广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

关于文本特征抽取新方法的研究

该文研究了已有和最新的各种基于评估函数的特征筛选方法 ,评价了它们的优缺点和适用范围 ,并实现了一种用评估函数代替 TFIDF法中 IDF函数进行分类的新算法。然后进一步从如何放宽特征独立性假设 ,利用等级关系的角度探讨了对特征筛选可能的改善     

基于OEM模型的半结构化数据的模式抽取

Web数据是典型的半结构化数据 ,缺乏明确的、预知的、与数据分离存储的外在模式 ,导致查询、浏览和集成Web数据的效率极低。该文提出一种基于 OEM (objectexchange model)模型的半结构化数据的模式抽取算法 ,采用自顶向下的剪枝策略 ,可快速发现频繁简单路径集 ,应用于半结构化数据的集成及查询回答与优化。其特点是可降低目标模式的规模 ,有效改进模式抽取的效率     

时序规则分布挖掘方法

发现时序规则的有效时间段,即规则的分布,有助于对序列行为进行更深入的了解.论文介绍了一种时序规则分布的挖掘方法描述了相应的分割选择策略、频繁度量算法、知识表示生成方法、以及针对时间序列数据的规则分布挖掘系统的体系结构.该方法对于序列长度来说,时间消耗是线性增长的,并且支持在线的知识发现.使用人工生成数据与真实数据进行了实验,结果表明该方法可以有效地生成符合问题定义的规则分布表示,以应用于发现新奇的有用知识.     

机器人装配专家系统的设计和实现

在分析和研究机器人装配和知识库的基础上，本文建立了一个机器人装配知识库系统ＡＫＢＳ（ＡｓｓｅｍｂｌｙＫｎｏｗｌｅｄｇｅＢａｓｅＳｙｓｔｅｍ），它主要包括零件库、关系模型库、规则库及推理机。在建立零件库的过程中作者提出了一种基于ＣＳＧｒｅｐ的零件表示方法ＰＲ－ＣＳＧ，能够较全面地反映出在装配领域所需要的零件几何特征和物理特性，具有较强的表达能力；同时也容易实现与现有成熟的ＣＡＤ系统接口。在此基础上采用了统一的形式实现了对装配体中零件间的各种关系的描述，建立了具有层次结构的关系模型库。从书本和专家经验中抽取的知识存放在规则库中。     

负关联规则挖掘中的频繁项集爆炸问题

为了解决负关联规则挖掘中包含负项目的频繁项集数量爆炸问题,引入过频繁项集的概念,证明过频繁项集及其所有超集均不可能产生有趣的关联规则。在频繁项集生成过程中,必须对项集中包含负项目的个数进行限制。使用最小支持度、最大支持度、项集中最多包含负项目的个数2个参数来约束频繁项集生成过程的算法。实验结果表明:所增加的两个参数是必要的,特别是当数据集中所包含的项目个数比较多时,只有恰当地设置两个额外参数,才能够保证挖掘过程的正常进行。     

用动态Bayesian网络建立宏观经济系统模型

针对限制动态 Bayesian网络方法应用的 Markov假设和转移概率时不变假设 ,研究了如何利用部分观测信息建立宏观经济系统的 Markov模型以及如何建立转移概率具有时变特性的宏观经济系统模型。对不满足 Markov假设的演化过程 ,通过在模型中添加隐藏变量建立 Markov模型 ,并对 EM- EA算法进行扩展 ,使之用于带隐藏变量的动态 Bayesian网络的学习。对不满足时不变性的转移概率 ,应用多项式拟合方法直接从数据构造时变转移概率模型。理论分析表明了论文方法的正确性和可行性     

贝叶斯网络的建造及其在数据采掘中的应用

贝叶斯 (Bayesian)网络近年成为数据采掘引人注目的研究方向。通过剖析 Bayesian网络的结构和建造步骤 ,着重讨论用 Bayesian方法从先验信息和样本数据进行学习以确定网络的结构和概率分布的基本方法 ,分析 Bayesian网络学习的特点 ,探讨 Bayesian网络的适用性。与数据采掘的其它方法相比 ,Bayesian网络的优点是可以综合先验信息和样本信息 ,这在样本难得时特别有用 ;可以发现数据之间的因果关系 ,适合于处理不完整数据集 ,这是其它模型难以做到的。其缺点是计算开销较大 ;确定合理的先验密度比较困难 ;如何判定实际问题是否满足所要求的假设 ,没有现成的规则     

概念格及其应用进展

概念格是近年来获得飞速发展的数据分析的有力工具。从数据集中生成概念格的过程实质上是一种概念聚类过程。然而 ,概念格可以用于许多机器学习的任务 ,例如分类 ,关联规则的挖掘等。论文介绍了概念格的基本概念 ,讨论了现有的几种建格算法和在格上提取规则的方法及相关系统和应用。另外 ,还介绍了格的剪枝及概念格和另一个新型数据分析工具粗糙集之间的关系。     

Modified evolutionary algorithm for global optimization

1 .INTRODUCTIONOptimization problemsoftenariseinscience ,engi neering ,andbusinessapplications .Tosolvevariousoptimizationproblems ,manysolutionsbasedonthegradientorhigher orderstatisticsoftheobjectivefunction ,suchassteepestdescentmethod ,conjugategradie…