基于连续型条件属性的模糊规则约简算法*

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种将模糊集和粗糙集结合起来的连续型条件属性模糊规则约简算法。该算法首先引入三角隶属度函数将连续属性值转换为模糊值,并使用离散模糊神经网络方法获得数据集之间关系。实例验证表明,采用该算法,用户可以根据实际决策需要和领域知识更改阈值,从而获得满意的模糊规则结果。     

周期线性传播结构中电磁场的模式匹配

为了对周期性盘荷圆波导中的电磁场进行分析和描述,提出了采用模式匹配技术,并根据波导模式表示出电磁场. 首先在波导中考虑一个专门的盘荷隔板,由入射模引起的反射问题可采用模式匹配技术来解决;然后得到周期性负载波导的矩阵特征值方程;最后由方程的解可得到场结构的传播曲线. 实验结果表明,每种模式都能与边界条件匹配,利用匹配方法分析周期线性结构中的场分布是可靠的.     

难解问题的固定参数近似算法研究进展

固定参数近似算法采用参数计算方法寻求问题的近似解,是实际中处理难解问题的一种新的有效手段。根据难解问题的参数计算复杂性类别,综述了固定参数可解问题、参数计算复杂性未定问题和W[t]-难问题(t≥1)固定参数近似算法近年来的研究进展。对于上述每一类问题,分别归纳了当前的主要研究结果,分析了其中的主要算法设计技术并探讨了有待研究的相关问题。     

采用分级策略和控制消息的一种动态带宽分配

通过对以太无源光网络接入技术和现有各种带宽分配算法存在不足的分析,基于数据服务优先级划分和ONU队列管理机制,提出了一种新的动态带宽分配算法。它基于服务分级策略和控制消息格式来处理一个EPONs多点控制协议中的不同优先级带宽。仿真表明,提出的动态带宽分配算法不仅有较高的链接效率和带宽利用率,而且在资源分配方面效率更高。     

基于动态p-坚持的无线媒质访问控制算法

针对无线网络中的媒质访问控制存在的不足,提出了一种新的算法。该算法基于动态p-坚持算法,其核心思想采用虚拟传输或虚拟线程,目标是为动态p-坚持算法提供更多的信息以获得最佳传输概率,提高无线带宽的利用效率。仿真表明,新算法平均提高吞吐量约27%,平均降低碰撞率约28%。     

用HCM聚类和遗传算法实现多级模糊神经网络

模糊集理论适用于一些实验数据中不确定性和模糊性的建模问题,而模糊推理系统拥有模糊IF-THEN格式的结构化知识表示,但缺少适应性。神经网络本身具有对外部很强的适应性和从过去数据中学习的机制,但基于线性推理的模糊神经网络(FNN)模型作为模糊推理方法不能得到存在于参数间的最终关系,也不能影响接着发生的模糊集合。因此,我们提出了一个多级模糊神经网络(Multi-FNN),使用硬C均值聚类和进化模糊颗粒,利用处理为近似推理的一个线性推理,获得信息微粒和模糊集之间的关系。     

推荐系统综述

随着网络应用的不断发展,网络资源呈指数型增长,信息过载现象日益严重,如何高效获取符合需求的资源成为困扰人们的问题之一。推荐系统能对海量信息进行有效过滤,为用户推荐符合其需求的资源。对推荐系统的研究现状进行详细介绍,包括基于内容的推荐、协同过滤推荐和混合推荐这三种传统推荐方式,并重点分析了基于卷积神经网络（CNN）、深度神经网络（DNN）、循环神经网络（RNN）和图神经网络（GNN）这四种常见的深度学习推荐模型的研究进展;归纳整理了推荐领域常用的数据集,同时分析对比了传统推荐算法和基于深度学习的推荐算法的差异。最后,总结了实际应用中具有代表性的推荐模型,讨论了推荐系统面临的挑战和未来的研究方向。     

基数估计算法参数的分析与优化

基数估计算法(Cardinality Estimation Algorithm)是基于概率统计理论的估算给定数据集中不重复元素基数的算法。算法中的Hash函数和相关参数的设置是影响算法性能的两个关键因素。针对这两个问题展开研究,提出了一种基数估计的优化算法,它可以根据数据规模和数据类型动态调整Hash函数和分桶参数,以提高算法的精度和稳定性。实验结果表明,改进的基数估计算法在经过训练之后,相比传统估计算法,其估计精度和稳定性均有所提高。     

基于HCM聚类的连续域模糊关联算法

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种基于连续型属性模糊关联规则约简算法。该算法引入三角隶属度函数将连续属性值转化为模糊值,并使用硬C均值聚类方法获得数据集之间关系,采用遗传算法优化该模型。仿真结果验证了该模型的有效性。