第一篇：信息檢索作業

拉里·佩奇簡介

拉里·佩奇，全名勞倫斯·愛德華·佩奇（LawrenceEdwardPage），美國密歇根大學安娜堡分校的榮譽畢業生，擁有密歇根大學理工科學士學位和斯坦福大學計算機科學博士學位。佩奇是Google公司的創始人之一，2011年4月4日正式出任谷歌CEO。2013年，拉里·佩奇獲選2013美國40歲以下最有影響力CEO，并以230億美元資產榮登福布斯2013全球富豪榜第二十位。

家庭身世

拉里·佩奇1973年出生在美國密歇根州東蘭辛市的一個猶太家庭，父親卡爾文森·佩奇是一個密歇根州立大學計算機教授，擁有計算機科學博士學位，母親葛洛麗亞·佩奇也是密歇根州立大學（MSU）的一個計算機教授，是一名猶太教徒。

求學時代

拉里·佩奇在1975-1979年就讀于奧基莫斯的蒙臺梭利學校，并于1991畢業于東蘭辛高中。

1992年佩奇進入密西根大學學習，在美國安阿伯就讀期間，他擔任密西根大學EtaKappaNu榮譽學會的會長，并是太陽能汽車組織的成員之一，他還用樂高積木制成一臺可編程的繪圖噴墨打印機，其指導教授是TerryWinograd博士。

1996年，佩奇進入斯坦福大學學習，在攻讀計算機理學博士學位期間，拉里·佩奇遇到了謝爾蓋·布林，[6]佩奇在斯坦福大學獲得博士學位后，開始休學。

2003年獲得IE學院工商管理碩士學位。創建谷歌

1996年，佩奇和布林開始合作研究一名為“BackRub”的搜索引擎，到1998年上半年逐步完善這項技術后，兩人合作運行Google搜索，并以PageRank為基礎給網頁排名，同時兩人也開始為這項技術尋找合作伙伴。

他們找到雅虎的創始人之一戴維·菲洛，菲洛認為他們的技術確實很可靠，但建議他們自己建立一個搜索引擎公司發展業務，發展起來后再考慮合作。他們的一位教師，也是SUN微系統的創始人之一安迪·別赫托希姆在關鍵時刻給予他們很大幫助。別赫托希姆確是個很有遠見的人，在看完他們的演示后，立馬開了張10萬美元的支票幫助成立Google公司。之后兩人又從家人朋友那里到處借錢，籌得100萬美元作為最初投資。

1998年9月7日，Google公司在加利福尼亞州的曼羅帕克正式成立。他們雇用了第一位員工克雷格·希爾弗斯坦成為Google公司的科技主管。

1999年2月他們搬了新的辦公室，雖然條件仍然簡陋，但比車庫好點，一張乒乓桌就作為正式的會議場所，8名員工在辦公室里都轉不過身，一個人要出門所有人都得起身挪開凳子才能騰出地方。到了6月份時，Google得到紅杉資本和KleinerPerkinsCaufield兩家風險投資基金的2500萬美元注資，并在9月21日這天，Google不再是測試版的搜索引擎，開始每天處理約3億個搜索結果。

2000年在佩奇的領導下Google發展成為最大的互聯網搜索引擎，雅虎選擇Google作為默認的搜索結果供應商。

2001年，佩奇辭去了CEO的職位，從Novell公司聘請埃里克·施密特博士擔任谷歌公司CEO，自己則擔任了產品總監。

2003年，佩奇主導谷歌在以1.02億美元收購了Semantics和Sprinks后推出AdSense，這一廣告計劃能按照網站內容做廣告。2004年，Google在納斯達克上市。

謝爾蓋·布林簡介

謝爾蓋·布林全名謝爾蓋·米克哈伊洛維奇·布林（1973.08.21－），英文名：Sergey Brin，俄語：Сергей Михайлович Брин，美國籍俄羅斯裔企業家，Google公司的創始人之一。謝爾蓋目前是Google董事兼技術部總監，近年來在《福布斯》全球億萬富豪排行榜上始終名列前茅，2011年他以198億美元位列第24位。2013福布斯全球億萬富豪榜排名第21位。

謝爾蓋·布林出生在前蘇聯一個猶太人家庭。5歲那年，布林跟隨父母一起移民美國，從而開始了他美國式的成功歷程。他的父親邁克爾是一位數學家，曾在前蘇聯計劃委員會就職，并曾在莫斯科一所學校任教。

