最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

DIDSS环境下信息agent系统任务规范的分解

提出一个基于GDF(扩展决策函数)的多agent任务规范分解判据，提出多agent的任务规范分解性质；将多agent任务规范分解问题等价为建立一个与信息agent任务规范属性相关的MSBN(多模块贝叶斯网)问题，并证明了MSBN的d-cutset(d-割集)和分解判据之间的关系，提出了与多agent任务规范对应的MSBN的分解方法．最后通过示例验证了所提出的方法的可行性。     

一种新的计算机视觉算法

受蚂蚁金服计算机视觉项目组委托,为了提高计算机视觉的识别效率和准确率,利用机器学习的思想开发自动进化图像学习机,将MATHEMATICA Cloud作为改学习机的计算云、搜索云,将学习函数和决策函数嵌入到学习机中,从而实现由学习机录入图像并导入MATHEMATICA Cloud进行计算和搜索的功能,利用搜索结果来锻炼学习机的学习函数,利用计算结果来锻炼学习机的决策函数,从而实现高效率的识别速度与高准确率的识别效果.基于蚂蚁金服提供的验算实例进行仿真实验,并从计算速度、收敛情况、识别精度等方面同现在常用的识别算法进行对比,结果显示:新算法的图像识别能力颇佳,与传统算法相比,新算法具有更快的计算速度、绝对收敛性和远高于传统算法的识别精度.     

一种新的不完备信息系统属性约简算法

针对不完备信息系统提出一种基于粗糙集理论的属性相对约简方法。利用粗糙集等价关系的扩展,即容差关系为基础提出容差关系相似矩阵的概念,通过引入广义决策函数的限制来解决不完备信息系统约简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,利用属性在容差关系相似矩阵中出现的频率给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简速度。实验表明该方法简单、有效。     

两类决策系统中规则获取的联合决策矩阵算法

提出了联合决策矩阵的概念以及基于联合决策矩阵的两类决策系统规则获取算法.将条件属性等价矩阵和决策属性等价矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,能有效提高算法的效率.用一个实例说明了算法的执行过程,并通过算法复杂度分析与实验结果对比,进一步说明了该方法的有效性.     

度约束最小生成树(DCMST)的竞争决策算法

度约束最小生成树是网络设计和优化中的一个NP难题，介绍了一种基于竞争造就优化和决策左右结果的新型算法——竞争决策算法，利用竞争决策算法的通用模型，给出了一种基于竞争决策思想求解度约束最小生成树的快速求解方法，经过数据测试和验证，并与其它算法的结果进行了比较，得到了较好的结果．     

基于扩展决策函数的信息系统的属性分解

信息系统是一个二元组,包括个体论域和属性集。对信息系统进行属性分解的目的是使分解的子信息系统能方便地利用RoughSet等工具进行处理;用子信息系统知识单元存储而用于局部推理;同时降低系统推理的复杂性。针对这一问题提出了一个基于GDF(扩展决策函数)的信息系统属性分解判据,提出并证明了信息系统属性分解性质。最后通过示例验证了所提出的方法。     

一种基于支持向量机的并行训练策略

针对基于支持向量机的分类器训练时间过长问题,提出一种并行训练策略.该策略在并行程序设计上采用主从模式,将训练任务划分成若干个子任务,分配到多个从节点上计算,最后由主节点将各从节点上的训练结果收集,生成分类器模型.采用这种算法,使用了多组稀疏型和连续型的数据集,经过在自强3000高性能计算机上测试,实验结果表明该算法不仅能够保证多分类的高准确率,而且缩短了训练时间.     

一种改进的支持向量机及其在图像分割中的应用

多类支持向量机在实际应用领域是一个非常重要的问题。广泛应用的多类SVM方法包括：一对一、一对多和DAG等。众多实验表明一对一方法通常具有较高分类准确率,但传统一对一方法测试时间较长限制了其在大数据量识别任务中的应用。针对一对一支持向量机方法进行了改进,提出了一种改进的支持向量机,并采用其对多目标图像进行了分割研究。实验结果表明,支持向量机方法是一种很有前景的图像分割技术。     

一种基于离散马尔可夫过程的诊断风险模型

文章建立了一个基于贝叶斯公式和马尔可夫链的诊断模型,并根据中国现有的医疗管理体制进行假设检验,对假设结果进行评价。在分类过程中应用贝叶斯决策,将医疗诊断简单情况下的二值分类进行研究,同时依据分类平均风险最小的原则给出了分类的决策函数,并应用贝叶斯理论和马尔可夫过程进行讨论。实验证实了在我国建立强制医疗责任保险制度的正确性与必要性。