簡介：隨著生活水平的提高，人們對食品質量檢驗與質量控制越來越重視，不但要求檢測方法準確、客觀，而且要求快速、簡便，因此，引進新的檢測手段并探索其在食品質量檢驗與質量控制中應用的可行性具有重要的意義。人工味覺技術電子舌即是符合這些要求的一種分析、識別液體味道的新型分析技術。人工味覺領域主要有三個研究方向傳感器及傳感器陣列的研制、模式識別方法的優(yōu)化與比較、在各種分析問題中的應用。除了開發(fā)具有優(yōu)良性能的傳感器之外，恰當?shù)哪Ｊ阶R別方法對于電子舌的成功應用也是至關重要的。對于食品工業(yè)來說，人工味覺技術的最大優(yōu)勢是可以輔助、取代甚至超越人類的相應感覺，而與味覺相關的食品質量屬性正是應該利用人工味覺技術進行檢測的方面。本論文的研究范圍主要集中在電子舌模式識別方法的優(yōu)化與比較、在食品工業(yè)領域中的具體應用，從而為開辟人工味覺技術的應用途徑提供理論依據(jù)與數(shù)據(jù)支持。將機器學習領域開發(fā)的新興模式識別工具引進電子舌領域解決模式識別問題是非常必要的，以克服通常采用的那些模式識別方法所具有的缺點。本論文首次將隨機森林算法引入到人工味覺技術的模式識別中來，考察其在食品樣品分類3個數(shù)據(jù)集和回歸問題3個數(shù)據(jù)集上的性能，并與目前比較流行的算法，BP神經(jīng)網(wǎng)絡和支持向量機的性能進行了比較。在采用了嚴格的模型驗證方法5重交互驗證的情況下，隨機森林表現(xiàn)出了優(yōu)秀的分類性能和預測性能，而且是在沒有經(jīng)過任何數(shù)據(jù)預處理和特征選擇提取的前提下獲得的；尤其是對于不平衡、多類別和小樣本的數(shù)據(jù)，隨機森林更是表現(xiàn)出了卓越的分類性能，BP神經(jīng)網(wǎng)絡、支持向量機和隨機森林對三個分類數(shù)據(jù)集交互驗證集的整體平均正確分類率分別為8335％、5806和9883；對三個回歸數(shù)據(jù)集交互驗證集的整體平均Q2分別為0886、0353和0913；而且，對于獨立測試集，隨機森林也給出了令人滿意的預測結果整體平均正確分類率和Q2分別為9975和0932，這意味著由電子舌生成的特征結合隨機森林所構建的模型能夠用于實際的樣品檢測。電子舌傳感器電化學信號與食品理化指標之間具有相關性是采用電子舌對食品進行分析的基礎。本論文以不同品牌的10橙汁飲料和不同類型不同質量等級的食醋為例，以電子舌的測量結果結合能夠反映其感官品質味道的主要理化指標的測量結果，對樣品進行了檢驗，以考察該技術在食品質量檢驗中應用的可行性，并為相應的感官檢驗法味覺檢驗提供可行的輔助手段。結果表明，電子舌的電化學信號與食品的理化指標之間具有顯著的相關性，說明可以用電子舌檢測食品的相關質量，同時也可以用相關的理化指標來解釋電子舌的分析結果；電子舌可以很好地區(qū)分不同品牌的橙汁飲料、不同類型的食醋和不同質量等級的食醋；主成分分析時第一主成分可以解釋為甜度，典型判別分析時，第一、二典型變量分別可以解釋為甜度和糖酸比，而且樣品是近似按照這些指標的升序在坐標軸正方向上進行排列的；并且通過建立適當?shù)哪Ｐ腿珉S機森林分類模型電子舌可以預測未知樣品的種類；在對樣品進行區(qū)分時主成分分析和典型判別分析具有一定的優(yōu)勢，但是，當比較模仿競爭對手的同類產(chǎn)品時，聚類分析和軟獨立模型類別分析具有優(yōu)勢，可以簡單地初步判斷產(chǎn)品之間在味道上是否具有明顯的差異。這些結果都表明人工味覺分析方法可以根據(jù)食品的感官特性味道屬性對其進行質量檢驗，從而證明其在食品質量感官檢驗中具有應用潛力。以人工味覺技術為依托，以先進的模式識別方法為手段，提出了人工味覺結合隨機森林的分析方法，在方法學研究的基礎上進行了應用型研究，以在食品質量控制領域中具有代表性的應用案例為例考察該方法的實際效果。具體應用包括食品地理來源識別、食品貯藏條件鑒別、食品生產(chǎn)批次質量穩(wěn)定性檢測、食品貯藏期質量穩(wěn)定性檢測、貨架期的確定及貯藏時間的測定。結果表明，人工味覺技術結合不同數(shù)據(jù)處理方法均能夠勝任上述檢測任務，為其在食品質量控制領域中的實際應用提供了基礎研究數(shù)據(jù)，同時為食品研究提供了新的研究方法。并提出了采用主成分繪制質控圖、主成分隨時間演進圖來判斷產(chǎn)品質量穩(wěn)定性的方法。

