凝聚亮点独运匠心——陈昌来《现代汉语语义平面问题研究》读后

《现代汉语语义平面问题研究》立足于句子的语义平面,贯彻形式和意义相结合、静态和动态相结合、结构和功能相结合的原则,全面系统地探讨句子的语义结构和语义成分的构成情况,并将其与句法、语用联系起来,给人以诸多有益的启迪。     

一类不确定性决策问题的变权分析方法

以灰色系统理论和模糊数学为基础,探讨了多属性决策问题中所包含的不确定性可以用灰色模糊数表示的情况,提出了基于灰色模糊信息的多属性决策的概念.利用分析方法和技巧,融合变权和熵权误差分析法,构建了灰色模糊多属性决策问题的算法,直接由灰色模糊决策矩阵确定变权的基础权重和上确界,使算法在理论上更加严谨可靠,为不确定型多属性决策方法研究提供了一条新思路.给出的算例说明了算法的可行性.     

基于概念格的神经网络日最大负荷预测输入参数选择

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高...     

函数的可导性及其判定方法

本文利用函数的导函数在某点处的左、右极限,研究了函数在该点处的可导性,得到了两个判定条件,同时给出了两个简便的判定一类函数在某点处可导或右(左)可导的定理。     

面向用户需求的覆盖约简模型

许多学习算法都存在这样一个偏置：属性集中的属性同等重要.然而,这种假设不一定实际.如果把属性集中的属性根据实际情况考虑为分别具有不同的重要性,那么由此获得的模型应该更合理,也有不少学者将此考入到算法中.文章将计算属性约简的问题转化为计算集合覆盖约简问题的思想,通过将描述用户需求或偏好的属性序纳入考虑,设计了基于用户需求的覆盖约简算法,并且对计算复杂性分析.最后运用实例验证了算法的可行性和有效性.     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

渐近非扩张映象的修正Reich-Takahashi迭代的收敛定理

研究Banach空间中渐近非扩张映象和非扩张映象的具随机误差的修正的Reich-Takahashi的迭代序列的收敛问题,给出了第一型具随机误差的修正Reich-Takahashi迭代序列强敛到不动点的充要条件,所得结果推广和改进了已有文献的相关结果．     

基于关系积的属性约简算法

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现.     

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。