一种具有对称性的变精度粗集模型

为了能够从不完备决策表（IDT）中进行知识发现和数据挖掘，提出一种新的具有对称性的双重可变精度限制容差关系粗集模型（VPLTRsT）．在该模型中，设定一对可调的参数使其作用于由IDT衍生出的限制容差关系，从而形成上下近似集．文中还提出新的在该模型下的知识依赖以及依赖度的定义，并以此作为依据进行知识约简．结合实例，清晰详实地展示了双重精度下如何获得所有知识约简并最终获得决策规则的全过程，具有很好的效果．     

基于决策依赖度的粗糙集约简模型研究

为寻求高效的粗糙集约简模型,基于可分辨关系提出决策分辨约简、依赖性和依赖度等概念.与以往粗糙集约简模型相比,为提高约简精确性,提出性能为O(|P‖U|)的等价类划分方法和性能为O(|P‖U/C|)的属性重要性度量方法.同时给出了相关定理和等价命题,论证了传统决策约简模型和决策分辨约简模型的一致性.并基于属性重要性给出性能为O(|C|~2|U/C|)的求核方法和性能为Max{O(|C‖U|),O(|C|~2|U/C|)}的约简模型.新模型充分考虑了核属性和其他属性间的关联,从而有效降低冗余率,解决了对比模型存在的问题.理论和仿真实例分析表明新模型高效且结果准确率高.     

LR语法分析器的可视化交互式动态仿真

LR分析器及其语法制导的翻译方法是编译原理课程教学中的重要内容,其分析器的内部结构复杂,工作原理很难被学生直观地理解和掌握.描述一个在Windows平台上独立开发的可视化、交互式的LR分析器动态仿真软件工具.该工具的新颖之处在于它实现了众多高层概念的可视化,支持LR分析器的单步执行和仿真,并允许为产生式附加断点,特别是允许断点插入在产生式右部的任意文法位置.此工具已应用于编译原理的课程教学,亦可用于开发、编写和调试以YACC为代表的LALR(1)分析器生成系统的输入文法规约.     

基于功能依赖的网络信息体系建模及重心分析

功能依赖是大型复杂系统性能或体系能力生成的重要影响因素之一, 各类要素实体间功能依赖关系的表示、识别和度量是复杂体系研究的重要问题。通过对网络信息体系(networked information system of systems, NISoS)中要素系统间交互行为的依赖性分析, 基于功能依赖网络(function dependency network, FDN)构建了NISoS依赖网络模型(dependency network model of NISoS, DNMN)。综合考虑NISoS作战属性与任务完成效果, 提出了体系节点重要性的度量指标, 在此基础上给出了一种体系重心度量方法。最后, 通过某海上方向联合作战NISoS实例计算, 演示验证了提出的体系模型和重心度量方法的有效性。     

基于开裂区平均化方法的混凝土开裂特性

为研究混凝土试件的开裂特性,基于细观力学理论对传统平均化方法进行了改进,提出了开裂区平均化方法。利用不同的平均化方法对级配与粒径分布相同的不同尺寸试件进行计算分析,研究混凝土试件的开裂特性和开裂尺寸依赖性的产生机理。结果表明,开裂区平均化方法能够得到具有尺寸一致性的、表征试件开裂破坏全过程的开裂特性曲线,可确定重要开裂计算参数;开裂尺寸依赖性的出现是由于在试件尺寸变化时,试件中占较小空间的局部开裂区大小及其力学特性基本不受尺寸变化影响,而占较大空间的线弹性区大小及其力学性能却受尺寸变化影响较大,导致整体宏观响应受尺寸变化较大,并由此产生尺寸依赖性。     

融合BiLSTM的双图神经网络文本分类模型

采用图神经网络模型为整个语料库构建异构图处理文本分类任务时，存在难以泛化到新样本和词序信息缺失的问题。针对上述问题，提出了一种融合双图特征和上下文语义信息的文本分类模型。首先，为每个文本独立构建共现图和句法依存图，从而实现对新样本的归纳式学习，从双图角度捕获文本特征，解决忽略单词间依存关系的问题；其次，利用双向长短期记忆网络（bi-directional long short-term memory，BiLSTM）编码文本，解决忽略词序特征和难以捕捉上下文语义信息的问题；最后，融合双图特征，增强图神经网络模型的分类性能。在MR，Ohsumed，R8，R52数据集上的实验结果表明，相较于经典的文本分类模型，该模型能够提取更丰富的文本特征，在准确率上平均提高了2.17%，5.38%，0.61%，2.48%。