面向高维小样本数据的层次子空间ReliefF特征选择算法

高维小样本数据的特征维数远远高于样本数,因为其通常包含大量的冗余特征,ReliefF算法在处理这类数据时存在以下挑战：传统ReliefF算法无法剔除冗余特征,而现有的改进ReliefF算法大多通过启发式地计算特征与特征之间的互信息来剔除冗余特征,不适用于高维数据;通过截取与标记相关性最大的若干特征来进行分类,可能不是最优选择,因其没有考虑不同特征组合对分类性能的影响.为了解决以上问题,提出一种基于层次子空间的ReliefF特征选择算法,将原始特征集划分为具有层次结构的子空间,并利用邻域粗糙集理论来计算低层子空间的局部依赖度,能在高维小样本数据上高效率地批量剔除冗余特征.此外,为了考量不同特征组合对结果的影响,引入“局部领导力”的概念,保留部分子空间中“带队”能力较强的特征,从局部和全局的角度共同给予特征更加客观的评价.在六个微阵列基因数据集上的实验表明,与现有方法相比,提出的方法更高效,而且能保持良好的分类性能.     

Hamilton二部图的一个充分条件

证明了当设G=(X,Y;E)是连通二部图,｜X｜=｜Y｜=n!5,且δ(G)≥2,若NC2≥n-1,则G是Hamilton图。     

杨忠道定理在算子开集理论下的推广

将开集理论中的杨忠道定理推广到算子开集理论中,建立了算子杨忠道定理,并讨论了它的应用。     

数理科学与化学——哈密尔顿连通图和邻域并条件(Ⅰ)

记G=(V,E)是简单图,δ表示图G的最小度,NC=min{|N(x)∪N(y)|:x,y∈V(G),xy(?)E(G)},NC_2=min{|N(x)∪N(y)|:x,y∈V(G),d(x,y)=2}。1989年Faudree等证明了:若3连通n阶图G,NC≥(2n+1)/3,则G是哈密尔顿连通图。据此进一步研究NC_2≥(2n+1)/3,而且研究到2连通图,得到下面结果:若2连通n阶图G,NC_2≥(2n+1)/3,则G是哈密尔顿连通图或G=φ。     

有关Hamilton图与连通度的一个充分条件

利用插点方法和H-序列,证明了如果G是n阶简单图,k=k（G）≥k≥2．而（a1,a2,…,ak＋1）是H-序列,若对于任意的Y∈Ik＋1^（e）（G）,有∑i=1^k＋1aisi（Y）＋sk＋1（Y）〉n＋k＋k-3,则G是Hamilton-图,该定理也是对这方面已有的某些定理的有效推广。     

中段高精度弹道预测方法研究

信息交链是防空反导作战中的关键技术。由于雷达特性的不同,需要雷达间协同工作,相互引导完成对弹道导弹的拦截,而提高预测精度能够为交班雷达提供高精度的速度与位置信息,从而快速准确地截获目标。从中段弹道出发,首先介绍了三种重要的坐标系;然后提出了一种新的弹道预测算法,最后对算法进行仿真。对比老式算法,证明其可行性和高精度性。     

基于偏序集的连续映射

基于实数集R的经典邻域的概念,引入了一个新的基于偏序集P的邻域的概念,随后定义了一个从P到R的映射的极限和连续的新概念,并在偏序集的背景下验证了连续函数的各种经典结论,例如有界性、介值定理等等。     

面向对象删除的局部邻域粗糙集动态更新算法

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效性,使用来自UCI的6组数据集进行了对比实验。     

基于协同时隙分配的非劣邻域免疫系统

协同地面延误程序(CDM GDP)是一种用来解决机场供给突发下降而造成大面积航班延误问题的高效、公平的空中交通流量管理措施。协同时隙分配作为CDM GDP的核心,包括初次分配和再次分配问题,其关键在于重新有效、公平、合理地分配时隙。分析了非劣邻域免疫算法(NNIA)的特性,将其应用于协同进离场时隙分配中,构建基于协同进离场时隙分配的多目标优化非劣邻域免疫系统模型。仿真实验表明,该模型能够在使航空公司承担损失相对均衡的前提下,使其延误损失及时间降至最小,实现容量充分利用,满足时隙有效分配,具有一定的经济价值及研究意义。