知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一，现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题，文中首先从信息的角度，对决策表中属性的重要性给出度量；在此基础上，提出了一种基于互信息的知识相对约简的启发式算法，并指出算法的复杂性是多项式的；最后，通过  

多传感器信息融合及其应用综述

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题，综述了近年来多传感器融合技术的研究进展和应用，预测了未来的发展趋势。  

一个复杂度为max(O(|C||U|),O(|C|2|U/C|))的快速属性约简算法

以基数排序的思想设计了一个新的求U／C的算法，其时间复杂度被降为O（｜C｜｜U｜）．经研究发现，以近似质量作为启发信息并非十分理想，故以快速缩小搜索空间为目的设计了一个新的较为合理的度量属性重要性的计算公式，并给出了该公式的递归计算公式．计算该公式的算法复杂度被降低到O（｜C-P｜｜U＇-Up＇｜）．用新公式作为启发信息，设计了一个时间复杂度为max（o（O（｜C｜｜U｜），O（｜C^2｜U／C｜））的快速属性约简算法，并用一个实例说明了算法．实验结果表明新算法不仅具有高效性而且能处理大型决策表．  

不确定性人工智能

在主、客观世界普遍存在的不确定性中,随机性和模糊性是最重要的两种形式.研究了随机性和模糊性之间的关联性,统一用熵作为客观事物和主观认知中不确定状态的度量,用超熵来度量不确定状态的变化,并利用熵和超熵进一步研究了混沌、分形和复杂网络中的不确定性,以及由此带来的种种进化和变异,为实现不确定性人工智能找到了一种简单、有效的形式化方法,也为包括形象思维在内的不确定性思维的自动化打下了基础.不确定性人工智能是人工智能进入21世纪的新发展.这个由多学科交叉渗透构成的新学科,必将使得机器能够具备人脑一样的不确定性信息和知识的表示能力、处理能力和思维能力.  

遗传算法理论研究综述

针对遗传算法在理论研究方面存在的不足，系统地讨论了遗传算法理论研究的主要内容和方法，包括模式定理、编码策略、Ｍａｒｋｏｖ链与全局收敛性、维数分析、ＢＧＡ理论、可分离函数、Ｗａｌｓｈ与傅立叶函数分析及二次动力系统等，介绍了Ｎｏ Ｆｒｅｅ Ｌｕｎｃｈ定理，并指出相关的研究方向。  

复杂网络聚类方法

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.  

椭圆曲线密码体制

椭圆曲线密码体制目前已引起了信息安全及密码学各界的广泛关注，从安全性有效性来看，这种密码体制有着广阔的应用前景，是一种可能近期在某些领域取代ＲＳＡ、ＤＳＳ等现存体制的密码（签名）体制，现已逐渐形成了研究与开发热点。  

一种汉语分词方法

本文对现有的汉语分词方法作了概述，然后，提出了一种新的汉语分词方法－－单扫描分词方法，并对单扫描汉语分词方法的时间复杂度作了分析。分析表明，单扫描分词方法的时间复杂度为２．８９，比现有的分词方法的时间复杂度１２．３２小得多。单扫描分词方法无论在理论，还是在实践上都有重大的意义。  

一种改进的快速分词算法

首先介绍了一种高效的中电子词表数据结构，它支持首字Ｈａｓｈ和标准的二分查找，且不限词条长度；然后提出了一种改进的快速分词算法，在快速查找两字词的基础上，利用近邻匹配方法来查找多字词，明显提高了分词效率．理论分析表明，该分词算法的时间复杂度为１．６６，在速度方面，优于目前所见的同类算法。  

一种基于图像灰度的快速匹配算法

在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配新算法中各个R-块编码的计算十分简单;匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法新算法对像素灰度的变化与噪声具有鲁棒性,其时间复杂度是O(M²log(N)).实验结果表明,新算法比现有的灰度相关算法的计算时间快了两个数量级.