一种基于粗集理论与神经网络的综合数据挖掘算法

提出一种基于粗集理论与神经网络的综合数据挖掘算法,该方法既保证了挖掘过程的简洁,又保证了对挖掘结果的严格验证,提高了结果的精确度．     

事务约简和2项集支持度矩阵快速剪枝的Apriori改进算法

在Apriori算法的改进算法M-Apriori基础上,为了进一步减少不必要的数据库扫描,引入事务约简技术,提出一种改进的MR-Apriori算法.考虑到M-Apriori算法会产生大量候选项集,为了实现对候选项集快速剪枝,加入一个自定义的2项集支持度矩阵,提出第2种改进的MP-Apriori算法.将事务约简和2项集矩阵快速剪枝一起引入到 M-Apriori算法中,提出第3种改进的MRP-Apriori算法.最后,在mushroom数据集上进行实验.结果表明:加入事务约简的MR-Apriori算法和加入2项集矩阵快速剪枝的MP-Apriori算法,运行时间相比原M-Apriori算法都有较大缩减,而同时结合两种优化策略的MRP-Apriori算法运行时间最短,验证了这两种优化策略的有效性.     

基于置信规则库推理的不确定性建模研究

置信规则库推理作为一种新颖的表达和处理复杂不确定性的方法,在系统建模和分析方面具有很大的应用前景.本文讨论了基本置信规则库推理的性质,证明其不但可以以足够高精度拟合确定性和随机性系统,而且可以处理确定性和随机性数学模型不能表达的复杂不确定问题.另外本文通过对其规则库进行扩展和改进激活算法,解决了基本置信规则库推理在处理局部未知度方面的局限性问题,最后通过一个报童库存问题对提出的方法进行了说明和验证.     

当真情实感成为奢侈

使用四色喷墨打印机印刷彩图时,如果某种颜色的墨盒或墨头工作失常,图片就可能出现明显偏色。因为打印机呈现在纸上的每一种颜色,都由4种颜色的墨滴以极精确的比例调配而成。人在生活中表现出来的情绪,也由快乐、悲伤、愤怒、恐惧和厌恶这5种"基本情绪"混合而成。如果迫于某些社会规则,部分"基本情绪"出现缺位,便可能会为人带来虚假的情绪表达和生命体验。一年以前,有一组名为《中国式让梨》的漫画在网络上广为流传。两个孩子分一大一小的梨这件生活小事,却引发了双方家长间大量无聊的推让和客套,最终是孩子被教育要隐藏真实的想法或情感,以成     

一种基于Choquet积分的不精确推理方法

模糊规则是模糊推理中的重要工具之一,它表示了模糊知识的因果关系.在一个模糊规则集中,当模糊命题间存在交互作用时,将参数权重用模糊测度取代,得到了一种基于模糊规则矩阵变换和Choquet模糊积分的模糊推理方法.该方法主要应用在不完全归纳推理中.     

不同行为规则下动态市场份额推测变差模型的复杂性

针对静态双寡头推测变差模型中对参与人行为的限制,考虑如何将非线性动力系统理论和混沌理论等结合起来更好地描述寡头垄断市场。本文构建参与人分别具有不同行为规则的动态市场份额推测变差模型,研究动态市场份额推测变差模型的复杂性。通过模型求解和数值仿真分析得出结论:参与人在不完全信息和不完全理性情况下,市场份额推测变差系数和其它参数的取值范围决定了动态系统的稳定性、产量分岔、利润分岔、混沌等;如果参数取值在一定范围内,静态市场份额推测变差均衡能够作为稳定的动态均衡实现;否则,市场份额推测变差均衡不稳定,经济系统可能会出现周期变化或混沌的现象。     

启发式仿真优化方法在设备配置中的应用研究

仿真优化方法研究的是基于仿真的目标优化问题，基于模型仿真给出的输出量通过优化算法得到最佳的优化结果。由于实际物流系统的复杂性及其本身的随机性，重要物资设备的合理化配置问题需要使用仿真优化方法来解决。港口拖轮是港口物流系统中重要的设备，对拖轮总体配置进行优化研究，提出拖轮数量及马力配置的合理方案，以适应港口的发展，具有重要的现实意义。利用仿真优化方法的原理，开发了一套港口拖轮配置启发式仿真优化系统，能得出理论上最佳的拖轮配置方案，辅助管理者做出科学的决策。     

基于两阶段计数的用户关联挖掘

基于规则的推荐技术在数据集上挖掘项目关联和用户关联为当前用户做推荐．用户关联挖掘是使用用户关联进行推荐的关键．首先证明在整个数据集上挖掘到的关于当前用户的用户关联集是只在包含当前用户评价的数据集上挖掘到的关于当前用户的用户关联集的子集,提出基于两阶段计数的用户关联挖掘框架,然后应用概念格技术实现了基于两阶段计数的用户关联挖掘算法,并通过实验表明该算法具有更好的性能．     

基于规划规则的激励学习偏差研究

在实际动态系统中,经典无启发知识的激励学习算法收敛非常慢,因此必须采用某种偏差技术加速激励学习的收敛速度．已有激励学习偏差算法,通常先验地给出启发知识,这与激励学习的思想相矛盾．通过在初次激励学习获得的策略知识中,先抽取满足条件的规划知识,然后将规划知识作为启发知识,进一步指导后继激励学习．实验结果显示这种学习技术能有效加快算法收敛速度,并适用于动态复杂环境．