簡介：粒計算由LAZADEH在1997年第一次提出后，即受到世界廣泛關注，粒度計算被認為是一種看待客觀世界的世界觀與方法論，從某方面考慮粒計算也是一種模仿人類從不同粒層看待問題，處理模糊信息的理論，那就與人工智能密切相關，特別是強人工智能。通過對粒計算過去研究成果的學習，發(fā)現(xiàn)在現(xiàn)有粒計算的模型中，對粒的描述都是對象實體的靜態(tài)粒。本文則提出了粒的動態(tài)表示結構，即粒本身是一種行為操作，我們把這種操作稱為反射操作。本文首先討論了粒計算的研究現(xiàn)狀與主要理論和模型，并介紹了人類智能模擬的基本思想包括人類智能的各種機制和人類智能的特點。在綜合分析人類智能的各種復雜功能機制如感情、意識、思維等等產(chǎn)生的過程，發(fā)現(xiàn)他們由某些最基本的操作涌現(xiàn)而成的如“反射操作”。論文重點研究了“反射操作”的模擬。本文以“反射操作”作為人工智能模擬實例，討論了這一操作的思路，通過計算機模擬其過程，并較為詳細的描述其編程方法、實現(xiàn)流程以及其還存在的問題。最后，本文在粒度思想的基礎上，結合此種操作產(chǎn)生結構的性質解釋了粒度計算思想形成的本質，即人如何做到能從極不同的粒度世界上觀察和分析同一事物，并且能在不同粒度世界中可以來回轉換自如，不受限制。論文主要為人類智能的模擬提供一定的思路。

簡介：隨著醫(yī)療事業(yè)的發(fā)展，世界上對各種癌癥發(fā)現(xiàn)和治療的研究越來越普遍，希望癌癥患者的存活率得到提高。當前一般認為，早診早治是最終降低病死率的關鍵。本文成功構建了以社區(qū)醫(yī)院為基本篩查單元，以普通人群為對象，在初級體檢時篩查出高危人群為關鍵步驟的方案。作為對癌癥“三早”（早期發(fā)現(xiàn)、早期診斷、早期治療）的有效嘗試，本系統(tǒng)的有效研究和設計為國家提供了先進案例和應用示范。本文在在對近幾十年有關此類疾病研究文獻的基礎上，通過薈萃分析，進行理論研究，找出致病的關鍵危險因素；通過蘇州大學第一人民附屬醫(yī)院所研究出的樣本和BP神經(jīng)網(wǎng)絡，訓練出具有此類判斷功能的經(jīng)驗函數(shù)，并與目前已得結果FISHER判別進行正確率比較，找出最佳函數(shù)進行系統(tǒng)嵌入；最后運用服務器瀏覽器模式對系統(tǒng)進行實現(xiàn)，結果表明本方案切實可行，并且已應用到婁葑醫(yī)院效果良好。首先采用薈萃分析，又稱META分析，方法是對全國1995～2010年間公開發(fā)表的有關危險因素流行病學及病例對照研究的文獻資料進行定量綜合分析，找出目前中國人群中肺癌、胃癌和肝癌發(fā)病的主要危險因素。其次是通過研究危險因素和實驗樣本，運用人工神經(jīng)網(wǎng)絡中的BP神經(jīng)網(wǎng)絡對實驗樣本進行學習訓練，得出結論。并與現(xiàn)有訓練技術FISHER判別進行對比分析，結果表明BP神經(jīng)網(wǎng)絡的訓練結果的準確率明顯高于FISHER判別。因此在后續(xù)的癌癥篩選系統(tǒng)的軟件設計時，采用BP神經(jīng)網(wǎng)絡判別函數(shù)作為判別函數(shù)進行嵌入。最后使用PHPMYSQLWINDOWSAMPSERVE開發(fā)平臺對系統(tǒng)進行實現(xiàn)。系統(tǒng)采用功能模塊化設計，整個軟件架構層次清晰，實現(xiàn)方式獨立，使系統(tǒng)具備了信息錄入、信息修改、信息查詢和檢測報告打印等功能。系統(tǒng)安裝簡單，使用方法簡便，整體性能較為優(yōu)良。

簡介：最初的電子計算機的研發(fā)初衷，是為了將人類從簡單機械的數(shù)學運算中解脫出來，這樣可以節(jié)省大量的時間用于其他復雜的研究，而隨著計算機運算能力的急速發(fā)展，人們對計算機的要求也越來越高，希望計算機可以做的事情也越來越多，而人工智能的研究方向就是為了讓計算機越來越“智能”。如今，隨著人工智能的不斷發(fā)展，計算機已經(jīng)滲透到了生產(chǎn)生活的各個方面，成為各個領域不可或缺的重要部分，將人們帶進了一個嶄新的智能化的時代，極大的促進了社會的發(fā)展和人類文明的進步。本課題將圍繞如何開發(fā)一個五子棋程序來展開對人工智能的討論，并主要完成了以下工作1、根據(jù)中國棋院于2013年頒布的中國五子棋競賽規(guī)則為基礎，設計了五子棋程序應該包含的基本功能，包括人人對弈，人機對弈，復盤以及一些相關參數(shù)的設置。2、在設計五子棋程序的人工智能算法的時候，并沒有采用較為通用的極大極小樹算法，而使用了在圍棋軟件ZEN中大放異彩的蒙特卡洛算法作為主算法，并結合五子棋的特性，繼續(xù)完善了算法的細節(jié)。3、選用SQLITE作為數(shù)據(jù)庫，并設計了相應的數(shù)據(jù)表，用于存儲程序的設置，復盤的資料以及五子棋的定式。4、使用HASKELL作為編程語言開發(fā)了整個五子棋程序，并在多平臺上做了測試，多平臺包括（WINDOWSFEDAFREEBSDMACOS）。

