基于智能多代理的工作流资源分配

提出了一种基于智能多代理实现分布式工作流资源分配的方法。该方法采用KQML语言来设计资源分配代理和工作流引擎之间面向知识交换的通信协议,并且由Router提供消息存储和转发机制。工作流资源分配代理与工作流管理系统的其他代理程序通过KQML消息交流知识,从而达到在分布式、异构环境下的互操作。     

基于增强型算法并能自动生成规则的模糊神经网络控制器

给出了一种基于增强型算法并能自动生成控制规则的模糊神经网络控制器RBFNNC（reinforcements based fuzzy neural network comtroller）。该控制器能根据被控对象的状态通过增强型学习自动生成模糊控制规则,RBFNNC用于倒立摆小车平衡系统控制的仿真实验表明了该系统的结构及增强型学习算法是有效和成功的。     

基于邻域粗糙模型的高维数据集快速约简算法

根据粒子群优化算法的思想,给出了求解高维邻域决策表的一个约简算法SPRA。通过采用固有维数的分析方法MLE等,将其估算的维数值作为SPRA算法的初始化参数,提出了高维数据集快速约简算法QSPRA。利用5个UCI标准数据集对该算法进行了验证,结果表明,该算法是有效的、可行的。详细分析了种群规模和迭代次数对结果产生的影响。实验表明,基于核的启发式添加算法思想已经不适合求解高维数据集。     

基于邻域系统的决策表近似算法

提出一种基于邻域系统的决策表近似算法，用于数据挖掘预处理阶段的数据压缩。该方法以代表元素代替若干相近元素，有效地压缩了原始决策表的对象个数，同时保证决策表本身的判断能力基本不变。对本算法与聚类算法的关系进行了讨论，指出文中提出的近似算法所完成的功能不能用聚类算法替代。     

一种并行内存缓冲系统及其实现技术

为支持数据挖掘应用,对NOW机群系统的分布式共享存储管理机制进行了适当的简化1～2,结合数据挖掘中数据处理的特点,设计了一个并行内存缓冲系统。该缓冲系统为应用程序提供上下两层应用接口,既可以保证内存操作的透明性,又为应用程序自主操作数据提供了极大的灵活性。缓冲系统可以充分利用网络结点的存储空间为应用程序实现网络虚拟存储环境,同时也可以很好地支持应用程序对数据文件的并行化处理。     

基于并行协同进化的属性约简

提出一种求属性集合最小约简的新方法，即基于并行协同进化的属性约简方法．该方法将并行遗传算法和协同进化算法相结合，能有效地处理具有大量属性的信息系统．对各类实验数据的测试表明，该方法得到的属性约简量与基于属性重要性的约简方法相似，在某些情况下求得最小约简的可能性要高于属性重要性方法．     

基于语义Web和RBAC策略的GDSS模型管理方法研究

群体决策支持系统（GDSS）研究的一个热点就是模型管理。模型管理存在两个方面的问题：模型的访问控制和模型的动态发现及组合。本文提出了一个基于语义元数据的模型管理系统S3MS（Semantic Metadata based Model Management System）,该系统引入了RBAC（基于角色的访问控制）策略和语义Web的服务本体描述机制,用以优化并解决上面两个问题。     

基于粗糙集的知识粒度及粒度关系研究

本文基于粗糙集理论,针对不完备信息系统,提出了一种知识粒度的定义,并研究了知识粒度与信息熵的关系;提出了知识的相互支持度和知识的差异支持度的概念,并研究了二者之间的关系,为进行知识的度量和知识的评价提供了一种可行的方法。弄清楚知识的度量和知识相似程度的评价,一方面可以根据知识的粒度,从不完备信息系统中抽取符合一定粒度的知识;另一方面当进行知识融合时,可以比较融合后形成的知识库之间的差异相似程度,间接评价知识的完备性。     

基于时间栅格法和免疫算法的机器人动态路径规

本文提出了一种机器人动态路径规划方法 ,该方法首先采用时间栅格法来标识动态障碍物 ,建立机器人的环境信息 ,然后使用免疫算法实现在动态环境下机器人的全局和局部路径规划 ,达到避障和避碰的目的。文中定义了免疫算法的多因素适应度函数由碰撞系数、距离、转角和安全系数决定。实验表明所提方法可以提出的高路径规划的效率 ,满足机器人实时导航要求。     

一种新的模糊规则提取方法

提出了一种新的模糊规则提取方法,该方法先采用基于山峰函数的减法聚类法自适应地确定初始的聚类中心,然后由此构造动态自组织神经网络进行学习,在学习的过程中可根据情况适当地合并或分裂神经元,并重构神经网络继续学习,最后按聚类中心确定模糊子集数目和隶属函数并形成模糊规则集.实验结果表明,通过网络结构和神经元的动态自适应变化能够获取样本集中的模糊信息,形成直观的模糊规则.