基于概念分层关联规则挖掘的研究

通过加权平均算法(ML_TWA)发现多层关联规则.该算法针对现有多层关联规则挖掘中存在阈值定义不合理的情况,依据多层数据的特点,提出了一种加权平均阈值估计方法,来提高挖掘效率和结果的准确性.实验结果证明这种算法是有效的.     

关于核函数选取的方法

在支持向量机技术中,核函数选取的好坏直接影响支持向量机的性能.目前关于核函数的研究在理论和应用两方面均取得了一定的成果,但还未深入到足以指导核函数的选取.本文从混合核函数着手研究,建立若干选取规则,得到关于核函数选取的方法.采用平衡约束规划(MPEC)模型来优化选取参数,解决了参数的选取问题.     

调度In-Tree图的启发函数构造

在分析了其它同类启发函数的构造机理后,克服“以当前任务具有最早起始执行时刻”贪心方法构造启发函数的缺点,提出了基于任务复制,“以当前任务的直接后继具有最早起始执行时刻”为目标来构造动态启发函数的方案．通过理论证明与模拟实验表明：所构造的启发函数具有较强的启发能力,对In-Tree图的调度具有较好的效果．这对研究实时分布式计算机系统的任务调度算法具有理论和实际意义．     

知识库上逻辑程序图搜索的一种启发函数

本文把A~*算法的启发搜索应用到逻辑程序的求解过程中,就逻辑程序这一特定的问题领域,构造出A~*算法相应的一种启发函数。利用该启发函数,通过A~*算法可求得逻辑程序的“最佳解”。     

启发搜索算法在运筹学中的应用

运筹学中的运输、指派问题具有广泛的应用性，启发式的搜索算法的核心问题是构造启发函数，用启发函数的思想去解决传统的运筹学问题，可以提高求解的效率。文中从启发式的搜索算法角度出发，介绍了如何构造启发函数，并用其解决运筹学中的运输与指派问题。     

支持向量机与模糊规则模型的等价性

在模糊基函数为高斯型隶属函数或更一般地其满足Mercer条件和核函数为有界函数的情况下,证明了支持向量机器问题与一般的模糊规则模型的等价性.这一结论在许多实际复杂的无法事先确定其模糊规则的数量的情况下十分重要.并且给出了当在知道模糊模型时分别确定C和ε值的算法.最后用两个例子说明二者的等价性.     

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论--开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.     

基于信度函数的冲突证据组合新方法

为了有效地处理冲突证据,提出了一种基于信度函数的新方法.设计了一个证据信度函数,并用此函数来计算证据之间的后验权重分配.给出了先验权重和后验权重的合成方法,从而得到最终权重分配.采用最终权重对现有证据进行加权平均,并采用Dempster-shafer组合规则进行融合,从而得到最终融合结果.与其他方法相比,该方法考虑的因素更全面、适用性更强.实例表明,该方法能够比其他方法更快、更有效地识别出目标.     

基于神经网络的模糊综合评价

在模糊系统理论与神经网络理论基础上，建立了一种基于神经网络的模糊综合评价模型，其合成运算采用加权平均算子，其隶属函数调整采用误差反传算法，并证明了这种算子的模糊综合评价神经网络能收敛到唯一的极小点，不咄了以三角模糊函数为尿属函数的模糊综合评价神经网络的隶属函数调整算法。     

基于模糊语义量化函数的赋权方法及应用

由于客观事物具有的复杂性和不确定性,决策问题往往不能获得确切的权重信息,只能得到模糊语言形式的权重。为研究模糊语言形式的权重,首先定义了一种更广泛的四段折线型模糊语义量化函数,并给出了该函数的诸多基本性质,如单调性、非负有界性和归一性等,同时证明该函数在特殊情况下可退化为传统的三折线模糊语义量化函数。接着,根据定义的四段折线型模糊语义量化函数建立了一种新的权重确定方法。利用此方法确定的权重,便于计算其orness值,该值可用于度量决策者的乐观程度。最后,利用该赋权方法,对有序加权平均(OWA)算子中的权重进行赋值,并将其应用到一类权重为模糊语言形式的多属性决策问题中。所得结果表明了此方法的有效性与直观性。