簡介：內蒙古農(nóng)業(yè)大學博士學位論文非參數(shù)統(tǒng)計與人工智能技術在水土空間變異中的應用研究姓名劉全明申請學位級別博士專業(yè)農(nóng)業(yè)水土工程指導教師陳亞新20091001APPLICATIONOFNONPARAMETRICSTATISTICSANDARTIFICIALINTELLIGENCETECHNOLOGYINSPATIALVARIABILITYOFWATERSOILABSTRACTSPATIALVARIABILITYTHEORYISTHEFOCUSOFATTENTIONINWORLD’SFRONTIERSCIENCEANDTECHNOLOGY，THISPAPERDISCUSSEDTHESPATIALVARIABILITYOFSOILWATERANDSALTSELECTEDTWOTYPICALEXAMPLEWATERSAVINGIRRIGATIONAREAWITHINALARGEIRRIGATIONAREACHINAHETAOIRRIGATIONDISTRICTASEXAMPLE，OPENEDUPTHENEWPRINCIPLESANDNEWMETHODSOFTHEWATERSOILSPATIALVARIATIONTHEMAINRESULTSOFTHISSTUDYAREINORDERTOSOLVETHEMAJORITYOFSMALLSAMPLESIZEISLIMITED，OUTLIERCAUSINGAPARTIALDISTRIBUTIONOFTHESTATISTICALCHARACTERISTICS，THISPAPERINTRODUCEDROBUSTKRIGINGOFRGS，BUTITSTILLHASASIGNIFICANTSMOOTHINGEFFECTMEANWHILESTUDYINGIMPACTPOINTRESULTSSHOWNTHATTHEIMPACTPOINTIDENTIFICATIONMETHODANDSPECIFICIDENTIFICATIONMETHODISCONSISTENT，OULIERIDENTIFICATIONSHOULDBASEDONANALYSISOFTHEIMPACTPOINTTRYTOINTRODUCEDTHEBPNEURALNETWORKTECHNOLOGYOFANNINTOTHEENVIRONMENTALMONITORINGORDEREDNEWMETHODSFORTHESPATIALVARIABILITYOFSOILANDWATERRESEARCHAFTERALARGENUMBEROFEXPLORATORYSTUDIES，ESTABLISHEDBPNEURALNETWORKMODELOFTHESOILSALTTHERESULTSSHOWNTHATBPMETHODCALLOVERCOMETHESMOOTHINGEFFECTOFOK，ITHASNOSTRICTSAMPLINGDISTRIBUTIONANDPARAMETERSREQUIREMENTSFORORIGINALDATATHEISSUEDOESNOTINVOLVEOULIERITISSIMPLEANDPRACTICALBUTBPNEURALNETWORKHASNOASIGNIFICANTSTATISTICALANALYSISOFTESTFEATURESINITIALLYINTRODUCEDTHEMAINMETHODINDICATORKRIGINGABBREVIATEDIKOFNONPARAMETRICGEOSTATISTICSNPGTOMONITORSOILWATERANDSALTANDCARRIEDOUTSIMULATIONANDVALUATIONOFSOILWATERANDSALTSPATIALANDTEMPORALDISTRIBUTIONATTESTAREAOFCULTIVATEDLANDANDWASTELANDOFSALTBEFORESUMMERIRRIGATIONDISCUSSEDINSTRUCTIONSOFTHRESHOLDSELECTIONMETHODTHATTHEREISNOTHEORETICALANALYSIS也EINSTRUCTIONSOFTHESOILWATERANDSALTTHRESHOLDCANBEREFERENCED。EMPHASIZEDONTHEIKMETHODINDICATORKRIGINGMODELANDTHEPARAMETERSOFTHESYSTEMSANALYSIS，AUTHORFOUNDTHATTHEAVERAGEINDICATORKRIGINGPROBABILITYINSTRUCTIONSTHRESHOLD，ANDINDICATINGVARIOGRAMISCLOSELYRELATED，JUSTCONSIDERINGFROMTHEINCREASEDPROBABILITYOFPREDICTIONACCURACYMOISTUREINDICATORTHRESHOLDVALUESHOULDBESMALLERTHANTHEMEDIANTHRESHOLD，THATOFSALTSHOULDBEHIGHERTHANTHEMEDIANIKMETHODHASUNIQUEESTIMATEEFFECT，BUTSTILLHASACERTAINDEGREEOFSMOOTHINGEFFECT，THELARGERESTIMATEVARIANCEOFTHEINDICATORPROBABILITYMEANWHILEUSEDFIRSTLYTHEDISJUNCTIVEKRIGINGABBREVIATEDDKMETHODTOESTIMATESOILWATERANDSALT，CONTRASTEDIK，DKANDPROBABILITYKRIGINGABBREVIATEDPK

