对FTART算法的研究及改进

ＦＴＡＲＴ（ｆｉｅｌｄｔｈｅｏｒｙ－ｂａｓｅｄＡＲＴ）算法结合了ＡＲＴ（ａｄａｐｔｉｖｅｒｅｓｏｎａｎｃｅｔｈｅｏｒｙ）算法、ＡＲＴＭＡＰ算法、域理论的思想,以样本在实例空间中出现的概率为启发信息修改学习中生成的分类,采用了不同于其它算法的解决样本间的冲突和动态扩大分类区域的方法．本文在对ＦＴＡＲＴ算法的研究的基础上进行了改进,使算法在学习连续函数的映射时更加有效．同时给出了算法的测试结果和对测试结果的分析,测试表明,ＦＴＡＲＴ算法在模式识别和连续函数映射的学习方面具有比较好的性能.     

强化学习研究综述

摘要强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习研究的一个重要分支.该文首先介绍强化学习的原理和结构;其次构造一个二维分类图,分别在马尔可夫环境和非马尔可夫环境下讨论最优搜索型和经验强化型两类算法;然后结合近年来的研究综述了强化学习技术的核心问题,包括部分感知、函数估计、多agent强化学习,以及偏差技术;最后还简要介绍强化学习的应用情况和未来的发展方向.     

可视化技术在电力变压器状态检测专家系统中的应用

将可视化技术应用于电力变压器状态检测专家系统,通过对变压器油中溶解气体色谱数据作二维、三维可视化处理;不仅使得变压器故障点清晰直观;易于判断处理;还减轻了传统分析方法所需的计算负载,较大地提高了诊断效率。     

NUREST:一个实时专家系统开发工具

对实时专家系统的特点作了概要论述,将专家系统技术和实时控制技术相结合,设计并实现了应用于实时问题求解的实时专家系统开发工具NUREST。主要讨论了它的知识表示、实时控制机制、推理机制以及实现技术,并给出了开发的炼钢控制实时专家系统实例。     

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。     

基于知识的刺绣编程系统

介绍了一个基于知识刺绣编程系统。描术字该系统的结构,数据结构和主要实现技术,该系统融合了图象处理,人工智能和计算机辅助设计等多种技术,引入了丰富的刺绣知识、编针规则和有效的推理机制,具有自动推理编针能力,实现了图案处理,编针,优化和数据转换的一体化与自动化,提高了刺绣编程质量和效率。     

DPAL：演绎型刺绣图案装配语言

本文描述了演绎型图案装配语言ＤＰＡＬ的设计和实现技术。ＤＰＡＬ采用类ＡＱＬ语言方式，通过代间关系算子匹配规则库中相应规则实现图元主加中图元调用与装配，生成所要求的刺绣画稿。它的使用大大提高了刺绣画稿的生产效率的花色品种。     

时态信息系统转换方法的改进

利用Rough Set方法分析时间序列,已经取得了成果。时态信息系统(TIS)是时间序列的形式化表示。将时态信息系统转化为传统的信息系统(IS),是将Rough Set方法应用于时间序列挖掘的基础。目前,已有的将TLS转换为IS的方法,依赖于固定的时间间隔,具有一定的局限性。本文在已有算法的基础上,提出了两种改进方法,并结合Rough Set理论,使之适用于一般的时间序列的挖掘。     

一种基于全局协同与局部进化的遗传算法

改进了协同进化遗传算法中的协同操作,提出了一种基于全局协同与局部进化的两层框架模型和基于此模型改进的遗传算法（GCLEGA）,在高层,采用基于邻域的局部进化算法,旨在加强局部搜索,加速收敛速度,在底层,采用改进的多种群协同进化算法,旨在改善群体的多样性,克服未成熟收敛,两层之间通过提升操作关联,使全局搜索与局部搜索、全局收敛性与收敛速度有机地统一了起来。实验结果显示,GCLEGA在改善未成熟收敛和提高收敛速度两方面都具有良好的性能。