多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

温控系统模糊控制器的参数自整定和规则的优化分析

在设计、调试温度模糊控制器时，根据被控对象的控制特性，实现了模糊控制器的参数的自整定，并对模糊规则实现了一定的优化。     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于Apriori算法的多维关联规则挖掘研究

关联规则是数据挖掘中的一个重要研究方向.经典的Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法,但其并不适合挖掘近年来兴起的多维数据模型.在改进Apriori算法的基础上,提出了一种"二次剪枝"的算法,此算法适用于挖掘多维关联规则,并且在一定程度上提高了算法效率.     

论侵权冲突法一般规则的新发展——以《罗马规则Ⅱ》为视角

2007年欧盟《非合同之债法律适用条例（罗马Ⅱ）》酝酿近三十年后瓜熟蒂落,这预示着侵权冲突法纷乱时代的结束。虽然罗马Ⅱ涵盖了侵权、不当得利、无因管理和缔约过失的冲突法,但重心和绝大多数篇幅集中于侵权冲突法,且有望成为侵权冲突法发展史上的里程碑。对比罗马Ⅱ与中国侵权冲突法中侵权行为地法的适用,有助于我国在当下的国际私法立法中构建科学合理的侵权冲突法的一般规则。     

关联规则挖掘技术在冠心病诊断中的应用

针对传统的关联规则算法挖掘效率低且产生的频繁项集庞大的缺陷,提出一种改进的基于直接频繁闭超项集理论的关联规则挖掘算法。该算法针对候选频繁闭项集具有快速检测闭合性和缩减查找范围的优势,有效地提高了挖掘效率。在冠心病诊断中的应用结果表明,该算法可有效地挖掘冠心病诊疗规则。     

浅析航海过失和管货过失

《海牙规则》确立了海运承运人对航海过失造成的货损免责，航海过失可分为驾船过失和管船过失。但承运人对管货过失造成的货损应承担赔偿责任。区分航海过失，尤其是管船过失与管货过失，成为一项极其重要的任务。近百的来，有关于此的争议不同涌现，国际上要求废除航海过失免责的呼声日益高涨，《汉堡规则》虽废除了航海过失免责，但亦未被国际社会所接受。文章探讨了航海过失与管货过失的区分标准，并尝试建立一种新的承运人责任制度。     

集群系统中基于MPI的关联规则快速挖掘算法

集群系统是一种分布存储系统,它主要利用消息传递方式来实现各结点之间的通信.在集群系统中通过利用MPI中的消息传递调用接口,提出了一种基于二进制形式的数据存储和计算的高效并行挖掘算法,通过对数据对象进行一些"或"、"与"、"异或"等逻辑运算操作,降低了算法的实现难度,减小了网络通信量,提高了挖掘效率,具有较好的可行性和可扩展性.     

基于规则的交互上下文预测基于规则的交互上下文预测

为了改进当前上下文预测中由于缺乏对交互情况的考虑所导致的不完全预测问题,提出了基于规则对交互上下文进行预测的方法．给出了交互上下文的定义及使用本体对交互上下文进行建模的方法．在基于规则的交互上下文预测架构中,利用交互规则发掘算法和交互预测算法等推理计算得出交互规则,根据得到的交互规则对交互上下文进行预测．该方法的使用合理地改进了传统的上下文模型,从根本上系统地解决了传统的上下文预测的局限性问题,有效地提高了上下文预测的能力．