簡介：隨著計算機技術、網(wǎng)絡技術和通信技術的不斷發(fā)展對多智能體的研究已經(jīng)成為了人工智能學科的核心內容之一對多智能體系統(tǒng)的控制問題研究也成為了控制學科的的一個研究熱點。本文對基于人工勢場和虛擬領航者的控制問題進行了研究。本文的主要研究內容如下首先對傳統(tǒng)的人工勢場進行分析給出圖論的基本理論和李雅普諾夫穩(wěn)定判斷方法為后續(xù)的研究工作奠定基礎。其次通過對智能體之間人工勢場的深入分析設計一種能夠滿足智能體之間期望距離的新人工勢場以及一種既能滿足智能體之間的期望距離又能滿足期望方位角的新人工勢場。根據(jù)新人工勢場設計相應控制器并進行仿真實驗。第三給出基于行為的領航者跟隨者隊形控制方法設計相應的控制器并進行仿真實驗。最后給出一種人工勢場和虛擬領航者法相結合的新型隊形控制方法并對各個控制方法進行仿真比較分析。

簡介：機器學習是當前人工智能領域中新興的研究熱點，已在機器視覺、語音識別、自然語言處理、網(wǎng)絡搜索、推薦系統(tǒng)、智能機器人等復雜系統(tǒng)中獲得成功應用。尤其是近兩年基于人工智能機器學習的自動駕駛、深度問答技術問世，其在某些方面超過人類智能的操作水平，使得人們開始重新思考‘機器是由人類發(fā)明，其智能水平永遠不會超過人類’這一觀點。字符集龐大的漢字識別一直是文字識別領域的難點問題，與由少量字符組成的英文文字不同，很難使用傳統(tǒng)的算法對其進行自動識別。得益于人工智能機器學習的深入發(fā)展，漢字的自動識別錄入已進入實用化階段，不少國內外軟件廠商相繼推出識別率不錯的漢字自動識別系統(tǒng)，但依然有較大的改進空間。在現(xiàn)有的國內大量文獻中，主要都是針對少量字符的自動識別研究，很難將其應用到大字符集的識別對象中，這與機器學習自身結構及學習算法特性緊密相關。當前國外主流的解決辦法是用學習器訓練出多個分類器對字符特征向量進行分類，然后對各分類器輸出結果進行投票統(tǒng)計，將得票最多的結果作為最終輸出。本文以醫(yī)學病歷單的自動識別錄入為研究對象。本著多角度識別、交叉驗證的思想，提取字符圖像的多組特征，對每組特征單獨訓練出分類器；最后在一定的容錯條件下，將各分類器的輸入特征向量與輸出對應于事先保存庫內的典型特征向量進行交叉驗證，輸出驗證匹配最多的結果。實驗證明，該方法不但可以正確的識別輸出，還可自我發(fā)現(xiàn)識別錯誤，為實現(xiàn)文字識別系統(tǒng)的錯誤自發(fā)現(xiàn)和自修正功能打下基礎，是本文的一大亮點。另外，本文還對支持向量機SVM、BP神經(jīng)網(wǎng)絡的分類性能進行了對比分析，對文字識別中學習器的選擇具有一定的指導意義。

簡介：隨著社會經(jīng)濟的快速發(fā)展，人們的生活水平有了很大程度的提高，小汽車作為一種比較便捷的交通工具備受人們青睞。這樣人們對于駕考的需求日益增大，原始的駕考方式的弊端也一再顯現(xiàn)，路考電子化成為一種必然的趨勢。目前的電子化路考系統(tǒng)雖然部分實現(xiàn)了電子化考試，但是只是對路考進行了程序化，考試評判方法的效率參差不齊，并未實現(xiàn)真正意義上的智能。駕駛人路面考試系統(tǒng)由一系列的評判項目組成，每一評判項目需要考察的因素眾多，因此考試評判規(guī)則的表示非常繁雜、考試評判算法也很復雜。人工智能是研究使計算機來模擬人類的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科。人工智能中的專家系統(tǒng)能夠很好地表達現(xiàn)實世界中的各種復雜推理規(guī)則（知識），能夠設計出根據(jù)知識進行推理的高效推理機以實現(xiàn)邏輯推理。因此人工智能和專家系統(tǒng)能夠很好地解決路考系統(tǒng)的考試評判規(guī)則表示和考試評判算法。在駕駛人路面考試系統(tǒng)中可以運用人工智能和專家系統(tǒng)的技術建立考試規(guī)則庫，并且通過推理機實現(xiàn)對于考試項目的評判，從而在很大程度上降低考試系統(tǒng)的考試評判規(guī)則的表示難度以及提高考試的評判效率和質量。在這樣的大背景下，本論文旨在設計考試評判規(guī)則的表示方法、具有高效評判效率的基于人工智能的考試評判模型，并將之應用于實際的駕駛人路面考試系統(tǒng)之中，提高考試評判效率和質量，降低路考系統(tǒng)的復雜性，支持路考的可移植性。本文建立在對人工智能技術和專家系統(tǒng)理論知識深入研究的基礎之上，運用專家系統(tǒng)的方式實現(xiàn)考試評判模型的建立。首先通過領域內專家或知識工程師的智慧和經(jīng)驗獲取知識，運用產(chǎn)生式規(guī)則法實現(xiàn)對于知識的表示，從而建立知識庫運用專家系統(tǒng)的推理技術實現(xiàn)考試評判模型的推理機專家系統(tǒng)的最終實現(xiàn)通過PROLOG邏輯編程語言實現(xiàn)，通過C程序化編程語言實現(xiàn)可視化人機交互界面。最終將該考試評判模型通過PROLOG和C的編程接口應用于駕駛人路面考試系統(tǒng)中。本文在對于人工智能技術和專家系統(tǒng)理論知識的研究成果之上，最終建立了基于人工智能的考試評判模型，并且將該模型應用于實際的駕駛人里面考試系統(tǒng)中。該模型不僅大大提高了考試評判的效率，還提高了系統(tǒng)的可移植性，為在駕駛人路面考試系統(tǒng)中的成功運用打下了堅實的基礎。

