基于交互信息的连续值属性决策树学习算法

Fayyad连续值属性决策树学习算法使用信息熵的下降速度作为选取扩展属性标准的启发式,本文针对其易选取重复的条件属性等不足之处,引入属性间的交互信息,提出了一种改进算法--基于交互信息的连续值属性决策树学习算法,它的核心是使用信息熵和交互信息的下降速度作为选取扩展属性标准的启发式.实验结果表明,与Fayyad决策树学习算法相比,该算法降低了决策树中同一扩展属性的重复选取率,实现了信息熵的真正减少,提高了训练精度和测试精度,能构造出更优的决策树.     

综合区间数Spearman秩相关系数及其应用

针对属性值为区间数,属性权重完全未知的区间多属性决策问题,提出了一种综合考虑方案与正理想、负理想方案之间的Spearman秩相关系数的决策方法。分析了相关文献中仅考虑方案到正理想方案的Spearman秩相关系数的局限性,在逼近理想点方法(TOPSIS)的启发下,定义了方案与负理想方案的Spearman秩相关系数;然后,在方案与正负理想方案Spearman秩相关系数的基础上,定义了方案的综合Spearman秩相关系数,并证明了其相关性质;最后,提出了基于综合区间数Spearman秩相关系数的多属性决策方法,并通过一个高校二级院系财务管理评价的实例,验证了所提出方法的是可行和有效的。     

不确定情况下的一种排序方法

应用层次分析法进行决策时经常会遇到不确定情况下的排序问题，在不确定情况下，每个判断矩阵所包含的信息量是不同的，因此应充分利用有用信息，昼过滤掉无用信息，为此呆以通过构造一个过滤函数来实现，模拟显示，只要适当选择过滤函数就能提高决策精度。     

广义二次矩阵和与积线性组合的秩与零度

应用广义二次矩阵与幂等矩阵互为确定的关系, 证明了在某种条件下广义二次矩阵和与积的线性组合的秩与其组合系数选择无关.     

二次矩阵广义Jordan积秩的不变性

通过给出二次矩阵与二次多项式的互为确定关系,利用矩阵变换得到了二次矩阵广义Jordan积秩的不变性及一种新的与二次矩阵相关的秩等式,所得结果概括并推广了关于(数量)幂等矩阵、(数量)对合矩阵等秩等式的相关结果.     

具有迹实秩零的C*-代数(英)

引入具有迹实秩零的C*-代数，并证明了具有迹实秩零的C*-代数与AF-代数的张量积仍是迹实秩零的，具有迹实秩零的单C*-代数是实秩零的.     

一种基于Cook-Seiford函数的序区间群决策方法

针对具有序区间偏好信息的群决策问题,提出了一种决策分析方法.首先,对具有序区间偏好信息的群决策问题进行了描述;然后依据传统Cook-Seiford函数解决群决策问题的基本思路,给出了求解具有序区间偏好信息的群决策问题的计算步骤,其核心是通过定义群体排序与各专家排序之间的距离,并依此建立最优化模型寻找一种群的排序,使之与各成员排序的总的距离最小,该排序即为方案最优排序;最后,通过一个算例说明了本文给出方法的可行性和有效性.     

单的迹稳定秩一的C*-代数

证明了如果A是单的有单位元的C*-代数满足Tsr(A)=1,并且具有SP性质(对于A的任意非零可传C-子代数B,B都包含一个非零的投影),则A具有投影的消去律.利用此定理,证明了如果A是单的有单位元的C*-代数满足Tsr(A)=1并且具有SP性质,则tsr(A)=1.     

基于决策树的排序学习算法

基于一个修改了的决策树的分裂规则,得到了具有直观解释的排序算法,并给出了相关理论证明.实验结果表明,该算法优于感知机类和序回归类算法.     

浅析递归方程解法及其渐进阶表示

递归是算法设计中常用的方法之一,利用递归可以得到很多高效算法.递归算法由初始情况和递归部分组成,一般可以采用递归方程表示.分析了递归方程常用解法,比较了各个解法的区别及使用范围,并研究了如何表示递归方程对应的算法复杂度的渐进阶.     

一种具有序区间偏好信息的群决策方法

针对方案偏好信息为序区间形式的群决策问题,提出了一种决策分析方法.首先对具有序区间偏好信息的群决策问题进行了描述;然后依据传统Borda法的基本思路,将序区间偏好信息转化为Borda数值表,根据序区间的特点确定Borda分值计算规则;依据此Borda分值计算规则给出确定每个方案总Borda分值的计算公式,并根据每个方案总Borda分值的大小来进行方案排序;最后,通过一个算例说明了本文给出方法的可行性和有效性.     

