• 类型推断的一般框架 –基于从类型化语言到无类型语言的“擦除”函数 • 加了类型变量后的→类型推断 –包括主定型和合一问题 • 带多态声明的 let的类型推断算法

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能

6.1 编织码编码基本原理 6.2 编织码的译码 6.3 编织卷积码的活性距离特性 6.4 基于删余技术的编织码 6.5 编织码的因子图与和积算法分析

§3.1 匹配与最大匹配 §3.2 完美匹配 §3.3 二部图的匹配 §3.4 二部图中最大匹配与最大权匹配的算法

针对已有移动自组网容量、延迟闭解分析在移动模型方面的局限性，提出了新的概率理论框架，将无记忆的独立同分布移动模型推广至更为真实的满足特定记忆条件的随机路径点移动模型，解决了局部移动方式带来的一系列复杂概率描述问题.对多副本两跳中继算法进行了研究，得出该中继模式下基于随机路径点移动模型的移动自组网的容量、延迟上限的精确闭解表达式.仿真实验结果证明了该概率理论框架的有效性及闭解表达式的准确性

将多Agent理论和技术应用于联合灭火救援作战的研究，构建了多Agent联合灭火救援作战模型框架，实现了联合灭火救援组织指挥相互之间的信息交换，显示了互相影响的行动过程.对系统中指挥Agent、作战Agent和环境Agent进行描述，定义Agent之间以及Agent与环境之间的交互规则，来描述系统的相互关系，给出了多Agent的协同算法，并构建了联合灭火救援仿真模型.最后用多Agent软件工具集和通用软件平台（SWARM），采用JAVA语言编程，进行了模拟仿真，对文中构造的模型及相应机制进行了功能验证

提出了在矿砂粒径尺寸级配情况下,不同粒径的筛下累积含量公式.在分析超声衰减基本理论模型的基础上,将不同粒径的筛下累积含量集成到超声波衰减模型中,推导出超声波衰减与矿浆浓度、粒度之间的关系模型.将所推导的模型结合实验和数据分析以确定超声波衰减与粒度分布的关系,且采用遗传算法反演计算获得矿浆中粒的粒度分布.结果表明,反演的计算结果精度较高

1 K-Means 聚类算法 (Clustering Algorithm) 解释 Explanation 收敛性 Convergence of K-Means 矩阵建模 Matrix Modelling of K-Means 2 网页排序 PageRank 动机 Motivation 简单网页排序 Simplified PageRank 网页排序建模 PageRank Modelling 例子 Example

 掌握模式识别的基本概念  掌握模式识别的基本步骤与流程  掌握模式识别经典算法的基本原理，了解其优缺点与适用范围  对实际生活中的识别问题建模，完成自动识别系统的构建  为研究新的模式识别的理论和方法打下基础

1 非线性贝叶斯滤波理论 / 3 2 基于标称状态的线性化滤波方法 / 16 3 扩展卡尔曼滤波 / 23 4 递代扩展卡尔曼滤波 / 30 5 Unscented Kalman Filter(UKF) / 33 6 粒子滤波 (PF) / 34