带权决策表的属性约简

属性约简是粗糙集理论的重要应用。考虑将决策表中的每行都作为一条决策规则时，若把表中出现相同决策规则的次数作为权，可得到带权决策表。提出了关于带权决策表的正域约简相应的辨识矩阵并给出了证明，从而得到了约简算法。相比于决策表中的正域约简时发现，通过将决策表转化为带权决策表后，再利用算法1进行约简时，其在一定程度上优于前者。提出了近似分类精度约简相应的辨识矩阵并给出了证明。对于2个算法，在选取的UCI数据集上进行了实验验证。通过实验进一步说明了所提出算法的可行性和有效性。     

面向数据流结构的指令映射优化方法

在高性能计算领域,数据流是一类重要的计算结构,也在很多实际场景表现出很好的性能和适用性。在数据流计算模式中,程序是以数据流图来表示的,数据流计算中一个关键的问题是如何将数据流图映射到多个执行单元上。通过分析现有数据流结构的指令映射方法及其不足,提出了基于数据流结构的新型指令映射优化方法。主要是根据多地址共享数据包的特性对指令映射方法进行优化,延迟多地址共享数据路由包的拆分,减少网络拥堵。     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

Multicriteria decision-making using Archimedean aggregation operators in Pythagorean hesitant fuzzy environment

In multicriteria decision-making (MCDM), the existing aggregation operators are mostly based on algebraic t-conorm and t-norm. But, Archimedean t-conorms and t-norms are the generalized forms of t-conorms and t-norms which include algebraic, Einstein, Hamacher, Frank, and other types of t-conorms and t-norms. From that view point, in this paper the concepts of Archimedean t-conorm and t-norm are introduced to aggregate Pythagorean hesitant fuzzy information. Some new operational laws for Pythagorean hesitant fuzzy numbers based on Archimedean t-conorm and t-norm have been proposed. Using those operational laws, Archimedean t-conorm and t-norm-based Pythagorean hesitant fuzzy weighted averaging operator and weighted geometric operator are developed. Some of their desirable properties have also been investigated. Afterwards, these operators are applied to solve MCDM problems in Pythagorean hesitant fuzzy environment. The developed Archimedean aggregation operators are also applicable in Pythagorean fuzzy contexts also. To demonstrate the validity, practicality, and effectiveness of the proposed method, a practical problem is considered, solved, and compared with other existing method.     

一种人工情绪模型及其电商计算实验应用

针对电子商务顾客购物人工系统的计算实验研究，提出一种基于状态类比假说的人工情绪模型，给出了情绪的产生、增强、衰落和消失过程的描述方法，研究了外部刺激、情感强度和内部驱动力的计算方法，并进行了模拟分析。基于此人工情绪模型，构建了电商顾客购物的情绪-行为影响关系模型；将其应用于电商顾客购物的计算实验分析。结果表明，该人工情绪模型能较好地应用于电商复杂人工系统顾客购物的计算实验。     

An AW-HARIS Based Automated Segmentation of Human Liver Using CT Images

In the digestion of amino acids, carbohydrates, and lipids, as well as protein synthesis from the consumed food, the liver has many diverse responsibilities and functions that are to be performed. Liver disease may impact the hormonal and nutritional balance in the human body. The earlier diagnosis of such critical conditions may help to treat the patient effectively. A computationally efficient AW-HARIS algorithm is used in this paper to perform automated segmentation of CT scan images to identify abnormalities in the human liver. The proposed approach can recognize the abnormalities with better accuracy without training, unlike in supervisory procedures requiring considerable computational efforts for training. In the earlier stages, the CT images are pre-processed through an Adaptive Multiscale Data Condensation Kernel to normalize the underlying noise and enhance the image’s contrast for better segmentation. Then, the preliminary phase’s outcome is being fed as the input for the Anisotropic Weighted–-Heuristic Algorithm for Real-time Image Segmentation algorithm that uses texture-related information, which has resulted in precise outcome with acceptable computational latency when compared to that of its counterparts. It is observed that the proposed approach has outperformed in the majority of the cases with an accuracy of 78%. The smart diagnosis approach would help the medical staff accurately predict the abnormality and disease progression in earlier ailment stages.     

基于改进LFM算法的主动解列断面搜索方法

针对传统解列断面算法复杂度高的问题,提出一种基于改进LFM算法的解列断面搜索方式。首先,基于节点间电气联系和能量转移分布熵完成电网加权复杂网络建模;其次,基于主动解列断面约束条件,对LFM算法做适应性改良;最后,通过改进LFM算法得到解列断面,并在IEEE39节点系统中验证了算法有效性。仿真结果表明,改进LFM算法可充分考虑传统解列断面的约束条件,在算法具有较低复杂度的同时对系统运行状态更强的适应性。     

加权信息熵与增强局部二值模式结合的人脸识别

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题，提出一种加权信息熵（IEw）与自适应阈值环形局部二值模式（ATRLBP）算子相结合的人脸识别方法（IE （w） ATR-LBP）。首先，从原始人脸图像分块提取信息熵，得到每个子块的IEw；然后，利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图；最后，将各个块的IEw与概率直方图相乘，再串联成为原始人脸图像最后的特征直方图，并利用支持向量机（SVM）对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上，IE （w） ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上，IE （w） ATR-LBP方法的最大识别率为99.85%；而且在ORL人脸库5次不同训练样本的实验中，与无噪声时相比，加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明，IE （w） ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率，尤其是存在表情变化及脉冲类噪声干扰时的识别率。     

一种基于证据推理的视频运动目标融合检测算法

为了解决复杂场景下传统的运动目标检测问题, 利用证据推理—–谨慎有序加权平均方法(COWA-ER), 提出一种综合使用混合高斯、均值滤波和码本的多方法融合的检测方法. 该融合检测算法以上述3 种检测方法为准则建立一个多准则决策框架, 通过双阈值检测法来表征检测过程中的不确定性, 最终利用COWA-ER 方法进行决策级融合, 实现多种方法的优势互补. 实验表明, 所提出的融合检测算法具有更理想的目标检测效果, 能有效应对诸如阴影及光照突变等问题对检测性能的影响.