謝爾蓋·布林 來到美國后，父親邁克爾在馬里蘭大學謀得一個教職，直到現在他還是該學校的數學教授。而布林的母親則是美國宇航局的一名專家。

其實，布林的祖父也是一名數學教授。受家庭的影響，幼年時期，布林的數學天才就開始顯山露水，他同時對電子學有著濃厚的興趣早在念小學一年級的時候，布林就向老師提交了一份有關計算機打印輸出的設計方案，這讓老師大為吃驚要知道，當時計算機還剛剛開始在美國普通家庭出現。

中學畢業后，布林進入馬里蘭大學攻讀數學專業，同時雙修了計算機科學。父親邁克爾希望他能沿著自己的足跡成民，在數學的道路上一走到底然而，布林并沒有按照父親給他設定的規劃發展。由于成績杰出，布林在取得理學學士學位后獲得了一個獎學金，隨后進入斯坦福大學。在斯坦福大學，這位天才學生再次得到命運的青睞，校方允許他免讀碩士學位而直接攻讀計算機專業博才坦福大學攻讀計算機專業博士學位。不過，布林在斯坦福攻讀博士期間選擇了休學，與在斯坦福結識了拉里·佩奇。兩人開始使用宿舍里廉價的主機，應用布林所設計的數據挖掘系統為基礎，試圖編寫出一個卓越的搜索引擎。隨著這項計劃越來越有成功的可能性，兩人遂先暫停其在斯坦福的大學學業，在從蘇珊·沃西基（后成為Google高級副總裁）借來的車庫里持續發展Google。

2教育經歷

謝爾蓋畢業于馬里蘭大學，但是他所建立的Google卻只收常春藤盟校的畢業生。謝爾蓋曾在馬里蘭大學學習計算機科學和數學，并于1993年5月獲得科學學士學位，而后，他獲得美國國家科學基金會的獎學金進入斯坦福大學攻讀計算機科學的博士學位，他于1995年8月獲得該學位。

謝爾蓋還獲得了西班牙皇家研究院(Instituto de Empresa)的榮譽工商管理碩士學位。3創立谷歌

24歲創立Google公司 謝爾蓋·布林

互聯網魅力深深地吸引著布林，他把互聯網視為通往未來的必經之路。早在上大學的時候，布林就已經發明了一種超文本語言格式的搜索系統1998竿9月，24歲的布林和25歲的佩奇決定合伙開個公司，公司提供的唯一服務就是搜索引擎在對商業計劃一無所知的情況下，布林從一位斯坦福校友那里順利地拿到了第一筆投資：10萬美元。

依靠這10萬美元，在朋友的一個車庫里，布林和佩奇開始了Google的征程。創立之初，公司除了布林和佩奇之外，就只有一個雇員——克雷格。希爾維斯通——Google現在的技術總監。他們的努力工作不久就得到了回報：那時的Googie每天已經有了1萬次搜索，開始被媒體關注1999年，又有兩名風險投資家向Google注入了2500萬美元的資金，幫助Google進入了一個嶄新的發展階段。

可以說，Google取得的成功源于其創建者布林和佩奇的想象力，同樣也源于他們的天賦U在Google創建之時，業界對互聯網搜索功能的理解是：某個關鍵詞在一個文檔中出現的頻率越高，該文檔在搜索結果中的排列位置就要越顯著。而布林則另有高見，他認為，決定文檔在搜索結果中排列位置的因素是一個文檔在其它網頁中出現的頻率和這些網頁的可信度，網頁在受眾中的知名度和質量是決定性因素。事實證明，布林是正確的。

Pagerank算法的介紹

1.PageRank算法概述

PageRank,即網頁排名，又稱網頁級別、Google左側排名或佩奇排名。

是Google創始人拉里·佩奇和謝爾蓋·布林于1997年構建早期的搜索系統原型時提出的鏈接分析算法，自從Google在商業上獲得空前的成功后，該算法也成為其他搜索引擎和學術界十分關注的計算模型。目前很多重要的鏈接分析算法都是在PageRank算法基礎上衍生出來的。PageRank是Google用于用來標識網頁的等級/重要性的一種方法，是Google用來衡量一個網站的好壞的唯一標準。在揉合了諸如Title標識和Keywords標識等所有其它因素之后，Google通過PageRank來調整結果，使那些更具“等級/重要性”的網頁在搜索結果中另網站排名獲得提升，從而提高搜索結果的相關性和質量。其級別從0到10級，10級為滿分。PR值越高說明該網頁越受歡迎（越重要）。例如：一個PR值為1的網站表明這個網站不太具有流行度，而PR值為7到10則表明這個網站非常受歡迎（或者說極其重要）。一般PR值達到4，就算是一個不錯的網站了。Google把自己的網站的PR值定到10，這說明Google這個網站是非常受歡迎的，也可以說這個網站非常重要。2.從入鏈數量到 PageRank

