在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

删失试验寿命的贝叶斯生存极值回归模型

针对删失寿命试验数据缺少随机变量尾部分布和常规删失数据分析对长寿命区高可靠度估计不准确的问题,构建了一个结构元件寿命分布的贝叶斯生存极值回归模型。运用MCMC方法与Gibbs抽样获得参数后验分布的基本原理,借助数据仿真说明了利用WinBUGS软件包进行建模分析的过程,证明了该模型在删失试验中的直观性和有效性。研究结果表明:利用Gibbs抽样进行模拟分析,能很方便地得到模型参数的相关估计。     

不完备系统中基于特征关系的知识约简

以同时具有丢失型和遗漏型未知属性值的不完备系统为研究对象,根据特征关系讨论了其中的知识约简问题.在不完备决策系统中,引入了近似分布约简的概念并给出了相应的判定定理与辨识矩阵,为从复杂的不完备系统中获取知识提供了新的理论基础与技术手段.     

远程教育中基于粗糙集的聚类算法

针对目前远程教育中个性化教学水平较低的问题,提出了一种基于粗糙集的Web学习者聚类算法,并应用粗糙集的约简方法解决了学习者特征数据中的属性冗余问题,提高了聚类算法的效率,从而提高了远程教学网站的个性化教学水平.     

贝叶斯规整化神经网络预测苯取代物的毒性

利用贝叶斯规整化神经网络(BRNN)研究了59种苯取代的环境毒性和分子结构的关系.建立了基于脂水分配系数和4种量子指数的QSAR环境毒性预测模型.结果表明:该模型的预测性能超过偏最小二乘法(PLS)和逐步线性回归方法,残差分析显示其稳定可靠,有望成为一种良好的苯取代物毒性的环境评价和预测的方法.     

基于粗糙集属性约简的文本分类

基于属性约简的方法,放弃以往复杂的规则匹配算法,提出将约简后的多种属性组进行析取,筛选特征项,并构造分类器.实验结果表明,此算法不仅简单,还能降低维数和提高分类结果.     

一种基于Rough sets生成决策树的算法改进

介绍了决策树算法的含义和构筑方法，对基于加权平均粗糙度构造决策树算法进行改进，通过实例说明了改进算法的优势。     

基于提升的BAN组合分类器

提升是一种有效的分类器组合方法,它能够提高不稳定学习算法的分类性能,但对稳定的学习算法效果不明显.BAN(BN augmented Nave-Bayes)是一种增强的贝叶斯网络分类器,通过提升很容易提高其分类性能.文中比较了GBN(general BN)和BAN的打包分类器Wrapping-BAN-GBN与基于提升的BAN组合分类器Boosting-BAN,最后通过实验结果显示了在大多数实验数据上,Boosting-BAN分类器显示出较高的分类正确率.     

基于可变精度粗糙集的规则挖掘矩阵算法

提出了一种基于可变精度粗糙集的规则挖掘矩阵算法,它是一个采用基于分类精确度的粗糙集模型进行决策规则挖掘的新方法,能有效地处理决策表的不一致性。实例结果和实际应用表明该算法是有效的,为信息系统的规则约简、获取和信息压缩提供了新的思路。     

空间杆系结构的单元分组及统计损伤识别方法

提出一种基于应变模态的空间杆系结构统计损伤识别方法.为了减少待识别单元的数量,根据相似度对所有单元进行分组,从而将结构的损伤识别分两步实行首先识别出所有可能损伤单元的范围,然后再进行结构损伤的定位和损伤程度的估计,其中,对于较深程度的损伤,采用应变模态的修正摄动矩阵,最后采用数值仿真分析进行了验证.