学生成绩随机后台查询系统

本文分析了ＷＩＮＤＯＷＳ９５的通信体系结构,并将ＶＩＳＵＡＬ ＶＯＩＣＥ ＦＯＲ ＴＡＰＩ控件,通过ＶＩＮＤＯＷＳ９５支持的ＯＬＥ（对象的链接与嵌入）机制,将它嵌入到由ＶＩＳＵＡＬ ＢＡＳＩＣ开发的应用程序中,从而实现了学生成绩随机后台查询。     

SHIPDES ＊ EDI──基于OSI模式的EDI应用系统

论述了ＥＤＩ的构造原理以及应用发展前景，并介绍了一种基于ＯＳＩ模式、建立在Ｃｈｉｎａｐａｃ公共数据交换网基础上，用于船舶货运单证电子数据交换的可进行发送、存贮和接收电子数据的ＥＤＩ应用系统ＳＨＩＰＤＥＳ＊ＥＤＩ。     

关于飞机制造协调的CAD专家系统

讨论了工程ＣＡＤ专家系统特点，提出其一般结构。为了解决如飞机制造协调等复杂工程问题，实现一种层次分布式ＣＡＤ专家系统（ＨＤＥＳ）结构。ＨＤＥＳ由元级、任务级两个水平的分布式专家系统组成：任务级专家系统（Ｔ－ＥＳ）主要用于应用设计，它们在其自己的设计领域中执行；元级专家系统（Ｍ－ＥＳ）则处理合作。介绍了层次－框架－规则的专家系统组织表示方法。文中工作结合飞机制造协调与公差分配ＣＡＤ专家系统（ＡＣＴＡ）的研制     

SHIPDES＊DEI——基于OSI模式的EDI应用系统

论述了ＥＤＩ的构造原理以及应用发展前景并介绍了一种基于ＯＳＩ模式，建立在Ｃｈｉｎａｐａｃ公共数据交换网基础上，用于船舶货运单证电子数据交换的可进行发送、存贮的接收电子数据的ＥＤＩ应用系统的ＳＨＩＰＤＥＳ＊ＥＤＩ。     

用改进的多普勒中心跟踪法进行ISAR运动补偿

研究逆合成孔径雷达（ＩＳＡＲ）的相位补偿，运用Ｗａｈｅ［１］提出的相位梯度自聚焦（ＰＧＡ）算法改进文［２］的多普勒中心跟踪法（ＤＣＴ），形成了改进的多普勒中心跟踪法（ＭＤＣＴ）。该方法通过循环移位、加窗和迭代等步聚，巧妙地消除了相位补偿中转动相位分量（ＲＰＣ）对估计平动相位分量（ＴＰＣ）的影响。经过几次迭代，可以有效地实现目标ＴＰＣ的最大似然估计和补偿。外场数据处理结果表明这种方法明显改善了成象质量。     

基于PC-BUS的通用可编程A/D转换组件的设计方法探讨

本文介绍了以ＨＡＤＣ５７４２（或ＡＤ１６７４）为核心的基于ＰＣ－ＢＵＳ的通用可编程Ａ／Ｄ转换组件的原理，介绍了Ａ／Ｄ转换组件的设计方法、工作方式、时序分析及其注意事项，对于特殊的可编程Ｉ／Ｏ组件和智能接口卡的设计具有借鉴意义。     

美国<国际宇航文摘>(AIAA)给本刊主编发来E-mail

１９９９年４月１日，美国《国际宇航文摘》（ＡＩＡＡ）给本刊主编张阿舟教授发来Ｅ－ｍａｉｌ，该函首先介绍了《ＡＩＡＡ》情况。美国《国际宇航文摘》（ＡＩＡＡ）为月刊，她收集世界范围的航空、航天和有关学科的公开文献，美国ＤＩＡＬＯＧ的航空航天数据库和ＮＡＳ...     