在PageRank提出之前，已經有研究者提出利用網頁的入鏈數量來進行鏈接分析計算，這種入鏈方法假設一個網頁的入鏈越多，則該網頁越重要。早期的很多搜索引擎也采納了入鏈數量作為鏈接分析方法，對于搜索引擎效果提升也有較明顯的效果。PageRank除了考慮到入鏈數量的影響，還參考了網頁質量因素，兩者相結合獲得了更好的網頁重要性評價標準。對于某個互聯網網頁A來說，該網頁PageRank的計算基于以下兩個基本假設：

數量假設：在Web圖模型中，如果一個頁面節點接收到的其他網頁指向的入鏈數量越多，那么這個頁面越重要。

質量假設：指向頁面A的入鏈質量不同，質量高的頁面會通過鏈接向其他頁面傳遞更多的權重。所以越是質量高的頁面指向頁面A，則頁面A越重要。

利用以上兩個假設，PageRank算法剛開始賦予每個網頁相同的重要性得分，通過迭代遞歸計算來更新每個頁面節點的PageRank得分，直到得分穩定為止。PageRank計算得出的結果是網頁的重要性評價，這和用戶輸入的查詢是沒有任何關系的，即算法是主題無關的。假設有一個搜索引擎，其相似度計算函數不考慮內容相似因素，完全采用PageRank來進行排序，那么這個搜索引擎的表現是什么樣子的呢？這個搜索引擎對于任意不同的查詢請求，返回的結果都是相同的，即返回PageRank值最高的頁面。3.PageRank算法原理

PageRank的計算充分利用了兩個假設：數量假設和質量假設。步驟如下：

1）在初始階段：網頁通過鏈接關系構建起Web圖，每個頁面設置相同的PageRank值，通過若干輪的計算，會得到每個頁面所獲得的最終PageRank值。隨著每一輪的計算進行，網頁當前的PageRank值會不斷得到更新。

2）在一輪中更新頁面PageRank得分的計算方法：在一輪更新頁面PageRank得分的計算中，每個頁面將其當前的PageRank值平均分配到本頁面包含的出鏈上，這樣每個鏈接即獲得了相應的權值。而每個頁面將所有指向本頁面的入鏈所傳入的權值求和，即可得到新的PageRank得分。當每個頁面都獲得了更新后的PageRank值，就完成了一輪PageRank計算。.2 基本思想：

如果網頁T存在一個指向網頁A的連接，則表明T的所有者認為A比較重要，從而把T的一部分重要性得分賦予A。這個重要性得分值為：PR（T）/L(T)

其中PR（T）為T的PageRank值，L(T)為T的出鏈數

則A的PageRank值為一系列類似于T的頁面重要性得分值的累加。

即一個頁面的得票數由所有鏈向它的頁面的重要性來決定，到一個頁面的超鏈接相當于對該頁投一票。一個頁面的PageRank是由所有鏈向它的頁面（鏈入頁面）的重要性經過遞歸算法得到的。一個有較多鏈入的頁面會有較高的等級，相反如果一個頁面沒有任何鏈入頁面，那么它沒有等級。3.3 PageRank簡單計算：

假設一個由只有4個頁面組成的集合：A，B，C和D。如果所有頁面都鏈向A，那么A的PR（PageRank）值將是B，C及D的和。

繼續假設B也有鏈接到C，并且D也有鏈接到包括A的3個頁面。一個頁面不能投票2次。所以B給每個頁面半票。以同樣的邏輯，D投出的票只有三分之一算到了A的PageRank上。

