几类特殊的概率度量空间

给出了概率度量群和线性概率度量空间的定义,并引进一种特殊的线性概率度量空间--概率赋准范空间.随后定义了概率仿射度量空间,它是一种特殊的概率度量空间,在上面可以构造出一种线性结构使得该度量空间成为一个线性概率度量空间.最后给出了一个概率仿射度量空间的例子,该空间是通过一个非拓扑线性的概率赋范     

参考模型自适应方法在主从对策中的应用

用参考模型自适应方法,处理两类参数未知的线性动态主从对策,得出相应的自适应鼓励策略,并指出了算法的收敛性。讨论建立在波波夫超稳定性与李雅普诺夫稳定性基础上。     

带AR(1)误差线性回归模型中杠杆点的度量与影响分析

杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.     

一种基于量子机制的分类属性数据层次聚类算法

受物理学中量子机制特性的启发,结合层次凝聚思想,通过引入新的相异性度量测度以及聚类度量尺度步长sβtep概念,重新定义以紧致性指标AIAD和离散性指标AIED为基础的聚类有效性函数CVF,提出一种针对分类属性数据的基于量子机制层次聚类算法CQHC.该算法首先在不同粒度水平上划分数据样本产生初始类(簇),然后以聚类有效性函数CVF为评价标准,动态地合并初始类(簇)完成聚类.仿真实验采用2个真实数据集,即:线性可分的大豆疾病样本数据集和线性不可分的动物园数据集.实验结果表明,该算法与已有的其他几个算法相比,不仅具有更高的聚类准确率,而且能够准确地检测出最佳类别数,是有效且可行的.     

关于连续度量选择的一些结果

本文给出了度量投影有连续选择的一个充要条件,指出了存在连续度量选择的必要条件为存在弱半线性连续选择,在几乎Chebyshev空间的情形,证明了连续选择必为半线性的。     

第一类超Cartan域上Khler-Einstein度量与Bergman度量的等价性

进一步讨论了第一类超Cartan域上Khler-Einstein度量与Bergman度量的等价问题.运用Khler-Einstein度量与Bergman度量的显表达式以及连续函数的一些性质,得到了第一类超Cartan域上这两类度量等价的简单证明.     

粗糙逼近近似度量在分类规则挖掘中的应用

为了提高决策系统的分类质量,探讨了一种在数据仓库中基于粗糙逼近近似度量的挖掘分类规则策略.首先介绍了数据集中挖掘分类规则的基本原理,并利用粗糙集理论中粗糙逼近近似度量概念,根据决策表条件属性重要性度量及条件属性对决策类划分的逼近近似度量,提出了基于改进粗糙逼近近似度量的数据挖掘进行属性约减方法,最后举例说明了如何在数据库中发现分类规则.实验结果表明此方法挖掘出的规则简练且合理可靠.     

科技文档间非对称关系的双模态度量方法

针对科技文档间相似程度和影响力不同的问题,通过分析科技文档间非对称关系,提出一种新的度量方法.该方法将科技文档间非对称关系定义为文档覆盖度,并用公式覆盖度和文本覆盖度对其进行度量.公式覆盖度由改进的非对称因子计算,文本覆盖度通过利用文本的相对突出性调整特征向量的余弦夹角计算,公式覆盖度和文本覆盖度线性融合得到科技文档覆盖度.实验结果表明:与已有的2种科技文档关系度量方法相比,本文提出的非对称关系度量方法在聚类中的平均准确率分别提高了8%和4%.     

关于一致凸度量线性空间中的若干性质

本文利用一致凸完备度量线性空间的自反性给出一致凸完备度量线性空间中弱收敛的一个新特征，同时给出一致凸完备度量线性空间中最佳逼近的一个结果。     

度量空间线性序的连续性

讨论了度量空间上线性序的性质，给出了其构成连续domain的充要条件，回答了Keye Martin 于2000年提出的关于度量空间线性序的连续性问题。此外，还对该线性序进行了改进，所得结果表明度量空间在新序下具有更为良好的性质。     

类内聚度量研究

类内聚被认为是面向对象软件的重要属性．内聚反应了类中成员相联系的紧密程度．讨论了面向对象范型软件度量的类内聚度量的研究现状．学术界已提出了几种关于面向对象范型类内聚度量，这些度量都是以类中关联成员为度量基础．多数的类内聚度量是基于实例变量访问准则、研究了上述内聚度量，总结定义了两种基本的方法关联准则：属性使用准则和方法调用准则。     

n人非合作对策Nash平衡点稳定性的进一步推广

将n人非合作对策的Nash平衡点的稳定性推广到纯策略集是不具有凸性的一般度量空间,并且去掉了支付函数的凸性,在更广泛的范围内证明了满足一定条件的n人非合作对策大多数(在Baire范畴意义)是稳定的.     

