基于泛函网络的组合推荐算法

在研究组合算法的基础上,提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题,给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立,利用泛函神经元的自学习、自组织和自适应能力,进一步优化推荐结果,较大地提高了系统的推荐准确度. 最后,将算法应用于Movielens推荐系统中,计算机仿真实验结果表明,本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

复杂网络中连通支配中心性的计算

分析了现实生活中对重要节点的需求背景,对连通的网络模型提出了一种新型中心性评价指标,连通支配中心性。该中心性利用网络连通支配集的"连通"和"支配"两大特性,通过循环构建点导出支配子图的连通支配集,生成一棵支配关系扩展有向树。然后基于各节点在该有向树中的支配层次数,支配数和支配边权值3方面的属性,设计了反映节点支配能力强弱的中心性计算公式。最后以合作关系图为例进行相应实验,发现连通支配中心性比较高的节点不仅构成了网络的骨干网,能较好地维持网络基本形态,而且能桥接几个不同研究分区,起到一定的中介作用,体现了网络中节点的组织控制能力。     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型，模型中，同时考虑了发电费用最少及网损最小等多重目标，针对该模型，还提出了一种基于神经网络模型的新算法，该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解，从而将模糊优化同神经网络有机地结合起来，通过算例对所提模型及算法进行了验证。     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

平面上一类特殊齐次Moran集的Packing维数下界

研究构造了平面上一类特殊的齐次Moran集,通过分析其结构并利用分形几何中计算维数的方法和技巧,证明得到了它们的Packing维数下界。     

强G-预不变凸函数的性质研究

给出了强G-预不变凸函数的一些新的性质,这些性质在数学规划中有着重要的应用.     

帐篷映射归宿的完整性探析

应用三进制方法完整地研究了帐篷映射的动力学特性．当初值x0=0，1时，经帐篷映射迭代后的最终归宿为x∞→0；当x0 [0，1]时，x∞→-∞．当x0∈（O，1），x0为有限位小数时，x0→0或-∞；当x0为循环小数时，x∞将处在周期轨道上或趋于-∞；当x0为不循环小数时，x∞将处在混沌轨道上或趋于-∞．     

全功能联结词集合的计算机实现

对数理逻辑中的各种联结词所构成的集合进行了讨论,并用计算机编程进行理论推导,把逻辑推理转化为计算机能够实现的0,1运算,用计算机实现了逻辑推理的全过程.得到的主要结果是:全功能联结词集合一共11个,其中,一阶全功能联结词集合2个;二阶全功能联结词集合7个;三阶全功能联结词集合2个;没有四阶及四阶以上的全功能联结词集合.这便修正了近年来有关全功能联结词的一个错误结论.     

相交格子集合边界探寻及其Matlab实现

给出一种针对标准正六面体格子集合中探寻两个格子集合公共边界的算法,并利用这种算法在上得到相应边界图示.在两个集合个数分别为和的情况下,算法的时间复杂度以及空间复杂度均为O(mn).