換句話說，根據鏈出總數平分一個頁面的PR值。

優點：

是一個與查詢無關的靜態算法，所有網頁的PageRank值通過離線計算獲得；有效減少在線查詢時的計算量，極大降低了查詢響應時間。缺點：

1）人們的查詢具有主題特征，PageRank忽略了主題相關性，導致結果的相關性和主題性降低

2）舊的頁面等級會比新頁面高。因為即使是非常好的新頁面也不會有很多上游鏈接，除非它是某個站點的子站點。HITS算法的介紹

HITS算法（Hyperlink-Induced Topic Search），HITS 算法是由康奈爾大學(Cornell University)的Jon Kleinberg 博士于1997 年首先提出的,為IBM 公司阿爾馬登研究中心(IBM Almaden Research Center)的名為“CLEVER”的研究項目中的一部分。

按照HITS算法，用戶輸入關鍵詞后，算法對返回的匹配頁面計算兩種值，一種是樞紐值（Hub Scores），另一種是權威值(Authority Scores),這兩種值是互相依存、互相影響的。所謂樞紐值，指的是頁面上所有導出鏈接指向頁面的權威值之和。權威值是指所有導入鏈接所在的頁面中樞紐之和。

一個網頁重要性的分析的算法。

通常HITS算法是作用在一定范圍的，比如一個以程序開發為主題網頁，指向另一個以程序開發為主題的網頁，則另一個網頁的重要性就可能比較高，但是指向另一個購物類的網頁則不一定。

在限定范圍之后根據網頁的出度和入度建立一個矩陣，通過矩陣的迭代運算和定義收斂的閾值不斷對兩個向量Authority和Hub值進行更新直至收斂。

描述

HITS[1](Hyperlink – Induced Topic Search)算法是利用HubPAuthority的搜索方法, 具體算法如下: 將查詢q提交給基于關鍵字查詢的檢索系統，從返回結果頁面的集合總取前n個網頁(如n=200)，作為根集合(root set)，記為S，則S滿足： 1.S中的網頁數量較少

2.S中的網頁是與查詢q相關的網頁

3.S中的網頁包含較多的權威(Authority)網頁

通過向S 中加入被S 引用的網頁和引用S 的網頁,將S 擴展成一個更大的集合T.以T 中的Hub 網頁為頂點集V1 ,以權威網頁為頂點集V2。

V1 中的網頁到V2 中的網頁的超鏈接為邊集E ,形成一個二分有向圖.對V1 中的任一個頂點v ,用h(v)表示網頁v 的Hub 值,且h(v)收斂;對V2 中的頂點u ,用a(u)表示網頁的Authority 值。

開始時h(v)= a(u)= 1 ,對u 執行I 操作,修改它的a(u),對v執行O操作,修改它的h(v),然后規范化a(u),h(v),如此不斷的重復計算下面的I操作和O操作,直到a(u),h(v)收斂。其中I操作:a(u)= Σh(v);O 操作: h(v)= Σa(u)。每次迭代對a(u)、h(v)進行規范化處理: a(u)= a(u)/Σ[ a(q)]2;h(v)= h(v)/Σ[ h(q)]2。

第二篇：信息檢索作業

1、舉例說明搜索引擎中filetype、site、雙引號這三個高級檢索語法的功能。

1)filetype：很多有價值的資料，在互聯網上并非是普通的網頁，而是以Word、PowerPoint、PDF等格式存在。百度支持對Office文檔（包括Word、Excel、Powerpoint）、Adobe PDF文檔、RTF文檔進行了全文搜索。要搜索這類文檔，很簡單，在普通的查詢詞后面，加一個“filetype：”文檔類型限定。“Filetype:”后可以跟以下文件格式：DOC、XLS、PPT、PDF、RTF、ALL。例如：查找 高科的《城市就是健身房》，則輸入“ 高科《城市就是健身房》filetype：txt”，點擊搜索結果，就可以找到txt版的書。方便快捷。

2)Site：site 的作用把搜索范圍限定在特定站點中。有時候,如果知道某個站點中有自己 需要找的東西,就可以把搜索范圍限定在這個站點中,提高查詢效率。使用的方式,是在查詢內容后面加上：“site：站點域名”。冒號后不要帶“http:// 《運動心理學》http://

《中國古代體育文化源流》http://

3、結合自己的專業和學習，從四川師范大學圖書館網站上所列示的數據庫中各查找一篇文獻。1)檢索目標：運動性猝死 2）數據庫: A.（CNKI）題目：關于運動性猝死的研究及其預防 作者：劉衛華；林建棣；李震 期刊： 解放軍體育學院學報

