摘要：多序列比对问题是生物信息学研究的重要部分,是解决物种进化关系、基因组序列分析等问题的基础。多序列比对算法具有很高的专用性,不同的算法适用于不同的研究环境。目前常用的多序列比对软件是在生物信息学理论指导下利用多个子算法装配形成的,而现有的研究主要针对特定算法的特定步骤进行优化,缺乏领域层次高抽象性的算法框架研究,致使多序列比对算法较为繁杂且冗余过多。根据产生式编程以及软件复用的思想,分析了多序列比对算法族MSAA的特征,设计了相应的泛型算法构件并刻画了构件间的交互关系,进一步借助PAR平台形式化构建了MSAA构件库,提高了装配算法的可靠性和组装灵活性,便于研究人员的维护和优化。

摘要：目前参数估计多采用统计方法,存在耗时长、要求被试样本容量大和项目数多等缺点。本文将BP神经网络和降维法相结合,对GRM的项目参数和考生能力参数进行估计。蒙特卡洛模拟结果显示:(1)不管是人多题少还是题多人少,该网络设计下的参数估计精度都较高;(2)可以应用到多个不同等级评分的参数估计中,甚至是超过15个等级的项目参数,估计精度也较高,这是其他参数估计方法所不可比拟的;(3)运行的时长和统计估计方法相比大大缩减。

摘要：在节点高速移动的车载自组织网络(VANETs)中,道路交通状况极大地影响着网络中的数据传输性能。在贪婪周边无状态路由(GPSR)协议的基础上加以改进,提出了基于车流密度的VANETs由协议。考虑了车流密度以及节点运动速度、方向等影响因素,设计车流密度的计算方法,利用新的转发策略替代GPSR的贪婪转发策略,能够选择车流密度较好的路径进行数据转发,避免因车流密度分布不均匀而产生的局部最大现象。同时能够对由于节点高速运动引起的链路中断进行预测,提出有效的修复机制,从而建立链路稳健的VANETs路由。采用Matlab仿真平台进行仿真实验,与已有的GPSR,GPCR协议进行比较分析。仿真结果表明:提出的路由协议相比于其它2种路由协议在时延和分组转发率方面得到显著改善,性能优越,非常适合在城市场景中。

摘要：本文从改善CMM的实施和提高过程控制能力入手,给出一个基于复用的软件过程改进框架,该框架将复用技术应用于软件过程改进与控制中,将当前模型驱动的自顶向下的过程改进模式与度量驱动的自底向上的过程改进模式有机整合,它由组织层面的持续过程改进(大循环)嵌套项目层面的过程不断调整与优化(小循环)构成。以CMM为基础,定义了实施新的过程改进方法的组织与角色。设计一个支持过程复用的软件过程及项目管理支持系统。

摘要：利用MapReduce模式设计并实现了粒子群投影寻踪算法的并行化,以提高算法的效率.在分类阶段使用了基于MapReduce的KNN分类算法并行,实验结果表明:基于MapReduce实现的粒子群投影寻踪模型能够有效地寻找到较好的投影方向,确保分类效果;并且与其串行算法相比,在实现效率上有较大的提高.

摘要：基于混沌吸引子形成的机理,利用单位锯齿波函数改造混沌Colpitts振荡器模型,提出了一个新三维多涡卷混沌系统,生成了(2K+1)涡卷混沌吸引子。单位锯齿波函数的引入,增加了系统的指数2平衡点,从而形成多涡卷吸引子。采用常规的动力学分析方法,研究了该多涡卷混沌系统的动力学特性,研究结果表明所提出的系统的Hopf分岔点仅与控制参数有关,而涡卷数量随着锯齿波函数的零点数量的增加而增加。此外,基于微控制器(MCU)设计了一个实现该多涡卷混沌系统的数字硬件电路,实验结果验证了数值仿真结果的正确性。

摘要：现有的比例积分微分（PID）优化设计算法难以兼顾系统对快速性、稳定性和鲁棒性的要求。为此,提出一种改进的Pareto遗传算法。该算法采用新的拥挤距离计算算法,改进非支配性的比较算法,引入双重精英机制,提高进化效率和解的质量,并且解的多样性好。将该算法应用于PID多目标优化设计,仿真结果表明,决策者可根据当前工作需求在所得的Pareto解集中选择最优的满意解。

摘要：给出了不等重复单因素比较试验的A-、D-、E-最优设计.

摘要：通过对信息系统中属性进行多视角的重要度度量,构造一种更为优越的特征选择算法。以粒计算理论为基础,在模糊近似空间中引入模糊粒度,在此基础上提出模糊条件熵的概念,将模糊粒度与模糊条件熵组合作为属性重要度的度量,给出一种基于模糊近似空间组合度量的特征选择算法。实验结果表明,该算法在特征子集和算法效率方面具有较好的优越性。

摘要：为了解决机器学习的低效问题,将并行技术中引入概念学习。在深入探讨概念学习本质的基础上,分析了并行概念学习的可能性及其前景;研究了建立一个并行概念学习系统所需考虑的几个问题;探索性地给出了一种特殊的实例——概念描述语言;在此语言基础上提出了一种并行概念学习系统的实现方案,并详细讨论了系统的体系结构和学习算法。