基于模糊软集合理论的文本分类方法

为提高文本分类精度,提出一种基于模糊软集合理论的文本分类方法。该方法把文本训练集表示成模糊软集合表格形式,通过约简、构造软集合对照表方法找出待分类文本所属类别,并针对文本特征提取过程中由于相近特征而导致分类精度下降问题给出一种基于正则化互信息特征选择算法,有效地解决了上述问题。与传统的KNN和SVM分类算法相比,模糊软集合方法在文本分类的精度和准度上都有所提高。     

基于二进制的集合运算研究

通过比较二进制与集合之间的内在联系,提出了基于二进制的集合运算思想,给出了基于二进制的各种集合运算算法,该算法有效解决了传统集合操作算法中运算速度慢,效率低的不足,并提供了求幂集,交集,并集等集合运算算法的c语言源程序。     

基于多色集合理论的两系统间互操作方法

针对两信息系统间的互操作问题,提出了一种基于多色集合理论的系统互操作形式化研究的方法,给出了基于多色集合理论的两系统间的互操作研究步骤.首先,介绍多色集合理论并对其围道进行分割以体现研究对象的静态属性和动态性质,并给出单元素多色集合的概念及其聚合运算;其次,根据多色集合理论及其扩展,给出了两信息系统间的互操作研究步骤：分别对互操作的两系统进行单元素多色集合描述,然后再通过两系统的单元素多色集合的并运算来体现整体.最后,通过医疗领域的医疗信息系统HIS与检验信息系统LIS间的互操作为实例验证该形式化方法的有效性.     

关于集合运算的数据结构和算法

本文探讨适合于表示集合的数据结构，提出一系列与集合有关的算法，并分析算法的时间复杂性。     

基于多相似性度量和集合编码的属性对齐方法

属性对齐的目标是发现异构知识图谱中表示同一概念的属性之间的对应关系,是实现跨图谱知识融合的关键技术之一。现有模型通常利用基于规则和词嵌入的方法进行属性对齐,但这些方法仍存在以下两个问题:相似性度量不全面和属性实例信息未被充分利用。针对上述问题,该文提出了基于多相似性度量的属性对齐模型,通过多个角度设计相似性度量方法来获取属性间的相似性特征,并利用机器学习模型进行特征聚合。同时,为了充分利用属性的实例信息,在上述模型框架下提出了属性实例集合表示学习算法,通过将属性实例集合编码为向量来提取集合间的主题相似性,从而辅助属性对齐。在属性对齐数据集上的实验验证了模型的有效性,实验还表明,集合的表示学习算法能够有效捕捉属性实例的主题特征,并显著提升属性对齐结果。     

集合游程编码算法介绍与实验分析

游程编码是一种无损压缩算法,其简单、易于实现的特性也使它得到了广泛的应用.传统的游程编码选取固定的阈值区分特征字符和非特征字符,限制了压缩率的提高.从集合论的角度研究游程编码,提出了一种新的游程编码算法一集合游程,算法中不再使用阈值,而将全域字符划分成两个互不相交的集合,分别为特征字符和非特征字符,通过对特征字符进行合理的映射来表示连续出现次数,将游程编码算法的效率利用到了极限.最后,给出了集合划分的方法,并编程进行了验证,与原游程编码算法进行了比较.     

C＋＋上的集合与序列运算的一种实现

作者通过在Ｃ＋＋系统中增设一个独立的集合类模板和一个独立的序列类模板，提供了Ｃ＋＋上的集合与序列运算的一种新的实现方法，从而可以实现任意数据或对象类较全面的集合与序列运算。     

粒的位表示及其在属性约简中的应用

粒计算是一种新的软计算思想,它涵盖了所有和粒度相关的理论、方法和技术.提出了一种信息粒的位表示方法,从而将繁琐的集合运算转化为更适于计算机运算的二进制数的逻辑运算,并基于此提出了一种新的属性约简算法.实验结果表明,该算法在时间上较当前的其它同类算法具有更高的效率.     

扩展D算法

本文以集合运算为基础,提出扩展D算法。通过九值集合运算,特别是集合的逆映射,直接导出各种立方表,然后同D 算法一样,对故障的测试立方进行D 驱赶和一致性相交运算,求出故障的测试。算法保留了九值算法,主通路法,和星算法等现存算法的优点。可用于求组合线路多故障和时序线路的测试。扩展D 算法简便直观,更便于工程实现,已在IBM 370/148机上用PL/I 语言实现了一个插件测试码生成系统。     

集合随机抽选法在智能组卷中的研究

提出了一种基于集合的随机抽选的智能组卷算法,该算法是以集合论为基础,将智能组卷的要求形式化,将满足要求的试题组成试题库集合,采用集合随机抽取算法进行试题组卷.该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由算法所引起的修改操作困难提出了解决方法.将用户的组卷要求用集合的形式描述出来,满足要求的试题被组成试题库集合,采用集合随机抽取算法进行自动组卷.     