發表日期：2003-01-20 B.（維普）題目：降低馬拉松比賽運動員猝死幾率可行性的研究

作者：周向成；盧存 期刊：體育科學研究 發表日期：2014年

C.（springgerlink）題目：Unusual cause of exercise-induced ventricular fibrillation in a well-trained adult endurance athlete: a case report 作者：Stefan Vogt；Daniel Koenig；Stephan Prettin；Torben Pottgiesser；Juergen Allgeie；Hans-Hermann Dickhuth；Anja Hirschmueller 發表日期：2008-04-23 D.（EBSCO）題目：Exercise-induced cardiac hypertrophy: a substrate for sudden death in athletes? 作者：G.Hart 發表日期：2003-09 E.（萬方）題目：我國大眾健身人群運動猝死的調查研究 作者：高曉嶙；常蕓

期刊：中國體育科技 發表日期：2009-04-30 F.（人文復印資料）題目：試論“現代體育健身觀”

作者：徐本力

期刊：山東體育學院學報 發表日期：2010-02 G.(PQDT)題目：Examining factors related to exercise motivation and habitual exercise participation among employees of a phosphate fertilizer work setting.作者： Campbell, Julia L.期刊：Dissertation Abstracts International 發表日期：2006年

3)閱讀器：CAJViewer、Adobe Reade、pdg、adf等 4）檢索點：學術期刊（學位論文）檢索詞：運動性猝死

第三篇：信息檢索作業

課外復習、預習與作業：

?1.你所在的學院是___________, 通過數據庫檢索自己學院的教師2005年發表的一篇專業論文，要求寫出這篇論文的篇名、作者、作者單位、刊名和年份、卷期。

?2.利用CNKI數據庫或維普數據庫，從以下課題中挑選2個，進行檢索。

?

1、中國財務會計理論結構問題研究

?

2、試論我國會計理論體系的構建

?

3、試論我國會計模式的選擇

?

4、試論現代企業制度下的會計改革問題

?

5、《企業會計準則》若干問題探討

?

6、完善會計準則若干問題的思考

?

7、試論中國會計的國際協調

?

8、會計創新問題研究

?

9、中國會計準則與國際會計準則的比較研究

?

10、關于綠色會計理論的探討

?

11、中小企業會計核算若干問題研究

?

12、關于會計披露問題的研究

?

13、會計監督弱化原因分析及治理措施

?

14、關于財務報告問題的研究

?

15、中西方會計要素的比較研究

?

16、試論我國會計信息質量特征體系的構建

?

17、關于合并報表若干理論問題的研究

?

18、關于人力資源會計若干問題的研究

?

19、關于會計政策、會計估計問題的研究

?20、關于資產負債表日后事項的研究

3.進入讀秀知識庫，檢索張愛玲所著的“第一爐香”，查看并記錄其第（你學號+50）頁的文字內容。

第四篇：信息檢索作業

學號：2014120717

1、舉例說明搜索引擎中filetype、site、雙引號這三個高級檢索語法的功能。1），filetype

Filetype是 Google 開發的一個非常強大而且實用的搜索語法。通過這個語法，Google 不僅能搜索一般的網頁，還能對某些二進制文件進行檢索。目前Google支持的文件格式包括Doc, Excel,Pdf,Ps, PPT,RTF等等 通過Filetype可以使檢索后的內容更精確。

例如，我們想搜索包含“大學轉專業申請書”關鍵詞的office文件，就在百度中輸入“大學轉專業申請書 filetype:doc”。則百度搜到全為DOC文件，可打開來尋求需要的內容。

如此可使我們更快更精確的找到想要的內容。2），site

Site是指把搜索范圍限定在特定站點中。如果知道某個站點中有自己需要找的東西，就可以把搜索范圍限定在這個站點中，提高查詢效率。使用的方式，是在查詢內容的后面，加上“site:站點域名”

例如，我們想在四川師范大學的網站上查找“國家獎學金申請表”，可在百度中輸入“國家獎學金申請表 site：sicnu.edu.cn”。則百度搜的內容全為川師大網站上的內容。

3），雙引號

檢索系統會把雙引號括起來的檢索詞作為一個詞組來檢索，而不是拆分。例如，我們想找“天亮你不想見我”這句話出自的博客，如果不加雙引號，會出現被拆分后的眾多結果。

而加上雙引號后，會搜索出整句。

如此便找到了我們想找的內容。

2、查詢本專業經典書籍。

1），公共事業管理專業必讀書籍有：.尼古拉斯·亨利.公共行政與公共事務[M].北京：中國人民大學出版社，2002 2.陳振明.公共管理學原理 [M].北京：中國人民大學出版社，2003 3.歐文·休斯.公共管理導論 [M].北京：中國人民大學出版社，2001 等等。

