归纳逻辑程序设计综述

归纳逻辑程序设计是逻辑程序设计和机器学习的一个交叉研究领域。先概述了归纳逻辑程序设计的历史及发展现状;对归纳逻辑程序设计学习器进行了分类和形式化定义,并给出了学习器的质量标准;按划分的类型分别讨论了归纳逻辑程序设计学习器的主要求解算法;进一步指出了归纳逻辑程序设计未来的发展前景,提出了归纳逻辑程序设计领域需要深入研究的若干问题。     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

基于粗糙集理论的不完备信息处理方法研究

针对不完备信息处理问题,分析了不完备信息的语义解释,将粗糙集理论中处理不完备信息的技术策略归纳为数据补齐法和模型扩展法两类.在对已有典型粗糙集扩展模型的定义及其优缺点进行分析的基础上,分别对限制容差关系和特征关系的定义进行改进,得到新的扩充关系模型,讨论了它们的性质.对量化容差关系中对象间的相似度度量方法,给出了3种不同的度量方式及其相应的量化容差关系模型.     

关系学习中贝叶斯分类算法的比较研究

数据分类是数据挖掘的主要内容之一,通过分析训练数据样本,产生关于类别的精确描述.贝叶斯分类是数据挖掘领域中一种常用的有效分类方法.在关系学习中,贝叶斯分类算法有很多种,对这些算法进行总结、比较,指出其优点与不足,对提高分类效率有很大帮助.本文对已有的关系学习中贝叶斯分类算法作了详细的比较,并进行归纳总结.在单关系学习中重点介绍了几种基于粗糙集的贝叶斯分类器和加权贝叶斯分类算法,并分析了各种方法的模型、权值确定方法、优缺点及进一步工作方向.在多关系学习中主要比较了几种基于语义关系图的贝叶斯分类算法,重点介绍了MI-MRNBC模型.最后对本文工作进行了总结与展望,提出进一步工作方向是研究基于粗糙集的多关系贝叶斯分类算法.     

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.     

基于粗糙集理论的不完备信息处理方法研究

针对不完备信息处理问题,分析了不完备信息的语义解释,将粗糙集理论中处理不完备信息的技术策略归纳为数据补齐法和模型扩展法两类。在对已有典型粗糙集扩展模型的定义及其优缺点进行分析的基础上,分别对限制容差关系和特征关系的定义进行改进,得到新的扩充关系模型,讨论了它们的性质。对量化容差关系中对象间的相似度度量方法,给出了3种不同的度量方式及其相应的量化容差关系模型。     

基于黄金关系的粗糙集模型及其应用

粗糙集的核心概念是基于等价关系的上下近似.给出了基于黄金关系的粗糙集模型,并研究了该模型的简单应用.     

概率复合粗糙集模型的改进及其属性约简

复合粗糙集及其扩展模型可同时对信息系统中多个二元关系进行有效处理,已在实际中得到成功应用.研究了概率复合粗糙集模型中的复合关系,通过对信息系统中数值类型数据进行处理,并将其转换为区间值类型来简化复合关系,进而提出了一种改进的概率复合粗糙集模型及分布属性约简方法.最后通过实例验证了该方法的合理性.     

一般关系下的变精度粗糙集模型

通过分析一般关系下基本粗糙集模型的不足,定义了一般关系下的多数包含关系,借助引入的误差参数α(0≤α＜1/2),给出了一般关系下的变精度粗糙集模型.在该模型中,当α=0时,退化为一般关系下的基本粗糙集模型(Z.Pawlak模型);当|Rs(x)|·α=k时(|Rs(x)|表示元素x后继邻域Rs(x)之基数,k为非负整数),退化为常见的程度粗糙集模型.通过它与一般关系下基本粗糙集模型(Z.Pawlak模型)的比较,可以看出,在引入误差参数α后,能够使尽可能多的有用信息被提取、挖掘.从而克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失的现象,并讨论了所给模型的一些性质.最后,在所给模型基础上讨论了一种广义近似空间中集合的相对可辨性、近似依赖和属性约简.     

变精度上近似算子与程度下近似算子的差运算模型

探讨精度与程度的复合, 建立并研究新的粗糙集拓展模型.基于精度与程度的逻辑差需求, 提出了变精度上近似算子与程度下近似算子的差运算模型, 得到了变精度上近似算子与程度下近似算子的差运算的宏观本质、精确描述与基本性质.并用一个医疗实例说明了模型的意义和应用.变精度近似算子与程度近似算子的差运算模型, 部分地拓展了程度粗糙集模型和经典粗糙集模型.     