簡介：研究人工智能在視頻游戲（VIDEOGAME）上的應用和在經(jīng)典游戲（CLASSICGAME）上的應用目的是不同的。比如說研究經(jīng)典游戲圍棋（GO）的人工智能是為了產(chǎn)生挑戰(zhàn)性最大的對手智能；而研究視頻游戲的人工智能是為了產(chǎn)生既有挑戰(zhàn)性又令人滿意的游戲智能。本文中游戲的是指視頻游戲。目前大多數(shù)現(xiàn)有的游戲智能是用有限狀態(tài)機（FSM）實現(xiàn)的。由FSM實現(xiàn)的游戲智能有三個方面的弊端高度依賴開發(fā)者的領域知識，不存在元編程的，沒有規(guī)劃和前瞻。在本文中，作者提出用CI（計算智能）的方法來生成既有挑戰(zhàn)性又令人滿意的游戲對手智能，該方法的最終實現(xiàn)是基于作者提出的“玩家的策略建模及對手的智能適配”的理論框架。本文使用的CI方法是指MCTS蒙特卡洛樹搜索（MONTECARLOTREESEARCH）和UCT上界置信的樹搜索（UPPERCONFIDENCEBOUNDFTREES）2種算法。本文中兩種PREYPREDATOT（獵物和捕食者）類型游戲DEADEND和PACMAN被用作測試平臺來驗證所提出的理論。該論文的主要貢獻包括游戲智能的整體架構、玩家策略建模、對手挑戰(zhàn)性智能適配、及對手滿意度智能適配等方面。在游戲智能的整體架構的研究方面，提出了“玩家的策略建模及對手的智能適配”的理論框架，該框架被證明適用于“獵物和捕食者”類型游戲DEADEND和PACMAN，并有可能應用于未來游戲的人工智能開發(fā)。在游戲玩家策略建模的研究方面，首先提出了在監(jiān)督學習情況下對玩家策略進行建模（分類或識別）的方法，其核心步驟包括屬性選擇、樣例數(shù)據(jù)收集、數(shù)據(jù)噪音處理、屬性子集選擇、算法選擇和訓練評估算法。其次，提出了無監(jiān)督學習情況下玩家策略的聚類、分類識別和評價的方法，其核心步驟包括屬性選擇、樣例數(shù)據(jù)收集、聚類算法選擇、數(shù)據(jù)分組，以及用交叉實驗進行聚類算法的選定。在對手挑戰(zhàn)性智能適配的研究方面，首先提出了用普通的計算智能（STRAIGHTCI）來控制NPC（非玩家角色）生成對手智能的方法。其突出的優(yōu)點是可以減少人的參與度并降低對領域知識的要求；缺點是智能的產(chǎn)生需要在線進行，占用大量的資源，故此方法僅適用于單機游戲。其次，提出了基于知識的CI（KNOWLEDGEBASEDCI）來控制NPC生成對手智能的方法。該方法用普通的CI控制NPC所生成的數(shù)據(jù)來訓練人工神經(jīng)網(wǎng)絡ANN（ARTIFICIALNEURALWK），從而形成知識，使用經(jīng)過訓練的ANN（人工神經(jīng)網(wǎng)絡）來控制NPC。其突出的優(yōu)點是離線完成訓練、基于知識、計算效率高、及占用資源少，因此適用于大型多人網(wǎng)絡在線游戲。然而該方法要求與“玩家的建模”或“玩家的建模及對手的智能適配”的框架聯(lián)系起來。以上提出的挑戰(zhàn)性智能適配的兩種CI方法，要比使用FSM在第一段提到的三個方面都要優(yōu)越。在對手滿意度智能適配的研究方面，為了產(chǎn)生令玩家滿意的游戲智能對手、優(yōu)化玩家的體驗，可以通過產(chǎn)生能夠打平局的游戲AI（ARTIFICIALINTELLIGENCE）來實現(xiàn)。我們提出了兩種基于CI的動態(tài)難度調整DDA（DYNAMICDIFFICULTYADJUSTMENT，動態(tài)難度調整）方法“基于模擬時間約束的CI實現(xiàn)的動態(tài)難度調整”（“DDABYTIMECONSTRAINEDCI”）和“基于知識的模擬時間約束的CI實現(xiàn)的動態(tài)難度調整”（“DDABYKNOWLEDGEBASEDTIMECONSTRAINEDCI”）。因為后者是基于知識，計算的效率比前者高，所以后者更適用于多人在線游戲，而前者僅適用于單機游戲；然而后者要求與“玩家的建模及對手的智能適配”的框架緊密聯(lián)系。這兩種方法的性能都優(yōu)于目前現(xiàn)有的動態(tài)難度調整方法（目前的DDH多采用調整NPC的速度和數(shù)量，這容易使玩家有挫折感），是一種真正的智能調整方式（因為研究發(fā)現(xiàn)CI的模擬時間的增加會提高游戲AI的勝率），更容易生成滿足玩家娛樂的智能對手。這兩種方法的提出是基于以上提到的“對手挑戰(zhàn)性智能適配”方面的研究成果。