半群PC(n,r)的幂等元秩

设PCn是有限链［n］上的降序且保序部分变换半群
. 对任意的3≤r≤n-1, 考虑半群PC(n,r)={α∈PCn: 〖JB(|〗Im(α)〖JB)|〗≤r}
的秩和幂等元秩, 证明了半群PC(n,r)是由秩为r的幂等元生成的, 并得到了PC(n,r)的秩和
幂等元秩均为∑〖DD(〗n〖〗k=r〖DD)〗〖JB((〗〖HL(1〗nk〖HL)〗〖JB))〗〖JB((
〗〖HL(1〗k-1r-1〖HL)〗〖JB))〗.     

多准则多方案排序研究

本文对多准则多方案决策中的ＡＨＰ和效用理论的排序方法进行了深入的研究。指出了其内在联系。引入满意度的概念，使得在运用效用理论和ＡＨＰ 方法解决同一问题时出现不同结果的现象，得到合理的解释。     

一种基于奇异值分解的人脸识别新方法

基于奇异值向量方法进行人脸识别时,由于提取的奇异值向量特征所包含的人脸图像的有效信息少,导致人脸识别率低下。基于此提出了一种基于奇异值分解的人脸识别新方法——矩阵的秩-逼近法。利用ORL人脸数据库进行实验,并采用最近邻决策规则来进行分类识别。实验结果显示,提出的方法比基于奇异值人脸识别方法具有优越性,本算法能大大地改善识别效果。     

用单亲遗传算法解决影片递送问题

遗传算法(简称GA)是基于生物进化原理的普适性全局优化算法，是解决NP难问题的一种行之有效的方法．但是，序号编码的遗传算法不能在任意两条染色体的任意位置进行交叉，必须使用PMX，CX和OX等特殊的交叉算子，这些算子实施起来都很麻烦且效率不高．针对这一问题，采用单亲遗传算法，取消交叉操作，强化变异作用．这样既简化了遗传操作，又克服了早熟现象．较成功的解决了影片递送问题，文中的算例表明，该算法是实际有效的．     

行(列)满秩阵的几点性质

以矩阵的秩为基础,给出了两种特殊的矩阵:行满秩阵和列满秩阵,并对照矩阵的性质给出了行(列)满秩阵的几条性质,在此基础上研究了线性方程组AX=B对任一m维列向量B都有解的充要条件,进一步给出了矩阵方程AX=B有唯一解的条件.     

Fuzzy矩阵Schein秩的求法

本文给出了Fuzzy矩阵Schein秩的一种较理想的求法,最后得到了Fuzzy矩阵Schein秩的一个下界表示.     

行(列)满秩阵的几点性质

以矩阵的秩为基础,给出了两种特殊的矩阵:行满秩阵和列满秩阵,并对照矩阵的性质给出了行(列)满秩阵的几条性质,在此基础上研究了线性方程组AX=B对任一m维列向量B都有解的充要条件,进一步给出了矩阵方程AX=B有唯一解的条件。     

Feature Selection Based on Difference and Similitude in Data Mining

Feature selection is the pretreatment of data mining. Heuristic search algorithms are often used for this subject. Many heuristic search algorithms are based on discernibility matrices, which only consider the difference in information system. Because the similar characteristics are not revealed in discernibility matrix, the result may not be the simplest rules. Although differencesimilitude（DS） methods take both of the difference and the similitude into account, the existing search strategy will cause some important features to be ignored. An improved DS based algorithm is proposed to solve this problem in this paper. An attribute rank function, which considers both of the difference and similitude in feature selection, is defined in the improved algorithm. Experiments show that it is an effective algorithm, especially for large-scale databases. The time complexity of the algorithm is O（｜ C ｜^2｜U ｜^2）.     

Analysis of negative correlation learning

This paper describes negative correlation learning for designing neural network ensembles. Negative correlation learning has been firstly analysed in terms of minimising mutual information on a regression task. By minimising the mutual information between variables extracted by two neural networks, they are forced to convey different information a-bout some features of their input. Based on the decision boundaries and correct response sets, negative correlation learning has been further studied on two pattern classification problems. The purpose of examining the decision boundaries and the correct response sets is not only to illustrate the learning behavior of negative correlation learning, but also to cast light on how to design more effective neural network ensembles. The experimental results showed the decision boundary of the trained neural network ensemble by correlation learning is almost as good as the optimum decision boundary. Foundation item: Supported by the National Natural Science Foundation of China (60133010) Biography: Liu Yong ( 1966-), male, Ph. D, Associate professor, research direction: evolutionary algorithms, neural networks, and evolvable hardware.