现

需求过程是软件开发过程的一个重要阶段。从论述软件需求过程的基本内容和实施的必要性开始,根据项目实践提出了一个基于TSP的软件需求过程模型,并对其中的关键问题进行了分析和讨论,最后使用可视化的建模工具-Rose设计并实现了符合该结构基于B／S模式的需求过程模型。     

基于Pareto的多目标进化免疫算法*

提出一种新的基于Pareto多目标进化免疫算法（PMEIA）。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中;同时引入Parzen 窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动态更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分布情况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比,PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。     

一种改进的树突状细胞算法

针对危险状态识别问题,提出一种改进的树突状细胞算法(IDCA)。在原算法的基础上引入“时间窗”、未成熟DC尽快成熟、衰减因子等概念与策略,提高算法的响应速度和识别精度,解决传统树突状细胞算法一遍运行可能无法评价输入序列末端抗原的问题。在UCI标准数据集上的对比实验证明了IDCA算法的有效性。     

地震预报专家系统中学习样本的构建

如何选择和处理学习样本是地震预报专家系统中非常重要的问题。该文在分析以前方法的特点和不足的基础上,提出了异常驱动样本构造法,并用基于RBF神经网络的属性约简方法来处理学习样本。使用异常驱动样本构造法可以方便、科学地根据异常属性出现的频率选择学习样本的属性和根据每条样本的空缺属性率选择学习样本。基于RBF神经网络的属性约简方法利用RBF(RadialBasisFunction)神经网络的特点来量化各维属性对结果的影响程度,从而约简对结果影响程度小的属性。通过实验,表明了用该文方法进行地震预报样本的选择和处理,能明显地提高地震预报的精度。     

基于云计算平台的虚拟集群构建技术研究

为了灵活构建高性能计算集群并根据用户作业需求弹性的提供计算资源以及提高物理机器的利用率,采用了基于Eucalyptus开源框架构建云计算平台,利用OpenPBS集群管理软件构建了虚拟集群(Virtual Cluster),并实现了对虚拟集群的管理及监控,提高了集群资源的利用率及实现了弹性计算的理念,通过若干实验证实了构建虚拟集群的可行性和有效性.     

面向对象模型对复杂结构知识的表示方法

传统关系型数据库在表示专家系统中具有嵌套、递归等复杂结构的知识时遇到了困难。对此，本文提出了一种采用对象模型的解决方案。该方案在关系数据库的基础上使用映射原理实现了一种面向对象的模型，利用该模型可以较好地在数据库中表示各类复杂结构的知识。该方案已经在地震预报专家系统中得到应用，并取得了较好的效果。     

基于RBF神经网络的属性约简方法

提出了一种用径向基函数(Radial Basis Function)神经网络进行属性约简的方法，定义了影响度等概念来量化评价各属性与待求解问题关系的紧密程度，根据影响度对属性做出约简处理。实验表明，该方法是合理、有效的，明显地提高了机器学习的性能。     

专家系统中的同步解释和驾驭推理技术研究

专家系统中的解释一般是在推理结束后把推理结果和过程显示给用户，而不能在推理的过程中同步给出解释，并让用户主动地参与到推理过程中进行共同推理。因此，提出了一种可以实现同步解释和驾驭推理的交互式推理机(IRM：Interactive Reasoning Machine)模型。在推理过程中，一方面IRM可以把推理的过程和中间结果同步地显示给用户：另一方面用户可以直接参与到推理过程中，根据当前的推理信息修改当前使用的规则和证据以完成驾驭推理.     

逻辑型语言和过程型语言中的COM技术

本文探讨了在过程型程序设计语言与逻缉型程序设计语言中COM(Component 0bject Model)技术的实现方法，从而改变了以往用这两类语言编写的程序之间的松耦合关系，实现了两类不同种类语言之间的无缝连接，使它们能在深层次上自由地进行信息交流．本文还以Visual C 和Visual．Prolog为例，给出了一些有参考价值的实例．     

Extranet与管理信息系统

从管理信息系统现有的应用需求和存在的问题入手，论述了基于Intranet的管理信息系统以及Extranet的应用优势，从而提出了构建基于Extranet管理信息系统(EBMIS)的思想，为探讨管理信息系统的新发展提供了新的思路。