一种高效的经验回放模块设计

针对深度Q网络（DQN）应用中基于python数据结构直接实现的经验回放过程时常成为性能瓶颈，提出一种具有高性能及通用性的经验回放模块设计方案。该设计方案具有两层软件结构：底层的功能内核由C++语言实现，以提供较高的执行效率；上层则由python语言编写，以面向对象的方式封装模块功能并提供调用接口，使模块具有较高易用性。针对经验回放所涉及的关键操作，一些技术细节被充分研究和精心设计，例如，将优先级回放机制作为附属组件与模块的主体运行逻辑分离，将样本的可抽取性验证提前到样本记录操作中进行，使用高效的样本淘汰策略与算法等。这些措施使模块具有较高的通用性和可扩展性。实验结果表明，按照该模块实现的经验回放过程，整体执行效率得到了充分优化，两个关键操作——样本记录与样本抽取，皆可高效执行。与基于python数据结构的直接实现方式相比，所提模块在样本抽取操作上的性能提升了约100倍，从而避免了经验回放过程成为整个系统的性能瓶颈，满足了各类DQN相关应用项目的需要。     

基于分辨能力指数的属性约简算法

在粗糙集理论研究的诸多方面中,属性约简是其核心问题之一.为寻求高效、快捷的属性约简算法,从粗糙集理论出发,在可分辨关系和对象差异矩阵概念的基础上,构造出"基于分辨能力指数的启发式约简算法".算法采用自底向上的方法,以属性集的核作为求解约简的基础,利用分辨能力指数信息作为属性选取的依据.算法简化了计算,无需生成中间结果,没有增加系统的时空开销.最后,UCI数据集的测试结果表明,启发式约简算法有效、可行.     

The Flexible, Extensible and Efficient Toolbox of Level Set Methods

Level set methods are a popular and powerful class of numerical algorithms for dynamic implicit surfaces and solution of Hamilton-Jacobi PDEs. While the advanced level set schemes combine both efficiency and accuracy, their implementation complexity makes it difficult for the community to reproduce new results and make quantitative comparisons between methods. This paper describes the Toolbox of Level Set Methods, a collection of Matlab routines implementing the basic level set algorithms on fixed Cartesian grids for rectangular domains in arbitrary dimension. The Toolbox’s code and interface are designed to permit flexible combinations of different schemes and PDE forms, allow easy extension through the addition of new algorithms, and achieve efficient execution despite the fact that the code is entirely written as m-files. The current contents of the Toolbox and some coding patterns important to achieving its flexibility, extensibility and efficiency are briefly explained, as is the process of adding two new algorithms. Code for both the Toolbox and the new algorithms is available from the Web.     

基于幂图的属性约简搜索式算法

粗糙集理论是一种新的处理不精确、不完全与不一致数据的数学工具.属性约简是粗糙集理论的重要研究内容之一,已有的属性约简算法主要是基于代数表示与信息表示的方法.同一问题在不同的知识表示下,其求解难度是不同的.文中从改变属性约简问题的知识表示人手,提出了该问题的一种新的表示方式--幂图;给出了基于幂图的属性约简搜索式算法,把属性约简计算问题转化为在幂图中的搜索问题.理论分析表明新算法是有效的,为属性约简研究提供了一条新的途径.     

基于改进量化约束集的块效应消除算法

低比特率时,基于块离散余弦变换（BDCT）的图像压缩方法常常会引起块效应。量化约束集（QCS）作为关于编码模型的重要先验信息在块效应消除方法中被广泛地采用。利用量化误差的统计特性,提出了一种改进的量化约束集（MQCS）。实验结果表明当在现有的基于凸集投影（POCS）的去块算法中以新的约束集代替传统量化约束集,峰值信噪比（PSNR）和主观图像质量有不同程度的提高,性能与窄量化约束集（NQCS）相当。     

一种基于模糊集合论的手势分割算法

提出了一种基于单目的复杂环境下强抗干扰性的手势分割算法,使用模糊集合的概念来描述视频流时域和空域上的不同信息,以模糊运算作为信息加工处理的工具。定义了三个模糊集合非背景集、肤色集和模糊手势集,讨论了对模糊集合的腐蚀和膨胀运算。通过对非背景集和肤色集进行模糊运算,得到原始的模糊手势集,然后对原始的模糊手势集进行求精处理。试验结果证明,该文算法实现了对人手的精确分割,且能满足实时性要求。     

基于粗集理论的数据离散化方法

对后继阶段的机器学习或数据挖掘过程而言，决策系统中连续属性值的离散化具有非常重要的意义。本文系统地研究了基于粗集理论的数据离散化方法：提出一种计算候选断点集合的算法；定义概念“选择概率”来合理、有效地度量和区分候选断点的相对重要性；最后基于这一概念提出一种确定结果断点子集的启发式算法,理论分析及仿真结果表明，算法的综舍性能优于文献报道的同类算法．     

约束条件下的频繁邻近类别集挖掘

在空间数据库中挖掘带约束条件的频繁邻近类别集时,使用传统约束性关联规则的挖掘算法存在冗余候选项和重复计算等问题。为此,提出一种带约束条件的频繁邻近类别集挖掘算法,该算法以邻近类别集标识值双向变化的方法产生候选频繁邻近类别集,通过标识值的“与”运算计算支持数,达到提高算法挖掘效率的目的。实验结果表明,该算法比现有算法更简单快速。     

基于变长编码遗传算法的最小缩减计算

在数据库知识发现的过程中,属性选取是其中的一个重要步骤,它通过去除冗余属性,达到提高数据挖掘效能的目的。本文利用粗糙集合中的理论作为背景知识,讨论了使用遗传算法寻找最小缩减的方法,并提出采用个体变长编码的方法来解决最小缩减的计算问题,设计出相应的交叉、变异算子,实验证明其具有较好的收敛性能。     

基于粗糙集与贝叶斯决策的不良网页过滤研究

不良网页过滤是一种两类网页分类问题。提出了一种基于粗糙集与贝叶斯决策相结合的不良网页分类过滤方法,首先利用粗糙集理论的区分矩阵和区分函数得到网页分类决策的属性约简;然后通过贝叶斯决策理论对网页进行分类与过滤决策。仿真实验表明,该方法在不良网页分类过滤系统中开销小,过滤准确度高,因而在快速过滤不良网页的应用中具有工程应用价值。