面向多属性条件的空间对象检索算法

针对现有空间索引不能满足多样化的检索需求,提出两种新型空间索引,能够同时面向空间属性、文本属性与划分属性进行空间对象检索。将分类技术应用于空间对象检索中,提出了基于划分索引与IR-Tree的混合索引以及先划分索引再IR-Tree的索引方法,不仅满足了多样化的空间检索需求,而且有效地解决了传统空间索引更新维护代价大的问题。基于真实的北京市POI数据集进行实验,结果表明本文提出两种索引是有效的且检索效率高。与传统空间索引相比,提出的空间索引很好地解决了具有划分属性的空间对象检索问题,并且具有较高的检索效率。     

基于证据理论的覆盖决策信息系统约简的数值刻画

决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中,有些数据集存在对象的决策缺失或决策不能完全确定情况,那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本文讨论决策为覆盖的覆盖决策信息系统的特征选择,利用证据理论中的信任函数和似然函数给出覆盖决策信息系统约简的等价刻画,从而给出求约简的算法,并以实例说明该方法的有效性。     

面向空域/时域/功能混合模式的目标分组方法

提出了面向空域/时域/功能混合模式的目标分组方法,其结果为任务规划提供了包含空域、时域、功能的目标群体特征.该方法采用标准化方法对属性数据分类和扩展,按照不同类型属性数据分别建立属性差异度,提高了目标分组特征属性的可扩展性,解决了传统属性差异度难以适用于时域及功能属性的问题;在此基础上,综合考虑协同任务对目标分组各项属性的定性/定量要求、阈值约束及重要程度要求,构造了目标综合差异度,解决了某些属性不能直接加权的问题.仿真结果表明该方法能够快速有效地实现满足任务复杂要求的目标分组.     

基于图和子图同构算法的制造特征识别方法

针对传统制造特征难以快速识别的难题,提出了基于图和子图同构算法的制造特征识别方法。通过提取零件模型中的几何信息与拓扑信息,构造出加权属性邻接图,对零件模型进行精准描述,为建立制造特征库,定义了文件数据的存储结构,结合子图同构算法以及相关判定规则实现对常见制造特征的识别与匹配。以Creo软件中生成的零件模型为例,在VS2010平台中进行二次开发,最后以界面窗口形式展示识别结果,验证了该方法的有效性。     

基于协调权的案例学习群决策分类方法

基于案例学习的决策方法具有易于理解、贴近 实际决策过程的优点，成为当前决策领域的一个研究热点。文中针对如何有效地集成不同决 策专家提供的案例信息，提出了一种基于协调权的案例学习群决策模型用以解决多属性分类 决策问题。该方法首先针对各决策者给出不同案例数据，通过构建混合整数规划模型，识别 出具有一致案例信息重要度最大化的典型案例集。然后设计了分类阈值远离程度最大化模型 ，以此确定兼容各个决策者案例信息的指标权重（协调权）和最优分类阈值，由此构建一致 性的效用函数并应用获得的阈值进行分类决策。最后通过案例研究以及与其他模型的比较分 析，验证了方法的可行性。     

基于实体-属性框架的领域知识库构建

知识库是进行各种自然语言处理任务不可或缺的一项基础性的资源。而目前知识库的构建还是一个难点问题,尤其是以自动方式构建复杂的领域性知识库系统的研究还处于探索阶段。本文提出一种基于实体-属性框架的领域知识库自动构建方法,致力于利用航空百科辞典的信息自动获取术语之间的上下位关系及部分实体属性关系,其中,基于多策略的上下位关系术语对提取融合了后缀子串匹配、模板自动构建、实质提取三种方法,分别考虑了辞典中反映上下位关系的不同信息。其中模板自动构建方法,在无需人工标注语料的情况下获得了比较好的效果。属性提取部分采用了以人工标注语料为前提的模板匹配方法。实验表明,本文系统对术语上下位关系抽取的F值达到76.01%,对各个属性的抽取也达到了75%以上。     

历史建筑的价值探讨

随着我国经济的发展、社会环境的变迁、公共建设的推动以及土地的开发,许多具有传统风貌的历史建筑,在追求现代化的价值观中屡遭拆除或破坏,许多历史记忆空间正逐渐失去.推土机式的建设破坏愈演愈烈,随之而去的是珍贵的社会文化遗产和建筑艺术,以及宝贵的旅游资源.论文以历史建筑的价值为研究对象,探讨历史建筑的空间体验价值、空间场域价值以及空间属性价值.     

软件测试用例生成与约简算法研究

对于参数多、状态多且状态转换关系复杂的软件,测试人员设计的测试用例往往难以保障测试覆盖率。针对该问题,提出了一种测试用例生成与约简算法。该方法定义了一种数据模型——测试路径控制阵列模型,将其与因果图法结合起来,可通过编程实现测试用例设计。该方法设计测试用例便捷、充分,避免了由于人工绘制因果图和检查判定表引入的错误。应用于实时系统软件的主副切换功能测试时,生成测试用例32个,对被测对象覆盖全面且有效。     

D-S证据理论在多传感器数据融合中的应用

近年来，许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法，最常用的算法是贝叶斯决策检验法，国际上已提出将证据理论用于数据融合，但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广，证据理论比概率论满足更弱的公理系统，并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质，给出了可信度公理及Ｄ－Ｓ综合规则，并进行了计算机仿真实验，实验结果说明这种判决方法非常实用，用于数据融合算法非常有效     

基于方案偏好值的模糊多属性群决策方法

针对属性值为梯形模糊数,属性权重未知,决策者对方案的偏好值以梯形模糊数给出的模糊多属性群决策问题,提出一种群决策方法.为使决策者的主观偏好值与客观综合属性值间的总偏差最小,借助梯形模糊数的欧式距离,建立单目标优化模型,求解模型,得到属性的精确权重,进而根据综合属性值的期望值对方案排序,最后给出一个数值例子验证了所提方法的可行性与实用性。