簡介：珩磨加工是一種高精度加工方法其中珩磨加工工藝參數(shù)的選擇對加工精度的影響較大因此如何正確的選取珩磨加工工藝參數(shù)問題一直是從事珩磨加工人員研究探討的問題之一。傳統(tǒng)的方法是參考相關珩磨加工工藝手冊或者根據(jù)工作經(jīng)驗而進行的。隨著科學技術的發(fā)展珩磨技術的應用加工零件的類型品種越來越多加工精度要求越來越高以及珩磨加工技術和珩磨工具、珩磨油石材料的發(fā)展珩磨加工工藝參數(shù)選擇的問題變得越來越重要。針對該問題課題利用人工神經(jīng)網(wǎng)絡對多目標問題求解具有收斂速度快、精度高等特點。通過對工件材料、油石各參數(shù)對珩磨加工質量影響的分析以及對人工神經(jīng)網(wǎng)絡算法的改進和對輸入輸出參數(shù)編碼優(yōu)化構建了基于人工神經(jīng)網(wǎng)絡的珩磨加工工藝參數(shù)智能選擇模型。然后再通過實驗研究進一步驗證了本課題構建的智能選擇模型的先進性、可行性和實用性為該方法的實際應用奠定了理論和實驗基礎。本文主要研究內容如下第一章概論本章先后介紹了課題來源、國內外研究現(xiàn)狀以及本課題主要研究內容。通過國內外研究現(xiàn)狀的調查研究對珩磨工藝技術的發(fā)展有了新的認識了解為本課題主要研究內容的確定奠定了基礎。第二章珩磨加工參數(shù)的分析本章通過對相關典型珩磨加工工藝參數(shù)的分析研究和對珩磨專家的經(jīng)驗調查和資料的收集初步確立加工材料、加工精度要求與珩磨工藝參數(shù)相互之間的關系。為人工神經(jīng)網(wǎng)絡模型的建立和樣本數(shù)據(jù)的實驗做好準備。第三章珩磨工藝參數(shù)預測模型的構建本文通過珩磨加工工藝參數(shù)選擇的要求計劃通過多個人工神經(jīng)網(wǎng)絡模型來對其進行分割建模和仿真來減少單個神經(jīng)網(wǎng)絡模型中參數(shù)的種類和參數(shù)的數(shù)值范圍。因此本章通過VB語言設計界面把多個神經(jīng)網(wǎng)絡串聯(lián)起來并通過編程簡化了模型結構同時在此基礎上構建神經(jīng)網(wǎng)絡模型初步確定神經(jīng)網(wǎng)絡模型中的相關參數(shù)。第四章珩磨實驗及人工神經(jīng)網(wǎng)絡仿真本章根據(jù)建立的珩磨工藝參數(shù)預測界面模型的結構借助專家經(jīng)驗和進行實驗研究相結合的方法獲得人工神經(jīng)網(wǎng)絡訓練所需的樣本數(shù)據(jù)。通過對BP神經(jīng)網(wǎng)絡機理及樣本數(shù)據(jù)特性的研究進一步改進模型結構優(yōu)化模型參數(shù)。最后通過測試及仿真證明了智能選擇模型在技術上的先進性在生產(chǎn)運用中的實用性。它減少了實驗次數(shù)對一些常用材料的珩磨加工顯著比一般專家經(jīng)驗好。第五章總結本章對本論文研究的內容進行了總結和回顧指出了所做的貢獻和創(chuàng)新點以及存在的問題并對課題的后續(xù)研究進行了展望。

簡介：自組構天線是一種新型的自適應智能天線，它可以根據(jù)外部環(huán)境的改變或者信號的強弱智能地調節(jié)其自身的結構，這種結構的改變不是指天線物理形狀的改變而是指改變天線樣板上的開關序列來實現(xiàn)天線電結構的改變，正是由于這一特性，自組構天線已成為當今智能天線領域一大研究熱點。本文針對自組構天線展開了一系列的研究工作，主要體現(xiàn)在以下幾個方面分析比較了遺傳算法、模擬退火算法和量子遺傳算法這三種算法的優(yōu)缺點，提出了一種改進的遺傳退火模擬算法，經(jīng)過測試函數(shù)的檢驗，此算法比標準遺傳算法具有更好的全局收斂性。然后在MATLAB平臺上設計了一種利用HFSS計算自組構天線的程序優(yōu)化方案，該方案能夠有效的對自組構天線結構進行搜索優(yōu)化計算。之后利用改進的算法分別對貼片自組構天線和矩形環(huán)自組構天線進行結構搜索計算。在對貼片自組構天線的研究中，對其單頻段工作，多頻段工作，寬頻段工作三種工作模式分別進行了結構搜索，結果發(fā)現(xiàn)在單頻段工作時采用了改進算法的搜索方案在全局收斂性上優(yōu)于其他智能算法；同時采用了基于遺傳算法的多目標優(yōu)化算法被應用到多頻段和寬頻段工作中，使得貼片自組構天線能夠良好的工作在這兩種模式下。在對矩形環(huán)自組構天線的研究過程中，由于方向圖變化等原因，本文采用了增益連同反射系數(shù)一并優(yōu)化的搜索方案，此方案能在一定程度上保持方向圖原有特性，并且最后還討論了針對矩形環(huán)自組構天線出現(xiàn)的平衡饋電的問題。本文應用人工智能算法對貼片自組構天線和矩形環(huán)自組構天線進行結構搜索和性能分析，結果表明自組構天線具備單頻段工作、多頻段工作和寬頻段工作的能力；并且采用多目標搜索算法可以使得自組構天線在多個天線性能參數(shù)上分別優(yōu)化。這些結論對自組構天線的應用設計和優(yōu)化方法具有指導意義。

