基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

面向行动的信念更新

基于可能模型方法 ( possible m odel approach,简称 PMA) ,提出了面向行动的信念更新的概念 ,证明了在信息完备的情境演算系统中 ,一个一阶公式在情境 s下成立当且仅当它属于情境 s下的信念集 .这一结果为有效避免情境演算推理中二阶归纳公理的使用提供了一条可行的途径 ,也为基于意向驱动的 agent模型的建立以及面向 agent的程序设计语言 AOPL ID( agent-oriented programm ing language with intention driver)的提出提供了必要的理论基础.     

一种新型的有损数据简约算法LDR

在经典信息论的基础上,提出了一种新型的有损数据简约算法,该算法克服了其它数据简约算法的不足。实验表明,该算法能有效地处理复杂数据集,并能保持数据中所含信息。     

一种基于Rough集的缺省规则挖掘算法

Rough集方法是一种处理不确定或模糊知识的重要工具,对基于Rough集理论的缺省规则挖掘算法进行研究,在引入规则支持度概念后,提出了一种基于Rough集的缺省规则挖掘算法MDRBR。实验结果表明,该算法能较好地过滤噪音,提高规则的挖掘效率。     

增强前馈神经网络对多点断路故障的容错能力

神经网络在发生多点断路故障时,网络中的多个隐层神经元及其相关的连接权同时失效。该文针对陷层神经元可以动态增加的一类前馈神经网络,提出了一种三阶段方法T3。T3先对网络进行一次训练,然后用验证集进行测试以确定网络的故障曲线拐点,在此基础上通过第二次训练自适应地增加冗余隐层神经元。实验表明,T3使用较小的冗余量就可以显著改善网络对多点断路故障的容错性,在网络的容错能力和结构复杂度之间较好地达成了折衷。     

基于Rough集的规则学习研究

Rough Sets方法是一种处理不确定或模糊知识的重要工具,本文在对Rough Sets理论进行深入研究的基础上,提出了一种基于Rough Sets的自增量学习算法,该算法利用简化的差异矩阵和置信度,能较好地进行确定性规则和非确定性规则的学习。     

PAL：描述性图案装配语言

介绍了描述性图案装配语言PAL的设计和实现技术。PAL是针对装饰美术图案存在的构图规律而设计的,它语法简单;便于使用,可以描述复杂的构图规律,使图案创作的自动化水平得到了提高。     

MVC模式研究的综述*

随着面向对象技术的发展,MVC的含义和用途变得更加广泛,不仅可以用于组件的构造,也可用于类似于电子商务应用等大型面向对象系统的软件设计。从MVC模式起源开始,讨论了MVC模式的结构、设计方法、实现技术、优缺点及其应用,最后介绍了由JSP,Servlet和JaveBeans实现的MVC2结构。     

一种基于PC机的肺癌细胞自动识别分类系统

本文介绍了一种基于PC机的肺癌细胞自动识别分类系统的设计思想和处理流程，给出了形态特征提取及细胞分类的算法，并给出了专家系统技术在系统中的作用和处理方法。     

基于Bayes的有噪训练集去噪方法研究

利用有噪训练集训练分类器的过程中,去噪是基本的预处理步骤.传统的去噪工作只是简单地删除被标记为噪声的实例.显然,这样处理会清除噪声实例中的有用信息.本文提出一种基于Bayes的去噪方法,不但能辨识出噪声而且能纠正噪声实例的错误类标,从而保证其有效信息不会丢失.