基于自适应区间划分的模糊关联分类

模糊关联分类是一种具有较高精度的分类方法,现有的模糊关联分类算法多采用固定模糊隶属度函数对连续型属性进行模糊划分,没有考虑数据本身的特性.提出一种基于自适应区间划分的模糊关联分类算法-FARC(fuzzy association rules classification).算法利用模糊c均值聚类算法建立连续型属性模糊区间,使用新的剪枝策略避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合.仿真表明,FARC具有较高的分类精度.     

连续型区间灰数排序的应用研究

针对连续型区间灰数间大小排序的问题,提出了一种连续型区间灰数排序方法。首先构建了区间灰数与实数间大小比较的点可能度函数,然后通过对区间灰数的标准化,在区间上对点可能度函数进行积分,并利用积分性质求解并给出了两个区间灰数间在六种不同位置关系下大小比较的可能度函数表达式。最后利用区间灰数的排序函数,对许昌市8家民营企业核心竞争力进行排序评价。结果表明,4家民营企业核心竞争力较强,2家民营企业核心竞争力一般,2家民营企业核心竞争较弱。加强企业的管理、创新企业的技术和提高企业家素质是增强民营企业核心竞争力的途径。     

小样本数据的三种区间估计方法性能分析

针对小样本数据的区间估计问题,将Bootstrap分析方法中的重复抽样思想引入到灰色估计理论中,提出改进的小样本区间估计算法。该算法首先对原始样本进行抽样处理获取新样本,然后基于灰色距离测度计算满足一定灰色置信度的灰色置信区间。针对3种不同灰色距离测度方法得到的置信区间,选择区间位置和区间宽度作为评价指标,以严谨的数学证明分析比较3种区间估计方法的性能。理论分析结果表明,灰色估计值离样本中最小值的距离最远是第3种方法置信区间位置最优的充分不必要条件;3种方法置信区间宽度的相互关系仅由灰色置信度决定。最后通过仿真验证了所提算法的有效性以及理论分析结果的正确性。     

非独立准则的MCDM问题权重确定方法

在很多多准则决策(MCDM)问题中,准则之间都是存在关联的.由于准则的替代和互补关系,综合评价时不仅要确定准则的权重还要确定准则间的相互关系,因此给决策者的工作带来很大困难.文章在分析了准则间非独立的MCDM问题的性质的基础上,提出了利用已知的样本数据以及专家事先给定的部分偏好权重信息情况下确定相关联准集权重的方法,并在最后给出算例.     

基于决策类分割的动态数据环境下的归纳学习

深入分析了基于分辨矩阵和传统决策矩阵的归纳学习算法中存在的问题,提出了一种新的决策矩阵及基于它的归纳学习和动态数据环境下的递增式学习方法.其主要思想是基于决策类将决策系统分割为多个子系统,并构造其新的决策矩阵,然后将决策系统上的归纳学习转化为新决策矩阵下的递增式学习.这不仅解决了动态数据环境下归纳学习问题,而且能降低矩阵空间规模,避免了传统决策矩阵算法中的重复计算.实例分析和实验结果验证了基于分治策略算法的合理性和有效性.     

基于混合贝叶斯网的空域目标威胁评估方法

针对空域目标威胁评估既需要综合考虑离散型变量和连续型变量影响,又需要具有不确定性推理能力的特点,建立了一种基于混合贝叶斯网的空域目标威胁评估模型。提出了结合主观经验和客观历史数据进行连续型网络参数学习的方法,提高了决策模型定量描述问题域中变量间依赖关系的准确性。运用团树传播算法进行空域目标威胁评估模型推理,仿真结果验证了该方法的有效性。     

一种连续型随机多属性大群体决策方法

针对属性权重信息完全未知和属性值为连续型随机变量的多属性大群体决策问题,提出了一种大群体决策方法。该方法将正态分布的3σ原则推广到任意分布,将随机属性值转化成区间数;并把实数范围内的模糊聚类算法扩展到区间数上,通过该算法将大群体中的成员按偏好形成若干个不同的聚集;在此基础上定义并计算群体中各个聚集和整个大群体的区间评价矩阵;然后利用不确定性有序加权平均算子获得决策方案的综合排序。最后通过一个实例对方法进行了验证。     

基于GMDH的“一步式”客户流失预测集成建模

在客户流失预测问题中, 客户数据的特征往往会影响模型的预测效果.分析了常用的“两步式”客户流失 预测方法的不足,提出了基于数据分组处理(GMDH)技术的“一步式”客户流失预测集成研究框架.该框架一方面 将数据预处理和客户流失预测建模过程进行集成,另一方面用多分类器集成策略进行客户流失预测建模.以客户数据类别分布不平衡的客户流失预测问题为例,构建了与数据特征相适应的“一步式”集成模型. 实证结果表明,该方法能够更有效地进行客户流失预测.     

我国农村贫困分解及组群研究

近20年快速的经济增长对我国减贫作用显著,但由于农村与城镇在居民收入、分配政策上的差异,农村贫困改善的速度低于城镇,更加突出其在我国减贫工作中的重要性. 本文并非拘泥于现有地域特征划分依据,而是利用SST贫困综合测度指标的分解维度,创新性地提出按照贫困特征指标进行组别的划分,从而使我国农村贫困组群划分更科学合理. 继而,本文采用CHNS数据库中我国农村9省的调研数据,对其进行组群分类研究;并通过FGT指数及其差异分解结果验证了分组结论的有效性. 最后,结合分组及指数分解结果总结归纳出我国农村贫困的组群特征及差异原因,为针对不同组群提出更有针对性的减贫措施提供参考.     

