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。     

基于免疫算法的移动机器人路径规划系统

从生物学免疫的角度出发,介绍了一个基于免疫算法的移动机器人路经规划系统。该系统能够通过学习来获取规则,优化规则,且有很强的空间搜索、自适应和自学习能力．能够较快地产生适应所处环境空间的路径规划方塞。     

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。     

一种两阶段决策树建树方法及其应用

提出一种新颖的两阶段决策树建树方法;在对数据集进行较粗的分类后,通过遗传算法寻找规则集来建立决策树叶子节点.该方法可以同时对多个属性进行度量,并避免了决策树的剪枝过程。     

离散格的一种启发式搜索算法

通过定义离散化方案之间的偏序关系以及交、并运算,将各种离散化方案组织成离散格。提出一种搜索离散格的启发式算法,实验表明该算法得到的一致决策表的断点数比已有解更少。     

强子探测器二级快速触发器的计算机模拟

本文通过对强子探测器二级触发器的模拟,介绍了计算机模拟的一般步骤及其在核物理实验中的应用。     

基于关系权重的文本表示法

提出一种基于关系权重的文本表示方法.通过优化关系权重,在文本向量中体现了不同特征项在不同类别中重要程度的差异,使得在此权重下不同类别的文本得到更准确的区分.运用SVM分类实验表明,基于关系权重的文本表示方法,较之传统的 TF-IDF 文本表示法,有更高的准确率和召回率.