基于对象技术的CET网上考试系统设计

叙述了用对象技术的思想对问题进行分析、建模的方法，具体分析了网上CET考试系统中对象的提取原则、对象之间关系和相互作用，设计实现了一个全自动CET网上考试软件，并给出了关键部分的代码。     

最左极限支持序列及其应用探讨

源于受到国际上最新提出的后序列模式挖掘思想的启发，针对已挖掘的序列模式进行再研究，提出了最左极限支持序列，简要地给出了基于最左极限支持序列的应用模式，在一定程度上拓展了后序列模式挖掘的思想．     

责任性子群多重签名的定义与实现

定义了一种多重签名机制；责任性子群多重签名（Accountable-Subgroup Multisignatures,ASM)，ASM机制能够使已知的签名者G的任一子群S有效地签发消息M，且签名可以向任一验证者证明S中每个签名者的身份，其中，第一个多重签名的安全开花经模型要包括密钥的产生（在无可信任第三方的情况下），基于Schnorr数字签名的协议必须是可验证的和有效的，每次签名只需三方通信；无论有多少个签名者，每个签名者的签名时间与单个Schnorr签名方案的时间相同，验证时间与单个Schnorr签名方案的验证时间相差无几，无论有多少个签名者，签名的长度与单个Schnorr签名方案的签名长度相同，ASM的安全的证明是基于Random oracles和离散对数问题难度的。     

严格偏序集的拆分技术及其在AI中的应用（Ⅱ）

给出了严格偏序集（Ｘ,〈）的若干基本拆分方法,例如：子图法、边割法、点割法、垂直法、水平法等。这些拆分方法的组合将构成多种拆分模式。就（Ｘ,〈）的ｋ阶压缩（Ｒ＾ｋ（Ｘ）,〈＾ｋ）的拆分应用上述方法的特征进行了研究。对应用中的某些问题,如垂直拆分的存在性和垂直拆分的生成方法等予以讨论。提出了特征元组的概念和左／右序关联图的定义。利用特征元组可得到（Ｘ,〈）的许多拆分模式,如离散式、垂直式、水平式等。     

支撑向量机及其在数据挖掘中的应用

首先介绍了数据挖掘的基本概念,然后系统地研究了支撑向量机学习算法,着重分析了支撑向量机的算法的特点。并阐述了支撑向量机的关键技术一核函数。最后讨论了支撑向量中学习算法在数据挖掘中的应用。     

严格偏序集的拆分技术及其在AI中的应用(Ⅰ)

给出严格偏序集拆分的几种结构准则,如严格拆分、准严格拆分、片段连通拆分、严格保序拆分、涵盖拆分等,并就其拓扑性质进行了详细分析。提出了严格偏序集压缩的概念,证明了该压缩亦导致严格偏序集,并分析了它的拓扑性质,以及由压缩所导致的拆分与问题求解的某种关联性。最后讨论了拆分的量化准则,如：块规模、内外工作量、特征数量、通讯工作量等准则。     

严格偏序集的拆分技术及其在AI中的应用（I）

给出了严格偏序集拆分的几种结构准则，如严格拆分、准严格拆分、片段连续拆分、严格保序拆分、涵盖拆分等，并就其拓扑性质进行了详细分析，提出了严格偏序集压缩的概念，说明了该压缩亦导致严格偏序集，并分析了它的拓扑性质，以及由压缩所导致的拆分与问题求解的某种关联性。最后讨论了拆分的量化准则，块规模、内外工作量、特征数量、通讯 工作量等准则。     

Oracle8i新特性与系统性能的保证

讨论Oracle8i引进的一些新特性在对大型数据库执行复杂的查询时如何保证整个系统的性能。     

信息融合技术发展与融合算法研究

信息融合技术是当前及未来计算机领域的一项研究重点和热点,论文介绍了信息融合技术的形成与发展,总结了信息融合的功能模型,重点介绍了各种信息融合中检测、分类和识别算法,最后对信息融合存在的问题予以了概括,对以后工作的方向给出了作者自己的看法。