Prism系列归纳学习算法综述

模块化分类规则的归纳学习是机器学习领域应用较广的一类算法,已经发展形成了多个分支和派系,其中,Prism系列算法是当前该类学习算法的典型代表之一。Prism系列算法历经近20多年的发展,在多种归纳学习任务中得到了成功应用,目前已经成为决策树归纳算法的主要竞争者。本文在Prism系列算法基本框架的基础上,分别从单机算法和并发算法两个方面对Prism系列算法进行了综述,比较分析了不同算法对于多种分类问题的适应性、优缺点及相互关系,并展望了未来该类算法的发展方向。     

遗传算法在决策表连续属性离散化中的应用研究

连续属性的离散化是压缩数据和简化分析的重要手段 ,也是模式识别、机器学习和粗集分析等领域研究的难点 .目前已出现多种离散方法 ,存在的主要问题是对离散效果影响较大的侯选分割点集选择带有较强的主观性 .最优离散化是 NP-困难问题 ,大多数离散化算法采用的启发式也难以得到较满意的离散效果 .基于粗集理论 ,探讨了上述问题 ,把分割点的优选问题转化为 0 -1整数规划 ,并提出一种用实数编码的遗传算法来计算最优分割点集.     

自组织数据挖掘与人工神经网络方法比较研究

着重分析了自组织数据挖掘与人工神经网络方法对系统的先验知识的利用 ,算法过程以及推广能力方面的差别 ,显示了自组织数据挖掘方法具有能同时利用关于系统的先验知识和来自观察数据样本的信息的良好性能 ,并指出 ,这应当成为研究复杂系统的一条重要途径.     

非等时序列预测的时数分离研究

在提出阶段序列概念的基础上 ,提出了时数分离的方法 ,用以解决灰色理论中的非等时序列预测问题 .该方法将时间序列、数据序列分离 ,并分别与阶段序列构成模型后 ,进行同步预测 .应用这种方法 ,分析了德兴铜矿 1 #尾矿坝的渗流趋势 ,结果表明这种模型有较好的预测效果 ,能满足工程需要.     

干涉合成孔径雷达成像技术的研究

通过对干涉合成孔径雷达（ Ｉｎｔｅｒｆｅｒｏｍ ｅｔｉｃ Ｓ Ａ Ｒ）成像处理中解相位模糊和地形转换问题的研究,给出了一种有效的相位解模糊的方法,该方法具有良好的稳定性和较小的误差,且无误差传递。另外,提出了一种如何将干涉相位转换成地形高度的方法,该方法提高了干涉相位与地形高度之间的转换精度。利用美国 Ｎ Ａ Ｓ Ａ 提供的三峡地区的 Ｌ 波段的 Ｓ Ｉ Ｒ Ｃ的并行轨道数据,结合所提的方法,得到了局部区域的相对高度图。     

激光制导炸弹的神经网络鲁棒控制

针对激光制导炸弹滚转控制通道的时变特性,基于神经网络具有定性和定量多模态控制能力能够实现多个常规控制器的功能,融合炸弹投放过程中的多种工作状态参数信息,设计了非线性神经网络控制器,给出神经网络控制器与常规控制器的功能等价性分析。该控制器具有鲁棒性,能适应时变系统参数大范围的变化,而且方法简单,实现容易。利用该方法对某型激光制导航空炸弹进行仿真,并与炸弹的变结构控制器相比,从根本上解决了变结构控制器的抖振问题,结果表明,该神经网络控制器具有良好的控制性能。     

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题，本文提出了一种基于旋转最小-最大超盒的聚类算法。该算法首先对数据急归一化处理，然后借助旋转最小-最大超盒对样本空间进行划分，从而生成一系列的初始分类，最后利用类别间的可融合度概念将初始类别融合为最终的聚类。仿真结果表明，该算法在无需聚类数目的前提下，对复杂分布数据具有很好的聚类效果，其聚类性能与传统的FCA相比有极大的提高。     

评价指标相关性的消除方法研究

提出了一种消除评价指标相关性的方法 .该方法在评价指标相关矩阵的基础上 ,首先对指标集合进行等价类划分 ;然后利用随机向量线性相关性 ,对指标等价类加以优化求解 ,使得指标等价类之间的相关性最小 ,进而得到等价类的指标综合函数 .最后根据等价类的指标综合函数进行系统评价 .文中还给出了一个实际案例 ,说明了本文方法的应用.     

根据粗糙集理论进行BP网络设计的研究

提出了一种根据粗糙集理论进行ＢＰ网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和ＢＰ网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型．这种神经网络的学习算法的要点是：应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用ＢＰ算法迭代求出网络的参数,从而完成网络的设计.     

一类参数不确定规划的三目标规划解决方法

针对目标函数具有区间参数的不确定优化问题，分析了以往不确定优化命题双目标优化满意解的缺陷，给出了一种鲁棒优化的定义，提出了不确定系统的优化需考虑悔度，把不确定的优化命题转化为确定型的三目标优化命题。实例分析考虑决策后悔度的三目标优化命题作为不确定优化命题的替代命题更加合理。该方法的成功作为一个具体实例印证了顾基发研究员“物理-事物-人理”的系统方法论的普遍指导意义。     

一种知识推理规则归纳系统的实现

从经验数据归纳出决策规则的主要障碍之一是对象中信息的不一致。本文综合粗糙集理论、遗传算法及布尔逻辑各自的特点，提出集成的归纳学习方法，开发出一个能够从不一致信息中归纳出完备性规则和可能性规则归纳引擎，应用事例数据对系统进行验证并给出验证结果。