基于CGAN的中国山水画布局可调的仿真生成方法

以往的山水画计算机仿真由于未从山水画整体布局的角度进行研究,难以实现完整的画作生成.针对上述问题,文中提出布局引导、可实现完整画作生成的中国山水画仿真方法.基于山水画的绘制特点设计可行的布局标签图结构,用于表达山水画的构图形态和要素.借鉴条件生成对抗网络(CGAN)的思想,针对山水画的布局和笔触特点,设计并训练多尺度特征融合的网络结构(MSFF-CGAN),实现布局标签图到仿真山水画这一异质生成过程.同时针对网络训练过程中布局标签图数据稀缺的问题,采用语义关联的颜色像素聚类算法快速生成标签图.为了提高生成图的艺术真实感,引入MemNet超分辨网络增强生成图的纹理细节.实验表明,文中方法生成的仿真山水画具有较好的完整性和艺术真实感,不仅可以应对简单的手绘涂鸦式草图,还可以通过在布局空间的编辑操作,达到对画作空间进行编辑的效果.     

最小属性约简问题的一个有效的组合人工蜂群算法

粗糙集理论中的最小属性约简（MAR ）问题是一个NP-难的非线性约束组合优化问题。本文提出一个新的求解MAR问题的组合蜂群算法,其中,引领蜂、跟随蜂和侦察蜂采用基于变异运算的搜索模式,在邻域候选蜜源的生成中引入与属性子集相关的两个度量,并且跟随蜂采用与引领蜂不同的局部搜索策略以提高搜索多样性。此外,在本文算法中,角色分工不同的蜂群以不同的方式利用迄今最好蜜源的信息进行搜索。在若干UCI数据集上的实验及其统计检验结果表明,本文算法在求解质量上优于其他的元启发式属性约简算法,因而可有效地应用于最小属性约简问题的求解。     

属性约简在一类林业数据决策分析中的应用

本文探讨属性约简在一类林业数据决策分析中的应用，对于一类以总销量为决策属性的林业数据表，首先应用增比策略将数据二值化，然后利用属性约简算法给出了各条件因素与总销量之间的依赖关系和约简化的数据表，取得了良好的效果。     

基于蚁群聚类算法的优化与改进

传统的蚁群聚类算法将聚类数据的每一维属性都等同看待,而在实际的应用中各维属性对聚类的贡献率不一,具有主次之分,若将所有属性赋予相同的权重,将对聚类的效果造成影响．为了克服这个缺陷,本文将主成份分析（PCA）方法引入到蚁群聚类当中,利用PCA计算属性的贡献率并以此构建属性的权重．在此基础上,结合一个新的初始化策略,提出了一种属性带权的改进蚁群聚类算法．通过对多个UCI数据集的测试,验证了本算法的有效性．实验结果表明,合理的权重分配能够有效的提高蚁群聚类的质量．     

基于邻域辨识矩阵的属性约简增量式算法

邻域粗糙集模型可以直接处理连续型数据.属性约简是邻域粗糙集模型的重要研究内容之一.目前已有的增量式粗糙集约简算法主要考虑经典的粗糙集模型的情况,不适用于邻域粗糙集模型.为此,提出一种基于邻域辨识矩阵的属性约简增量式算法,主要考虑连续型数据对象动态增加的情况下的属性约简问题.为了解决该问题,提出了一种邻域决策系统的辩识矩阵,通过辨识矩阵的动态更新实现动态求核,并在此基础上,利用原有的属性约简进行属性约简的更新.     

计算机学科工程研究型全日制硕士研究生培养模式的探索

当前海峡西岸经济区信息产业结构战略调整中,福建的IT企业面临高层次工程研究型人才严重短缺的形势。本文提出了在计算机学科全日制硕士研究生中开展校企联合培养工程研究型人才的思路,探讨了以工程研究课题为组织形式、以企业科技攻关项目为培养平台、以工程研究问题为导向的具有质量保障体系的计算机学科工程研究型人才培养模式规范,并介绍了初步开展试点工作的情况和取得的效果。     

一种带禁忌搜索的粒子并行子群最小约简算法

为了提高基于群体智能的粗糙集最小属性约简算法的求解质量和计算效率,提出一个结合长期记忆禁忌搜索方法的粒子群并行子群优化算法.并行的各子群不仅具有禁忌约束,而且包含多样性和增强性策略.由于并行的子群共同陷入局部最优的概率小于一个粒子群陷入局部最优的概率,该算法可提高获得全局最优的可能性,并减少受初始粒子群体的影响.多个UC I数据集的实验计算表明,提出的算法相对于其他的属性约简算法具有更高的概率搜索到最小粗糙集约简.因此所提出的算法用于求解最小属性约简问题是可行和较为有效的.     

基于近似精度递归计算的一个属性约简算法

首先分析粗糙集中不同正区域之间的关系，在此基础上推导出近似精度计算的一个简洁的递归公式。在Jelonek属性约简算法的基础上，应用上述递归公式和独立性条件判别策略设计了一个改进的属性约简算法，与原算法相比，不仅在算法速度提高方面取得了明显的效果，而且保证了约简算法的正确性。     

基于嵌入维数预估的神经网络输入节点的确定

给出时间序列嵌入维数的一种面向前馈神经网络的预估策略的网络输入节点的确定方法,并用具体的时间序列预测实例说明了的有效性。     

利用决策树技术对股票价格数据库进行数据挖掘

本文利用数据挖掘中的决策树技术对于股票价格数据库数据进行处理,把一般的经济数据分析预测问题转化成数据挖掘中的分类问题。我们选取美国通用电子公司(GE)四十年间的股票价格数据,利用ID3算法并适当调整以适应本类问题的需求,由此生成决策树作为分类器并对结果进行检验,其中数据处理的编程工具采用的是VFP和Delphi。通过分析结果,我们发现该方法具有可行性、有效性、合理性,可作为这类经济分析预测工作的一种手段。