一种基于模糊信息融合的Prim算法及应用

提出一种融合多元模糊空间关系信息的支撑树搜索算法,即S Prim(spatialPrim)算法,用以识别低分辨率环境下(红外、多光谱遥感、SAR、恒星导航等图像中)具有规则空间分布关系的目标斑点集合。S Prim算法将子目标相互之间的空间分布关系、距离关系,以及目标自身属性关系进行模糊信息融合,借助Prim算法生成最小支撑树的机制,评估邻近节点之间可能具备的某些有规则的空间分布关系,主动探测子目标之间可能存在的空间分布规律,从而识别目标群。实验证明,该算法稳定有效。     

一种基于概念聚类的知识地图模型

针对组织知识管理中知识共享问题,运用知识地图作为工具来促进知识共享,建立了以知识空间三元组(知识、属性、关系)为背景的知识地图模型,并设计了一种知识地图的概念聚类算法.在概念聚类构造的知识地图中,知识按其属性自动聚类成知识节点,它描述了知识及共属性和关系,并将知识节点以偏序关系排列起来.将它作为组织知识共享的工具,有利于知识的快速查找,提高知识共享的效率.最后通过一个案例给出了模型的应用.     

k-冗余结构无线自组网广播算法研究

针对k-冗余连接路由算法的特点,对最优广播树的生成算法进行了研究。首先根据最优广播树的数学模型,证明了它是一个NP难题(NP-Complete)。然后针对网络拓扑的特点提出了启发式广播树生成算法。针对算法的特点,分析了算法复杂度和算法的效率。结合GlomoSim仿真平台,在无线网络环境下对算法的效率进行了仿真,将协议的性能与简单广播算法进行了比较。仿真结果表明,启发式广播算法能够减小网络开销和节点的转发次数,提高网络的传输效率。     

基于变精度概念格的决策推理方法

在模糊形式背景上定义了四种外延与内涵均为经典集的变精度概念,证明了它们构成完备格.基于变精度形式概念格和对偶变精度形式概念格,用包含度建立了一类决策推理;基于变精度对象概念格和变精度属性概念格,用包含度建立了另一类决策推理.通过决策推理将变精度概念格生成的少数决策规则集拓展为所有方案集上的全部决策推理规则,获得了方案集的下近似决策推理规则和上近似决策推理规则,证明了决策推理规则与其对应的决策规则集满足一致性和相容性.     

两类决策系统中规则获取的联合决策矩阵算法

提出了联合决策矩阵的概念以及基于联合决策矩阵的两类决策系统规则获取算法.将条件属性等价矩阵和决策属性等价矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,能有效提高算法的效率.用一个实例说明了算法的执行过程,并通过算法复杂度分析与实验结果对比,进一步说明了该方法的有效性.     

基于元模型的模糊Petri网反向传播学习算法

模糊Petri网是知识表达与并行推理的重要工具,但拓扑为非严格分层的结构。为在不增加虚节点的情况下实现模糊Petri网的反向传播学习,提出模糊Petri网元模型的概念,统一四种基本产生式规则对应的模糊Petri网模型。并建立元模型的结论置信度关于条件置信度的连续映射,给出了正向推理算法。为提高收敛速率,先通过基于回溯策略的反向推理算法,计算元模型结论置信度对条件置信度的梯度函数,最后采用Levenberg-Marquardt算法实现权值优化。     

属性添加情况下的概念格重构算法

研究在给定的形式背景下,通过逐步添加属性建造概念格的方法.一般地,初始概念格可由部分属性生成.当添加属性时,得到了新节点与它在原概念格中的直接父节点是一一对应的结论.证明了所有新节点在原概念格中的直接父节点,只可能在某个节点和它的子节点中.基于上述性质,给出了添加属性情况下的重建概念格算法.此算法的优点是生成新节点的范围小,构建概念格的速度快.     

多功能复杂网络模型及其应用

复杂网络的节点可以具有多个属性,不同的属性(集)将导致节点间的连接关系不同,进而使得网络具有不同的功能。针对现有复杂网络模型无法根据选择的节点属性构建具有不同功能的网络的问题,本文提出了多功能复杂网络模型,该网络模型仅使用节点及其关联的属性集来表示,通过对节点属性的选择以及节点在对应属性下的映射规则定义,确定不同的网络拓扑结构和网络功能。通过建立并分析某导弹防御作战网络,验证了多功能复杂网络模型的可用性和有效性。     

基于网络的数值关联规则挖掘方法

关联规则 ( Association Rules)发现的是属性间的关系 .属性可以是逻辑型的 ,也可以是数值型的 .在从逻辑型属性描述的数据中发现关联规则方面已经有许多比较成熟的算法 ,而在数值型属性方面则不然 .将数值关联规则挖掘问题映射成逻辑关联规则挖掘问题是一种方便有效的方法 .本文给出了一个新的数值属性关联规则挖掘算法 ,该算法利用数据本身的特征决定对数值属性值域的划分 ,进而将划分后的所有区间映射为逻辑属性 (项目 ) ,在此基础上可以挖掘出更容易理解、更具有概括性的有效关联规则 .本文给出了一个发现频繁项目集搜索算法 ,并采用一种纵向数据库格式来简化项目集支持度的计算.     

