基于多元智能理论的高师计算机专业创新能力培养

本文依据多元智能理论强调智能的多元性、社会性、潜在性、实践性、创造性的实质,结合高等师范院校计算机专业的学科特点,探讨了多元智能角度下高师计算机专业的多元化课程设置、多元化教学、多元化实验、多元化创新、多元化科研等教育方法,为高师计算机专业学生创新能力培养提供了新的教育思路。     

决策演化集的三支博弈

决策演化集是处理决策规则在时间序列上的演化问题的理论。决策演化集将着眼点从静态的决策信息系统转移到动态的时间序列上,研究决策信息系统在随着时间变化时的演化规律,是一种新的决策研究方法。目前,在决策演化集的标准结构下存在着一些问题,例如预测得到的属性较少,预测夹角偏大等问题。决策演化集的三支结构在提高预测准确度方面是一个有效的方法,但其阈值α和β是固定的。然而,在时间序列下数据是不停变化的,固定的α和β并不能很好地适应这种变化。利用博弈论的方法来调整修改α和β使其适应决策信息系统在时间序列下的变化,并通过实例来演示这种调整。     

智能化列车管贯通状态监测仪的设计与实现

文章介绍了以８９Ｃ５１为核心所组成的智能化列车管贯通状态监测的工程设计与实现，它能在机车的正常运行中自动显示出列车管内压力和差奈的动态参数。并能实现系统的实时校准和怕误差修正。     

一种新的粒表示方法及其距离计算*

传统粒的表示上存在其局限性导致粒的适用性不强,难以满足用户对粒描述的兴趣点。在传统粒计算理论的基础上,对粒的表示方法加以改进,从而使粒更具适用性,进而定义了新表示方法下粒的几个运算,研究了新表示方法下粒的距离及相似度。这种理论方法注重从粒的语法上去研究粒的运算、距离及相似度,更清晰准确地揭示了粒的本质。     

SNMP网络管理：现状与问题

本文介绍了ＳＮＭＰ及其一些新发展，分析了ＳＮＭＰ架构存在的不足，并提出了一些可能的出路。     

案例教学在产生式系统教学中的应用

本文介绍了我院通过引入案例教学方法对“人工智能”课程的教学改革实践。     

基于新的条件熵的决策树规则提取方法

分析了知识约简过程中现有信息熵反映决策表“决策能力”的局限性，定义了一种新的条件熵，以弥补现有信息熵的不足；然后对传统启发式方法中选择属性的标准进行改进，由此给出了新的属性重要性定义；以新的属性重要性为启发式信息设计决策树规则提取方法。该方法的优点在于构造决策树及提取决策规则前不进行属性约简，计算直观，时间复杂度较低。应用实例分析的结果表明，该方法能提取更为简洁有效的决策规则。     

BP神经网络在数字识别方面的应用

介绍了一种ＢＰ神经网络数字识别方法，分析了从特征提取、网络模型建立、训练到识别结果的整个过程．由于运用特征提取，加快了网络的训练速度，也使网络更加健壮．通过实验，证明数字识别效果良好．     

基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简

将下近似分布约简引入变精度悲观多粒度粗糙集,定义了变精度悲观多粒度粗糙集的下近似分布粒度熵,基于下近似分布粒度熵定义了变精度悲观多粒度粗糙集粒度的重要度,并设计了基于下近似分布粒度熵的悲观多粒度粗糙集启发式粒度约简算法,通过实例验证了算法的有效性。     

一种基于邻域粗糙集的多标记专属特征选择方法

在多标记学习中,数据降维是一项重要且具有挑战性的任务,而特征选择又是一种高效的数据降维技术。在邻域粗糙集理论的基础上提出一种多标记专属特征选择方法,该方法从理论上确保了所得到的专属特征与相应标记具有较强的相关性,进而改善了约简效果。首先,该方法运用粗糙集理论的约简算法来减少冗余属性,在保持分类能力不变的情况下获得标记的专属特征;然后,在邻域精确度和邻域粗糙度概念的基础上,重新定义了基于邻域粗糙集的依赖度与重要度的计算方法,探讨了该模型的相关性质;最后,构建了一种基于邻域粗糙集的多标记专属特征选择模型,实现了多标记分类任务的特征选择算法。在多个公开的数据集上进行仿真实验,结果表明了该算法是有效的。