几种不确定推理模型研究

在现实世界中,事物通常以不确定的形式存在,事物之间的关系也具有不确定性。另一方,人们从自然现象中总结出的规律或知识是经验的,或不确定的。因此,在推理判断和决策过中,均不可避免地涉及不确定的数据和知识的处理。现在,已建立了     

不确定的因果关系

从实际数据出发，使用概率技术定义了一种新的不确定性知识的表示方法。该方法主要是确定了条件与结果的关系。本文对条件与结果间的关系做了进一步研究，并给出一种计算这种关系的方法。     

时态关系代数与元组演算的等价性

建立了一个时态关系代数和时态元组演算并证明了他们间的等价性。     

流程图与程序的相互推导

一、引言流程图是软件设计的一种有工力具。在程序的正确性证明、自动生成等方面更是作用重大。我们提倡,在编写一个程序之前,总是先画出问题的流程图。如果一个问题并不复杂,其流程图较简     

预测系统中的类比推理方法

本文提出用类比方法处理历史性数据的模型。该模型将所有与“目标”系统相似的“源”系统分别进行类比处理、再综合所有类比结果、得到预报策略。并且,给出了该模型的实现算法。     

NR：一种数值推理方法

给出了一种数值推理方法。它将逐步匹配推理方法转化为逻辑值的计算。该模型的推理时间至多为Ｏ（ｎ＾２）。     

时态信息处理中的一些问题研究

讨论了时态信息处理面临的几个问题：“ＮＯＷ的处理，事件爆炸，事件在不同粒度世界中的描述。     

基于时态元素的知识表示模型

本文建立了一种基于时态元素的时态知识表示方法，它能描述不同粒度世界中事件的时态方面。     

一种提高Apriori算法效率的方法

Apriori算法是关联规则挖掘中的经典算法。在Apriori算法中，需要大量进行两个操作：判断两个k-项集是否前k-1项相同且最后一项不同；判断一个项集是否为另一个项集的子集。利用Apriori算法中项集之间都是有序的这一特点可以减少以上两个操作的执行次数，从而达到对Apriori算法进行优化的目的。实验结果表明，经过优化了的Apriori算法在运行效率上有一定的提高。     

Apriori算法的三种优化方法

通过对Apriori算法的思想和性能的分析,认为Apriori算法存在以下三点不足:(1)由K阶频繁集生成K+1阶候选频繁集时,在K+1阶候选频繁集中过滤掉非频繁集的策略值得进一步改进;(2)连接程序中相同的项目重复比较太多,因而其效率值得进一步改进;(3)在回扫数据库时有许多不必比较的项目或事务重复比较。根据上述三点不足,提出了相应的三种优化策略来优化Apriori算法,得到一效率较高的改进Apriori算法。