基于属性重要性的决策树规则提取算法

对属性进行约简为从关系数据库中挖掘简洁的规则创造了条件。但从属性约简后的数据集中提取最简规则的问题仍是一个NP难题,一般借助于启发式算法。提出了一种新的基于属性重要性的规则提取算法,称为IADT(importantattributedecisivetree)算法,采用粗糙集理论中的属性重要性概念,通过建立树结构来提取规则。算法可以避免面对NP难题,获得相对简单的规则。计算实例表明,IADT算法具有良好的实用性,有进甚至可以获得最简规则。通过与ID3算法进行的比较表明,IADT算法为规则树算法提供了一种新的属性选择标准。     

A Fuzzy Reasoning System and Its Heuristic Inference Algorithm

ＡＦｕｚｚｙＲｅａｓｏｎｉｎｇＳｙｓｔｅｍａｎｄＩｔｓＨｅｕｒｉｓｔｉｃＩｎｆｅｒｅｎｃｅＡｌｇｏｒｉｔｈｍＺｕｏＸｉａｏｄｅ＆ＬｉａｎｇＹｕｎＤｅｐｔ．ｏｆＢｕｓｉｎｅｓＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＪｉｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏ...     

作战行动序列核心本体建模及其推理方法

为了解决作战计划数据、信息、知识的一致性理解与互操作等问题,使其表示、生成和检验在一致的语义下进行,提出了作战计划本体的构建方法,详细阐述了通用本体、性能度量本体、效能度量本体、行动本体、行动序列本体和偏好本体等6类核心本体的建模过程,规范了作战计划领域共享概念的形式化描述。基于核心本体建立了自动分类、行动-状态组合以及行动序列优选等3项推理规则,并结合反叛乱行动计划分析了该推理规则能够有效提升计划生成效率,为面向决策的智能化作战行动过程动态生成与检验奠定了基础。     

Uncertain information fusion with robust adaptive neural networks-fuzzy reasoning

1 .INTRODUCTION Under increasingly complex operational circumstances ,there exists uncertain information in the sensors andthe networks of the multi-sensor system. The uncer-tainty occursin various manners ,e.g.the uncertaintyof multi-sensor systemstructure (includingthe dynam-ic ti me-variation property) and the uncertainty of theinformationitself (including fuzziness (containing am-biguity) ,randomness ,incompleteness (including de-fectiveness) as well as roughness) . And uncertainin-for…     

条件函数依赖的增量计算

条件函数依赖是对传统函数依赖的扩展,它通过引入条件模式,使其语义比函数依赖更精确、表达能力更强。然而,条件函数依赖的计算需要消耗较多的时间,为了提高条件函数依赖挖掘的效率,研究了条件函数依赖增量维护方法。针对数据集增加、删除、修改3种情况分别分析了条件函数依赖集变化规律,提出了条件函数依赖的增量计算算法,从而能够在数据库变化情况下,高效、动态地维护条件函数依赖。同时,在理论上对算法中关键步骤的正确性进行了论证,并通过实验验证了算法的有效性。     

基于贝叶斯优化构建DBN结构优化算法

针对动态贝叶斯网络(DBN)结构学习问题,提出了一种基于贝叶斯优化(BOA)的DBN结构寻优算法。首先,从传统进化优化机制的基本理论和基本操作入手,刻划了基于概率模型进化算法的基本思想。其次,通过描述基于概率模型进化算法的构图基础,引出了DBN结构学习机制,即基于BOA的DBN结构寻优算法。BOA算法的关键是根据优良解集学习得到DBN,以及根据DBN推理生成新个体,前者更为重要,依据基于贪婪机理的遗传算法解决动态网络学习,再应用DBN前向模拟完成后一步。仿真结果表明了该算法的可行性。     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

引控系统发射决策专家系统设计与实现

研究开发了一个引控系统发射决策专家系统。推理机基于一种灵活、通用的知识表达形式,将面向对象方法和问题求解的黑板模型思想有机地结合在一起。在知识表达中提出级别的概念,极大地提高了推理效率,缩小了规则搜索范围。通过对推理机的设计,表明该系统具有良好的通用性、开放性和很强的推理能力。     

基于本体的分布式查询分解算法研究

针对相关领域数据分布在不同站点,数据源的准确定位是分布式语义查询系统的关键,提出子本体交叉递归推理方法,该方法利用子本体间相互交叉的特点,从增强子本体中获取隐含的查询结果,从而保证分布式查询的语义完整性,提高了查全率。在此基础上,将分布式RDF查询分解为多个查询片段的分解策略保证分布式语义查询模式的分布透明性。最后描述算法的详细设计过程,并分析时空复杂度,其结果分析表明算法具有较好的计算性能。     

基于启发式策略的海量语义数据流划分算法研究

海量语义数据的剧烈增长对大数据分布式存储带来了巨大的挑战. 分布式存储的核心技术是图划分，论文介绍了基于图数据流划分的模型和分区启发函数策略，给出了针对RDF文件的图数据流划分算法和实现过程. 实验对几个真实RDF数据集进行划分，并与METIS （一种多层次的图划分算法）方法和哈希分区方法做了实验数据对比，验证了图数据流划分算法的有效性.     

实时监控与发射决策专家系统推理机设计

实时监控与发射决策专家系统要求应能根据监控信息，不断进行知识推理，多层次判断直到最终导弹发射决策。本文对推理流程设计原则、控制策略、推理机的运行过程等进行了介绍。本推理机将面向对象方法和问题求解的黑板模型思想有机地结合在一起，将知识库分层模块化，极大提高了推理效率。该推理机具有结构清晰、条理分明、维护方便等特点。