基于客户／服务器的车间控制器

车间管理与控制是制造企业的环节,是管理层与执行层的结合部,同时还是信息流与物流的交汇点,因而成为ＣＩＭＳ实现集成的重要组成环节。而客户／服务器模式是当今信息处理的主导模式,研究开发基于客户／服务器体系结构的车间控制器,可取得投资少见效快的效果。本文介绍了基于客户／服务器体系结构的车间控制器原理和开发方法,并给出了应用ＯＲＡＣＬＥ数据库开发的,以成都飞机制造公司ＣＩＭＳ工程（ＣＡＣ－ＣＩＭＳ）为前进     

综合火力／飞行控制系统的模糊控制及其仿真研究

研究了综合火力／飞行控制系统（ＩＦＦＣＳ）的模糊控制问题，首先给出了飞机纵向运动的火力／飞行控制系统的数学模型，然后讨论了基本模糊控制器的结构方案和设计过程，在分析了不同量化因子及比例因子对控制特性的影响后，对基本模糊控制器进行了改进，提出了分段因子模糊控制器和经过一次修正的模糊控制器的设计思想，最后，对包含模糊控制器的ＩＦＦＣＳ进行了计算机仿真。仿真结果表明，对ＩＦＦＣＳ采用模糊控制方法是可行的     

基于I/O方式的单片机在UPS实时控制中的应用

采用基于Ｉ／Ｏ方式的内部自带ＯＴＰ（Ｏｎｌｙ ｔｉｍｅ ｐｒｏｇｒａｍｉｎｇ）ＲＯＭ中的单片机,既能满足智能化要求,又能大大节约ＵＰＳ的生产成本。文中介绍了基于Ｉ／Ｏ方式下单片机在线互动式不间断电源中的典型应用,阐述了采用ＧＭＳ系列具有ＯＴＰ型ＲＯＭ的单片机为微控制器,配以串行方式的接口芯片构成ＵＰＳ主控系统的组成及工作原理。着重介绍单片机与串行芯片及模拟串行方式的接口方法,以及基于Ｉ／Ｏ方式下单     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。     

基于非欧式距离的可能性C-均值聚类

改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。     

SOFT IMAGE SEGMENTATION BASED ON CENTER-FREE FUZZY CLUSTERING

Image segmentation remains one of the major challenges in image analysis.And soft image segmentation has been widely used due to its good effect.Fuzzy clustering algorithms are very popular in soft segmentation.A new soft image segmentation method based on center-free fuzzy clustering is proposed.The center-free fuzzy clustering is the modified version of the classical fuzzy C-means ( FCM ) clustering.Different from traditional fuzzy clustering , the center-free fuzzy clustering does not need to calculate the cluster center , so it can be applied to pairwise relational data.In the proposed method , the mean-shift method is chosen for initial segmentation firstly , then the center-free clustering is used to merge regions and the final segmented images are obtained at last.Experimental results show that the proposed method is better than other image segmentation methods based on traditional clustering.     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

一种新的基于粒子群算法的聚类方法

建立了聚类分析问题的数学优化模型,提出了一种新的粒子群算法解决聚类问题。对基本粒子群优化算法作了改进,思路是将K-均值方法的结果作为一个粒子和利用新的分类中心调整粒子位置。对Iris植物样本数据的测试结果表明:4种粒子群算法的效果都比较好,特别是第3种改进的粒子群算法的效果更好,粒子群优化聚类技术很有潜力．     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于证据理论聚类算法的故障诊断

为了正确高效地诊断故障,以并发故障为例,建立了基于证据理论聚类算法的诊断模型,提出了基于Dempster理论的聚类算法,该聚类算法既分析每个单类,还考虑单类的各种组合,并利用质心特性,将单类聚类原型推广为适合组合类特性的聚类原型。通过故障实例说明,本文模型既适合普通故障诊断,更适合并发故障诊断,且计算的时间复杂度较小。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。