2），這三本書籍可在廈門大學、武漢大學、四川大學三個圖書館找到。

3），通過四川師范大學圖書館網站上的書生之家數據庫和超星數據庫查詢這些書的全文 歐文·休斯.公共管理導論：

尼古拉斯·亨利.公共行政與公共事務：

陳振明.公共管理學原理： 未檢索到相關內容。4），電子書下載地址

歐文·休斯.公共管理導論 http:// http://www.tmdps.cnKI 檢索詞：研究生論文

文獻題目：非英語專業研究生英語自主學習現狀調查研究 作者：魏衛

發表時間：2011-12-01 來源：南京航空航天大學

2）閱讀器：PDF全文瀏覽器 檢索點：維普中文科技期刊數據庫 檢索詞：化學 文獻題名：銅對地聚合物化學結構的影響

作者：李克亮 仝玉萍 刊名：建筑材料學報 出版年：2014 3）閱讀器：網頁

檢索點：人大復印資料 檢索詞：辛亥革命

文獻題名：辛亥革命與現代中國文學 作者：李怡/陳國恩

復印期號：2011年12期

4）閱讀器：筆記本

檢索點：springgerlink 檢索詞：Stories of Family 文獻題目：Stories of Families 作者：Laurel Lindgren 發表時間：2013

5）閱讀器：PDF閱讀器 檢索點：ebsco 檢索詞：管理

文獻題目：Country Context in Management Research: Learning from John Child

作者：Cheng, Joseph L.C.來源：Management & Organization Review.Nov2014, Vol.10 Issue 3, p337-346.10p.6）閱讀器：Acrobat Reader V6.0

檢索點：萬方學位論文全文數據庫 檢索詞：公共事業

文獻題目：公共事業管理專業人才培養模式研究 作者：辛穎 分類號：F24

7）閱讀器：PDF閱讀器

檢索點：PQDD學位論文檢索平臺

檢索詞：environmental sciences 文獻題目：Carbon Cycling in Tropical Rivers: A Carbon Isotope Reconnaissance Study of the Langat and Kelantan Basins, Malaysia.作者：Lee, Kern.出版日期：2014

第五篇：信息檢索作業

題目：.基于粒子群算法的系統辨識方法研究與仿真 檢索詞（關鍵詞）：粒子群

檢索工具：中國科技期刊數據庫（維普）（1989-至今）課題分析：根據課題名稱及所給的檢索詞，該課題是基于粒子群算法的系統辨識方法研究與仿真

1.“關鍵詞”檢索：

（1）檢索式：粒子群算法*系統辨識方法

（2）檢索策略：選擇“快速檢索”的方式，選擇“K=關鍵詞”途徑以“粒子群*系統辨識”檢索。

（3）檢索步驟：選擇“快速檢索”方式，選擇“K=關鍵詞”途徑以“粒子群”檢索，并且選擇“K=關鍵詞”途徑以“系統辨識”檢索。（4）檢索結果：

共檢索到36篇，其中一篇如下所示：

【 題名 】 基于改進粒子群算法的系統辨識新方法 【 作者 】 徐小平錢富才 王峰

【 機構 】 西安理工大學自動化與信息工程學院,陜西西安710048 [2]西安理工大學理學院,陜西西安710048 [3]西安交通大學理學院,陜西西安710049 【關鍵詞】 粒子群*系統辨識

【 刊名 】 《 系統工程與電子技術 》 【 摘要 】提出了一種利用改進的粒子群優化算法對系統進行辨識的方法。該方法是將典型的數學模型的相互組合而構成系統模型的新辨識方法,即首先將系統結構辨識問題轉化為組合優化問題,然后采用粒子群優化算法同時實現系統的結構辨識與參數辨識。為了進一步增強粒子群優化算法的辨識性能,提出了利用一種改進的粒子群優化算法。最后,給出了仿真示例,結果驗證了所給的系統辨識方法的合理性和有效性。著者文摘

Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words: system identification;modified particle swarm optimization;meta model;combinatorial optimization

