属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.     

可数余定向极大集的若干性质

基于对偶可数连续格对可数余定向极大集进行研究.讨论了对偶可数连续格的一些内部刻画,获得了对偶可数连续格构成完全分配格的一个充分条件,并探究了完全分配格的若干个内部刻画.     

广义Ekeland变分原理的推广

给出了经典Ekeland变分原理的一个推广,完善并改进了已有文献的证明,并把它推广到了拟度量空间上.     

一种由三角模诱导的粗糙集间的相似性度量方法

首先介绍了粗糙集、模糊集与三角模的概念,接着指出利用三角模可以诱导出相应的包含度,进而可得到一个相似度,提出了一种利用三角模对粗糙集间的相似性进行度量的新方法.最后借助算例验证了该方法的可行性.     

强G-预不变凸函数的性质研究

给出了强G-预不变凸函数的一些新的性质,这些性质在数学规划中有着重要的应用.     

对应点集移动相对性建模于脱机签名鉴定研究

提出并论证了欧氏空间中签名的对应点集具有移动相对性,基于该原理构建了一种新的脱机签名鉴定模型,并研究了签名间对应点集获取的方法。在鉴定方案中,待鉴定的脱机签名图像和参考样本的签名图像可以看作欧氏空间内两个不同坐标系中的图像,两者间能够建立相对应的点集合,而欧氏空间平面图像其对应点集具有确定的约束关系,利用该约束关系建立模型可以反映出对应点集移动相对性的大小,因此可以利用该值的差异进行签名真伪鉴定。该方法对于真签名的数量要求较低,并且不需要伪签名来进行训练,适用于脱机签名鉴定中存在的极少样本集情况。实验采用中、英文两种签名数据库验证了该方法的有效性。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

粗糙集计算方法及应用研究

研究总结了粗糙集计算方法新进展,同时对它们的计算复杂性进行了分析,并给出了这些计算方法之间的逻辑关系结构图,然后讨论了粗糙集在模型方面的扩展,最后对粗糙集计算方法的应用进行了论述.     

基于RS与LS-SVR的储层参数预测

该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法.该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点.实例证明该方法应用在复杂地层储层参数预测中具有优越性.     

隧道健康动态评价模型与应用

在隧道健康安全评价的指标体系及其等级标准的基础上,通过规范化处理样本资料库中的元素,消除了指标类型和量纲的影响后,提出用集对分析方法构造可变模糊集的相对差异度函数,合理的确定了各层相关隧道健康评价指标处于级别标准区间的相对隶属函数,采用乘积标度法确定相关指标权重后,得出了隧道健康模糊综合评价动态模型。确定健康级别指标特征值后,结合实例计算证明了文中所提方法的科学性与合理性,有利于推动可变模糊集理论在土木工程领域的进一步发展。