簡介：隨著信息化時代的發(fā)展，多源信息融合技術在諸多領域產(chǎn)生著日漸重要的影響。人工智能則是推動信息融合發(fā)展的重要技術手段，其中人工免疫系統(tǒng)算法是繼人工神經(jīng)網(wǎng)絡和遺傳算法之后的又一個智能研究熱點。本文主要研究基于人工免疫系統(tǒng)的智能融合算法。由于信息融合目前還缺乏系統(tǒng)性的基礎理論指導，為了探討普遍適用信息融合問題的求解模型，本文借鑒多目標優(yōu)化的理論和方法，提出了多目標融合理論及其統(tǒng)一的模型描述。通過確立相應的優(yōu)化指標，將信息融合問題轉換為對滿足多個優(yōu)化指標結果的融合過程。本文的研究工作緊密圍繞多目標融合理論展開，分為理論方法和應用研究兩部分。理論方法包括1）人工免疫系統(tǒng)和ICSA研究。在詳細論述ICSA算法思想及克隆選擇算子的基礎上，實現(xiàn)了算法流程并證明了其收斂性，通過理論分析和仿真實驗對比說明免疫算法較進化算法機制更具優(yōu)勢。2）基于免疫機制的RBF網(wǎng)絡設計。針對傳統(tǒng)RBF網(wǎng)絡學習策略存在的不足，提出基于免疫機制的三級RBF網(wǎng)絡學習方法采用免疫疫苗的機理在第一級得到網(wǎng)絡隱層節(jié)點數(shù)，從而自行構建網(wǎng)絡，降低了第二級搜索空間的復雜度第二級采用人工免疫算法多點搜索解空間，尋找全局最優(yōu)的隱層非線性參數(shù)第三級采用最小二乘法估計輸出層線性參數(shù)，降低了第二級設計空間的維數(shù)，提高了算法效率。通過HERMIT多項式逼近實驗和應用實例皆驗證了該方法訓練得到的RBF網(wǎng)絡性能優(yōu)越。應用研究包括1）機車二系載荷融合調整方法研究。通過分析機車二系調簧問題的特點，引入多目標融合理論，設計了一種基于IDCMA的兩級機車二系載荷融合調整方法將調簧問題的先驗知識作為免疫優(yōu)勢引入算法模型中，并針對調簧中優(yōu)化指標的偏好設計了兩級結構的免疫調簧算法。經(jīng)實車數(shù)據(jù)驗證，該算法較已有算法性能更優(yōu)。2）多傳感器信息融合的軌道衡稱重誤差補償研究。通過詳細分析軌道衡稱重誤差的來源，建立了軌道衡的稱重模型并提出了基于免疫RBF網(wǎng)絡的多傳感器信息融合軌道衡誤差補償方法。設計RBF網(wǎng)絡并通過免疫三級算法訓練，實現(xiàn)了良好的軌道衡誤差補償效果，并通過與加權融合的誤差補償方法比較驗證了免疫RBF網(wǎng)絡誤差補償?shù)膬?yōu)越性。以上兩個應用研究成果均具有較高的工程應用價值。

簡介：基礎隔震技術作為一種有效的抗震設計手段在我國得到廣泛的應用，為減輕地震災害提供了一條合理、有效、安全的新途徑，并在防震減災事業(yè)中起到積極的推動作用。2008年汶川地震后，隔震結構在地震中表現(xiàn)出良好的抗震性能，使得隔震技術在我國得到了更加迅速的發(fā)展。針對隔震結構發(fā)展迅速且設計方法比較復雜這一現(xiàn)狀，本文利用人工神經(jīng)網(wǎng)絡建立以隔震設計樣本集為基礎的因果關系網(wǎng)絡，通過神經(jīng)網(wǎng)絡反映出上部結構基本參數(shù)與隔震后結構最大層剪力比和隔震支座最大位移之間較強的非線性關系，提出一種快速、高效的基于BP神經(jīng)網(wǎng)絡的基礎隔震智能初步設計系統(tǒng)。首先，應用標準BP人工神經(jīng)網(wǎng)絡，以建筑結構的抗震設防類別、設防烈度、場地類別、地震分組、高寬比、長寬比、剛度，質量和面積為主要影響因子，以隔震后結構的最大層剪力比和支座最大位移為輸出結果，建立隔震初步設計系統(tǒng)。通過網(wǎng)絡測試表明該網(wǎng)絡的準確率較高，說明基于標準BP神經(jīng)網(wǎng)絡的隔震初步設計系統(tǒng)對隔震結構減震效果的分析具有一定的可行性，但在網(wǎng)絡的訓練速度、精度等方面還有待進一步提高。其次，針對基于標準BP神經(jīng)網(wǎng)絡的基礎隔震初步設計系統(tǒng)存在的問題，對標準BP神經(jīng)網(wǎng)絡進行改進，改進后的BP神經(jīng)網(wǎng)絡有效的提高了網(wǎng)絡的學習速度，縮短了訓練時間，提高了網(wǎng)絡測試準確率。說明本文采用的改進方法是可行的，改進后的神經(jīng)網(wǎng)絡具有良好得推廣價值和實際應用價值。最后，應用改進后的BP神經(jīng)網(wǎng)絡，結合隔震結結構設計的特點，建立了基礎隔震智能設計系統(tǒng)。并利用MATLAB75強大的圖形處理功能，設計了本系統(tǒng)的操作界面，使整個基礎隔震智能初步設計系統(tǒng)具有良好的實用性和交互性。通過工程實例驗證，本文建立的基礎隔震智能初步設計系統(tǒng)操作簡單、使用方便，能夠將前人的設計經(jīng)驗通過神經(jīng)網(wǎng)絡儲存并推廣，為基礎隔震設計起到輔助的作用。從而極大地提高工程設計的質量，縮短設計周期、加快設計進程，實現(xiàn)經(jīng)驗共享，提高整個隔震設計效率。