Markov逻辑网在重复数据删除中的应用

为了解决和突破现阶段重复数据删除方法大多只能针对特定领域,孤立地解决问题的某个方面所带来的不足和局限,提出了基于Markov逻辑网的统计关系学习方法。该方法可以通过计算一个世界的概率分布来为推理服务,从而可将重复数据删除问题形式化。具体采用了判别式训练的学习算法和MC-SAT推理算法,并详细阐述了如何用少量的谓词公式来描述重复数据删除问题中不同方面的本质特征,将Markov逻辑表示的各方面组合起来形成各种模型。实验结果表明基于Markov逻辑网的重复数据删除方法不但可以涵盖经典的Fellegi-Sunter模型,还可以取得比传统的基于聚类算法和基于相似度计算的方法更好的效果,从而为Markov逻辑网解决实际问题提供了有效途径。     

基于AHP-GRAP法的业主对施工承发包模式的优选

针对工程建设领域内业主所面临的一大问题,即在对施工承发包模式进行选择时如何才能作出最合理的决策,提出了采用层次分析法(AHP)和灰色关联度分析法(GRAP)两者相结合的方式,通过若干个层次和指标将定性问题定量化,利用层次分析法求出备选承发包模式各项指标的权重,利用灰色关联度分析法求出承发包模式各项指标与参考序列的关联度,为承发包模式的优选提供科学依据。实例分析表明,该方法是合理有效的。     

HLMGAN:分层学习的多奖励文本生成对抗网络

文本生成是自然语言处理的一项重要任务. 针对生成的文本大多缺乏多样性，且当生成文本过长时，文本生成的质量会有明显下降的问题，提出了一种采用Sentences and Words（SW）奖励机制的传递向量文本生成对抗网络. 首先，为生成器提出了层次结构设计，包括传递特征向量训练模块和生成向量训练模块，同时传递判别模型中真实文本特征向量给生成器的传递特征向量训练模块，由此来提高长文本生成的准确率，生成向量训练模块接收其生成词序列；然后，在训练过程中，使用关系存储核心代替传统的长短期记忆循环神经网络模型作为生成器，提高了模型的表达能力和捕获信息的能力；最后，采用SW奖励机制提高文本生成的多样性. 实验结果表明，分层学习的多奖励文本生成对抗网络（Generation Adversarial Network Based on Hierarchical Learning with Multi-reward Text，HLMGAN）模型在合成数据负对数似然度和双语互译质量评估辅助工具指标中均有所提升.     

基于线性规划逆优化模型的供应链资源优化配置支持系统研究

为帮助供应链合理组织企业资源,快速有效响应市场需求,设计开发了一个基于线性规划逆优化模型的供应链资源优化配置支持系统。系统内置的供应链资源优化配置线性规划逆优化模型的快速建模和求解模块以及专家决策支持模块,实现了面向市场的供应链资源快速优化配置,在实际应用中提供的生产计划调度和业务改进建议,有效缩短了供应链响应市场的周期,降低了成本。     

概率关系模型的应用研究

为了实现不完全信息的处理,以关系数据库中概率关系模型为基础,阐述了概率关系模型对数据库操作的影响,并给出了概率关系模型的语义和运算方法,此外对其的应用作了讨论.对数据库理论研究人员以及数据库程序开发人员有一定的参考作用.     

受噪声影响的模糊样本学习理论的关键定理

统计学习理论是一种较好的小样本统计理论,它所处理的数据是随机样本.考虑到现实世界的模糊性,把统计学习理论中的样本从随机样本扩展到模糊样本既有理论意义又有应用价值.然而目前基于模糊样本的统计学习理论的研究,总是假定所处理的样本不受噪声的影响,从而不会引起误差,但由于人为、环境等因素的影响,事实往往并非如此.基于此种考虑,本文给出了受噪声影响的模糊样本的统计学习理论的关键定理.     

多媒体网络环境下大学英语教学模式的探讨

大学英语教学改革的目标是培养学生英语的综合运用能力,特别是听说能力。其中一个重要组成部分就是要改革传统的教学模式,建立基于计算机网络的英语多媒体教学模式。本文以人本主义理论、建构主义理论为主要依据,结合外语教学特点,从多媒体视角探讨了多元化英语教学模式。包括情境创设模式、自主学习模式、电子交互模式、合作探究模式,以期对外语教学实践提供新的思路和视角。     

英语视听专题学习网站的建设与应用

专题学习网站是在因特网环境下,围绕某一专题进行较为广泛深入研究的资源学习型网站,是信息技术与学科整合为一的新视点。本文论述了英语视听专题学习网站的建设原则、系统结构和应用模式。     

关于整数线性规划全部最优解的一个注记

研究在整数线性规划基最优解已经求出且不唯一的条件下,如何求整数线性规划的全部最优解问题.当整数线性规划具有两个基最优解时,文章给出其全部最优解的个数公式及求全部最优解的一个有效算法.     

目标等值面切割定界与割平面法结合求解整数规划

把目标等值面切割定界原理与Gomory的割平面法结合起来求解整数线性规划(ILP)问题．首先通过目标函数等值面的平行移动来切去(LP)可行域中含其非整数最优解但不含(ILP)可行解的“无用部分”;然后,应用Gomory的割平面在通过(ILP)最优解的目标等值面上切割其最优解。