2.題名檢索：

（1）檢索策略：選擇“高級檢索”方式，選擇“T=題名”途徑以“粒子群算法”檢索，并且選擇“T=題名”途徑以“系統辨識”檢索。（2）檢索結果：

共檢索到4篇，其中一篇如下所示：

【 題名 】改進量子粒子群算法及其在系統辨識中的應用

【 作者 】黃宇 韓璞 劉長良 李永玲 【 機構 】中國電機工程學院 【關鍵詞】粒子群算法 系統辨識 【 刊名 】《中國電機工程學報》2011年 第20期

【 摘要 】針對量了粒子群算法（quantumparticleswarmoptimization，QPSO）的收斂速度和尋優精度問題，提出了‘種改進的QPSO算法。采用混沌序列初始化量子的初始角位置；在算法中加入變異處理，有效地增加了種群的多樣性，避免早熟收斂。函數優化測試結果表明：該文提出的算法具有良好的優化效果。同時利用該文提出的算法對經典的具有無限沖激響廊（infiniteimpulseresponse，IIR）的自適應遞歸濾波器模型進行了辨識，辨識結果證明了這種算法的有效性。利用此算法，在結合某分散控制系統的基礎上，編制出了一種通用的熱工對象模型辨識算法模塊，并應用于某循環流化床電廠的辨識，取得了令人滿意的辨識結果。

3.“中文摘要”檢索：

（1）檢索策略：選擇“快速檢索”方式，選擇“R=文摘”途徑以“粒子群”檢索，選擇“R=文摘”途徑以“算法”進行二次檢索，選擇“R=文摘”途徑以“系統辨識”進行三次檢索（2）檢索結果：

共檢索到34篇，其中一篇如下所示。

【 題名 】 基于改進粒子群算法的系統辨識新方法 【 作者 】 徐小平錢富才 王峰

【 機構 】 西安理工大學自動化與信息工程學院,陜西西安710048 [2]西安理工大學理學院,陜西西安710048 [3]西安交通大學理學院,陜西西安710049 【關鍵詞】 粒子群*系統辨識

【 刊名 】 《 系統工程與電子技術 》 【 摘要 】提出了一種利用改進的粒子群優化算法對系統進行辨識的方法。該方法是將典型的數學模型的相互組合而構成系統模型的新辨識方法,即首先將系統結構辨識問題轉化為組合優化問題,然后采用粒子群優化算法同時實現系統的結構辨識與參數辨識。為了進一步增強粒子群優化算法的辨識性能,提出了利用一種改進的粒子群優化算法。最后,給出了仿真示例,結果驗證了所給的系統辨識方法的合理性和有效性。著者文摘

Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words: system identification;modified particle swarm optimization;meta model;combinatorial optimization

4.“全文”檢索：

（1）檢索策略：選擇“高級檢索”方式，選擇“U=任意字段”途徑以“粒子群”檢索，并且選擇“U=任意字段”途徑以“算法”檢索，選擇“U=任意字段”途徑以“系統辨識”檢索

（2）檢索結果：

共檢索到81篇，其中一篇如下所示：

【 題名 】 基于改進粒子群算法的系統辨識新方法 【 作者 】 徐小平錢富才 王峰

【 機構 】 西安理工大學自動化與信息工程學院,陜西西安710048 [2]西安理工大學理學院,陜西西安710048 [3]西安交通大學理學院,陜西西安710049 【關鍵詞】 粒子群*系統辨識

【 刊名 】 《 系統工程與電子技術 》 【 摘要 】提出了一種利用改進的粒子群優化算法對系統進行辨識的方法。該方法是將典型的數學模型的相互組合而構成系統模型的新辨識方法,即首先將系統結構辨識問題轉化為組合優化問題,然后采用粒子群優化算法同時實現系統的結構辨識與參數辨識。為了進一步增強粒子群優化算法的辨識性能,提出了利用一種改進的粒子群優化算法。最后,給出了仿真示例,結果驗證了所給的系統辨識方法的合理性和有效性。著者文摘 Abstract: A new method is studied for system identification based on modified particle swarm optimization（MPSO）algorithm.The basic idea of the method employs a system model composed with classical models so as to transform the system structure identification problem into a combinational problem.The particle swarm optimization（PSO）algorithm is then adopted to implement the identification on the system structure and parameters.In order to enhance the performance of the PSO algorithm identification, an MPSO algorithm is also proposed.Finally, simulation results show the rationality and effectiveness of this method..Key words:

system identification;modified particle swarm optimization;meta model;combinatorial optimization