一种基于粗糙集的朴素贝叶斯分类算法

朴素贝叶斯分类器的计算过程只有在完全数据库中才成立,而基于相似关系的粗糙集模型具有处理空值的功能,并且提供了属性离散化和约简技术,可以改善属性间的依赖关系。因此,将两种不同的软计算方法相结合,利用粗糙集合理论先把决策表补齐,再对数据进行约简,然后结合朴素贝叶斯分类器,得出分类结果。实验证明这种方法不仅简化了数据和模型的规模,也具有对不完全数据的分类能力。     

复杂动态网络模型研究进展

对复杂动态网络模型的研究现状做了综述,总结了复杂网络的演化机制与属性特征,提出了以复杂动态网络为虚拟计算平台和理论基础,开展大型Ad Hoc网络、传感器网络的网络性能、网络规划、信号增强、拓扑优化的一系列研究课题.     

权重信息不完全的区间数多属性决策GRA方法

针对属性权重信息不完全,且属性值以区间数形式给出的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果。最后给出一个数值例子,结果表明该方法简单、有效并易于计算。     

A QUANTIFIER-ELIMINATION BASED HEURISTIC FOR AUTOMATICALLY GENERATING INDUCTIVE ASSERTIONS FOR PROGRAMS

A method using quantifier-elimination is proposed for automatically generating programinvariants/inductive assertions.Given a program,inductive assertions,hypothesized as parameterizedformulas in a theory,are associated with program locations.Parameters in inductive assertions arediscovered by generating constraints on parameters by ensuring that an inductive assertion is indeedpreserved by all execution paths leading to the associated location of the program.The method can beused to discover loop invariants-properties of variables that remain invariant at the entry of a loop.Theparameterized formula can be successively refined by considering execution paths one by one;heuristicscan be developed for determining the order in which the paths are considered.Initialization of programvariables as well as the precondition and postcondition,if available,can also be used to further refinethe hypothesized invariant.The method does not depend on the availability of the precondition andpostcondition of a program.Constraints on parameters generated in this way are solved for possiblevalues of parameters.If no solution is possible,this means that an invariant of the hypothesizedform is not likely to exist for the loop under the assumptions/approximations made to generate theassociated verification condition.Otherwise,if the parametric constraints are solvable,then undercertain conditions on methods for generating these constraints,the strongest possible invariant of thehypothesized form can be generated from most general solutions of the parametric constraints.Theapproach is illustrated using the logical languages of conjunction of polynomial equations as well asPresburger arithmetic for expressing assertions.     

我国体育仲裁制度的构建与规范刍议

体育仲裁是一种特殊类型的仲裁,有其自身的特点和法律属性.体育仲载制度应包含受案范围、仲裁机构、管辖、仲裁程序等内容.为了规范体育仲裁应重视几项工作：必须确保体育仲裁机构的独立,保证仲裁的公正性;建立高效的体育仲裁工作机制,保证仲裁的效率;注重体育仲裁员队伍素质,保证注重仲裁质量.     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则，提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念，通过设定相容阈值给出知识的粗糙下近似、上近似和边界域，然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

基于模糊C均值聚类的粗集理论连续属性的离散化新算法

讨论模糊C均值聚类算法在决策表条件属性对决策属性的相容程度的指导下对粗集理论中的连续属性进行离散化的一种新算法。该算法充分考虑属性之间的相关性，将所有连续属性转化为矩阵同时处理，能明显提高传统动态层次聚类算法离散化过程的速度。算法测试结果表明，新算法能较好地保留有效属性，提高离散化精度。     

新的三类Abel型微分方程的求积定理

借助变量替换法、交换变量位置法、高次二项式定理等方法，在一定条件下，给出新的三类Abel型微分方程，论证它们的可积性，并提供其通积分的表达式，扩充了微分方程的可积类型．