决策演化集中预测规则与实际规则的博弈

在决策演化集理论体系下,预测规则是伴随实际规则而产生的,因此预测规则必然会对实际规则产生影响,但目前对于两者相互作用的机制仍不清楚。本文引入博弈论方法,构建预测规则和实际规则的博弈矩阵,通过计算它们的收益,分析它们对决策信息系统所带来的影响。     

基于粒计算的正态粒集下的格贴近度

通过对传统模糊集贴近度公理化定义的改造,使得粒集的格贴近度反映两个粒集之间的接近程度。对实例分析后,给出基于粒计算满足正态分布的一种格贴近度函数及其相关定理和证明,方便实际问题的分析和处理。     

基于三支决策的二阶段分类模型研究

当对三支决策边界域进一步划分时,边界域知识存在划分信息不足,从而导致分类精度不高,针对上述问题提出一种新的基于三支决策的二阶段分类模型(TWD-TP).第一阶段根据贝叶斯规则构建三支决策中样本的条件概率,通过求解最优化损失函数得到所需阈值,然后按照三支决策规则对数据集进行划分.三支决策是基于最小风险贝叶斯决策理论的划分,在其正域、负域中包含一定的误分类样本;在第二阶段通过类标签索引分别将正域、负域中误分样本作为增量信息引入延迟决策域,形成重构边界域,最后对重构边界域进行划分.实验结果表明:所提出的TWD-TP模型不仅能在三支决策划分中筛选出高误分类特征的样本,同时其重构边界域中不能被划分的样本得到正确划分,分类精度进一步提高.     

具有预后价值的乳腺癌发病关键基因鉴别研究

目的:筛选与乳腺癌发病相关的关键基因,为研究乳腺癌的诊疗提供新的潜在分子靶标.方法:使用GEO2R在线工具比较乳腺癌与正常乳腺组织基因表达情况,进行差异显著性分析,利用基因功能注释工具DAVID对差异基因进行GO和KEGG富集分析.通过STRING数据库构建差异基因的蛋白互作网络,基于最大团中心性(maximal clique centrality,MCC)算法鉴别关键基因,利用Kaplan Meier生存分析验证关键基因对患者生存时间的影响.结果:乳腺癌基因表达差异分析共产生491个差异基因,其中有254个上调,237个下调.GO富集分析表明差异基因显著富集于肿瘤相关的生物学过程、细胞组分和分子功能,KEGG通路富集分析主要集中于PI3K-Akt信号通路、黏附斑和癌症通路.基于MCC算法共选取10个关键基因,其中的4个基因(ISG15,IFIT1,GBP1和IFI27)过表达与患者生存时间显著降低密切相关(P0.05).结论:共鉴别了4个与乳腺癌发病密切相关的关键基因,相关研究结果可为研究乳腺癌的诊疗提供新的潜在分子靶标.     

SGML语言的短引用及其实现

本文介绍了ＳＧＭＬ语言中的短引用的有关性质、特点和用法等信息，同时还介绍了短引用的实现方法。     

高师计算机专业教育与人才素质培养的研究

全面实施素质教育是我国教育事业的一场深刻变革，探讨高师计算机系专业教育与人才素质培养的内涵及其关系，对推动高师计算机本科生基本素质、基本技能的全面培养和提高具有重大意义。在对高师计算机系专业教育人文素质的培养、教师职业素质的培养、团结协作精神的培养进行阐述之后，分析并论述了高师计算机系专业教育与人才培养的7个关系。     

dBASEIV中三种连接操作有效性的比较

本文就ｄＢＡＳＥＩＶ中三种连接操作在实现连接各个库时的有效性方面进行了对比，结论是ＳＱＬＳＥＬＥＣＴ操作在连接各个库时的有效性最好。     

决策演化集的伯努利移位

决策演化集是一种新的用来解决决策规则在时间序列上变化问题的方法。决策演化矩阵是其中一个重要概念。通过决策演化矩阵可以直观了解到各个条件属性在单个时间点以及连续时间序列上的表现。但目前的体系中虽然对决策演化矩阵进行了定义,但还缺乏数值量化,文章引入伯努利移位来对决策演化矩阵进行数值量化,并通过实例演示这些量化后的数值在预测中所起的作用。     

相斥邻域的覆盖粗糙集实值属性约简

粗糙集理论是一种有效的属性约简方法,但不能直接处理实值数据。针对此问题,本文首先介绍了邻域和覆盖的概念,在此基础上构造了覆盖自约简和覆盖间约简(属性约简)算法;然后通过讨论邻域内各样本之间关系,提出了相斥元的定义,相斥元的存在可能导致决策正域计算错误,从而得到不符合数据表实际情况的属性依赖性,因此给出了分解相斥元的方法;最后在四个实值的基因表达数据库上进行了实验,结果表明该属性约简算法是有效的,并相对于现有其他算法具有较高的分类精度。     

基于自适应邻域互信息与谱聚类的特征选择

借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。