第四类Cartan-Hartogs域上的Khler-Einstein度量

进一步讨论了第四类Cartan-Hartogs域上Khler-Einstein度量的显表达式问题。运用该度量的显表达式以及Bergman度量的显表达式与连续函数的性质,得到了第四类Cartan-Hartogs域上Khler-Einstein度量和Bergman度量等价的简单证明。     

一种面向对象的类级复杂性度量方法

从属性、操作、属性间、操作间、操作属性间等方面给出类内复杂性度量方法,再从节点的强度、簇系数、平均路径长度等方面给出类结构的复杂性度量方法,最后以具体系统的类图为例进行类结构的复杂性度量实证检验。结果表明:该度量方法能较好地对面向对象类级复杂性进行度量。     

基于增强多流形学习的监控视频追踪算法

提出了一种多流形局部线性嵌入的流形学习算法,为每个类的流形学习过程设计了一种监督的近邻点选择方法,将流形-流形距离作为度量指标,搜索最优的低维空间.在视频追踪算法中对外部数据库进行图像训练预处理,为人脸检测建立级联分类器,利用均值粒子滤波器结合跟踪校正策略对人脸图像实时跟踪,采用多流形训练的结果从视频流的人脸集中检测出追踪的目标人脸.仿真实验结果表明本算法对不同的数据集均获得了较高的检测率与较高的计算效率.     

非线性数学期望的一些性质研究

在公理化假设的基本框架下,建立了次线性期望(超线性期望)与一致性风险度量之间的对应关系。进一步地,在对非线性数学期望附加一定的连续性假设的条件下,建立了凸期望(凹期望)与凸风险度量之间的内在联系。     

Chebyshev子空间上度量投影的线性表示

讨论了Banach空间中的Chebyshev子空间上的度量投影有线性表示的条件,并给出具体线性表达式.     

一种有效的面向高维数值型数据的聚类方法

聚类作为一种无监督的学习方法,利用对数据的分析从中发掘有用的信息。聚类质量的高低通常取决于聚类方法所使用的相似性度量方法和实现方式。文章中提出了一种有效的面向高维数值型数据的聚类方法——新的线性相似性度(LM),可以较好地识别开难于区分的数值型数据。通过与三种经典方法比较,实验结果显示该类方法对数值型高维数据有较高的灵敏度。     

基于动态阻尼因子的动态阻尼仿射传播聚类

为了有效地控制仿射传播聚类的全局搜索和局部搜索,将仿射传播聚类视作一个搜索能量函数最小值的方法,提出一种基于动态阻尼因子策略的动态阻尼仿射传播聚类．使用两阶段动态阻尼因子策略,使得仿射传播聚类迭代过程中阻尼因子不再是静态固定值,而是自适应的动态改变值,构造了1种线性策略和2种非线性策略来动态改变阻尼因子的值．在标准数据集上的实验结果表明：动态阻尼仿射传播聚类避免了仿射传播聚类发生震荡,同时可以加快仿射传播聚类的收敛．     

基于相似类合并FCM在图像分割中的应用

传统的基于模糊C均值聚类的图像分割算法分割结果中类内数据空间分布离散,无法准确分割出目标物体.针对这一问题,提出一种基于相似类合并模糊C均值聚类算法,并将其应用到图像分割中.首先,提出一种全局空间相似性度量标准和全局灰度相似性度量标准,并将其引入到一种新颖的节点间距离度量公式中来计算图像中任意一点与聚类中心点的差异.其次,算法选取彩色直方图作为区域描述算子,采用巴氏距离计算聚类过程中得到的任意两类间的相似性.最后,应用最大相似类合并策略得到最终的分割结果.实验结果表明,与传统模糊C均值聚类算法和空间约束核模糊C均值聚类算法相比,该算法获得更加精确的图像分割结果.