簡介：隨著計算機技術及其外設的普及，傳統(tǒng)的顏色控制方法已經(jīng)融合了先進的數(shù)字技術，形成了一個嶄新的顏色控制方法，即色彩管理技術。該技術廣泛應用于彩色桌面出版系統(tǒng)、網(wǎng)絡傳播、紡織印染等領域和行業(yè)，以解決顏色在不同介質的媒體中正確傳播的問題。顏色空間轉換模型的研究是色彩管理技術實現(xiàn)的核心環(huán)節(jié)之一，顏色值在不同顏色空間之間的轉換精度和速度，對提高色彩管理技術的整體水平有重要意義。與此同時，人工智能控制理論的發(fā)展已成為計算機學科的一個分支，并在許多學科領域得到了廣泛的應用，在近三十年來取得了豐碩的成果。本課題在對目前常用的顏色空間轉換模型進行分析的基礎上，將人工智能控制理論中應用最為廣泛的神經(jīng)網(wǎng)絡和模糊邏輯理論，引入到色彩管理技術中不同顏色空間模型之間的相互轉換問題，建立了基于模糊理論的顏色空間轉換方法和基于神經(jīng)網(wǎng)絡的顏色空間轉換方法，并結合這兩種顏色空間轉換方法的特點，建立了基于模糊神經(jīng)網(wǎng)絡辨識方法的顏色空間轉換模型。在顏色空間轉換模糊模型的研究中，采用將輸入顏色空間顏色分量分別劃分為三個、四個和五個模糊子集的方法，通過建立模糊規(guī)則，進行模糊推理，實現(xiàn)了顏色值在不同顏色空間之間的轉換。為了討論模型特點，定義了顏色空間轉換模型的穩(wěn)定性和魯棒性的概念。研究結果顯示，顏色空間轉換模糊模型雖然具有轉換速度快、穩(wěn)定性強等特點，但同時又表現(xiàn)出轉換精度不足以及魯棒性較差的特征。在神經(jīng)網(wǎng)絡顏色空間轉換模型的研究中，分別采用BP神經(jīng)網(wǎng)絡和徑向基網(wǎng)絡進行顏色空間轉換，并建立了基于動態(tài)子空間自動劃分的神經(jīng)網(wǎng)絡顏色空間轉換方法。研究結果顯示，神經(jīng)網(wǎng)絡顏色空間轉換模型雖然具有自組織、自學習、自適應的能力，并在局部子空間中具有自適應辨識能力強和精度高等優(yōu)勢，但模型又表現(xiàn)出其穩(wěn)定性和魯棒性不足的特點。論文在對模糊控制與神經(jīng)網(wǎng)絡結合方式的深入研究的基礎上，本文又提出了顏色空間轉換模糊神經(jīng)網(wǎng)絡辨識方法。該方法結合了顏色空間轉換模糊模型和神經(jīng)網(wǎng)絡模型各自的特點，合理實現(xiàn)了模糊與神經(jīng)網(wǎng)絡顏色空間轉換算法的優(yōu)勢互補，不僅大大提高了模型的轉換精度，而且還有效地提高了模型的魯棒性。研究結果顯示，基于人工智能的顏色空間轉換方法不僅具有自組織、自學習、自適應的特性，而且其應用范圍廣，并可以在較少樣本點的情況下，還具有轉化精度高的優(yōu)點。

簡介：隨著現(xiàn)代化進程的深化，電力網(wǎng)絡的規(guī)模越來越大，運行也越來越復雜，這就對大規(guī)模的電力系統(tǒng)提出了嚴峻的考驗，電力系統(tǒng)應當能夠保證供電的連續(xù)性和可靠性以及電能質量的標準性。電力系統(tǒng)故障診斷的主要目的是快速識別電力系統(tǒng)中發(fā)生故障的元件和開關，以及誤動和拒動的保護，為調度員提供可靠依據(jù)，以便快速實現(xiàn)電力系統(tǒng)故障恢復?，F(xiàn)實中，由于受到氣候、人為等因素的影響，電力系統(tǒng)發(fā)生故障是在所難免的，尤其是長期暴露在外的輸電線路，這也可能會引發(fā)一些其他故障。所以，消除故障的首要任務是快速并且準確的定位，只有這樣才能夠確保電力系統(tǒng)安全、穩(wěn)定、有效的運行。因此，務必要建立一套完善的電力系統(tǒng)故障診斷系統(tǒng)，以保證電力系統(tǒng)的平穩(wěn)運行。電力行業(yè)的發(fā)展關系著國家發(fā)展的各個方面。電力系統(tǒng)一旦發(fā)生故障，就會危害到經(jīng)濟的發(fā)展和社會的進步，甚至會威脅國家的安全。所以調度員利用故障發(fā)生時的大量警報信息，對事故進行及時處理是至關重要的。由于傳統(tǒng)的故障診斷存在著諸多問題，基于人工智能的電力系統(tǒng)的故障診斷已經(jīng)成為了研究的熱點。本文在研究基于人工智能的電力系統(tǒng)故障診斷國內外研究現(xiàn)狀和故障診斷技術原理模型基礎上，進一步深入研究了模糊PETRI網(wǎng)及其推理方法，并對模糊PETRI網(wǎng)進行了約簡，建立改進的模糊PETRI網(wǎng)，并且探討了電力系統(tǒng)故障診斷的硬件結構設計和軟件設計思想，研究MULTIAGENT的體系結構和通信方式，進一步基于改進的模糊PETRI網(wǎng)和MULTIAGENT的電力系統(tǒng)故障診斷模型，最后通過選取黑龍江省鶴崗市部分電網(wǎng)的故障進行仿真分析，很好的診斷出故障，為進一步解決故障問題，恢復電力系統(tǒng)正常運轉提供了依據(jù)。