双聚类的关联规则挖掘方法

为了使所有关联规则算法都可用于双聚类挖掘,将双聚类问题转化为关联规则的频繁集挖掘问题.在为双聚类挖掘提供大量算法的同时,不但能获得双聚类,而且还能得到额外的双聚类关联信息.基因表达数据的实验结果证明了其有效性.     

基于自适应最近邻的局部线性嵌入算法

局部线性嵌入算法是一个优异的非线性维数约减方法，但是算法本身是一个无监督学习算法，对于有监督问题的学习效果不是很好。这主要是因为算法使用了K-近邻方法来求解最近邻点。针对这个缺点，提出了一种改进的、基于自适应最近邻法的局部线性嵌入方法，数值实验证明算法对于有监督的学习问题，具有较好的适应性。     

一种改进的支持向量分类方法及其应用

提出了一种改进的支持向量分类方法——NN-SVM-KNN。用最近邻((NN)对训练集进行修剪，用支持向量机(SVM)进行分类，同时在分类过程中，判断待识样本是否落在间隔之外，若是直接用SVM分类，否则，用所有的支持向量作为训练集，进行K近邻分类。并把这种方法应用到个人信用评估中，和其它信用评估方法比较，得到了比较好的结果。     

在多项式型变换下具有不变性的算法

本文讨论根据较一般的目标函数模型(3)建立具有非线性尺度不变性的算法的理论依据。文献[2]研究了F(q)是二次函数的情形,我们可以把它看做是用q的二次函数逼近一般的F(q)。本文研究逼近F(q)的一般问题,对于用高阶多项式逼近和用低阶多项式分段逼近的两种策略,分别导出了计算ρ_K的解析表达式,并建立了相应的算法     

一个采用新重新开始策略的共轭梯度法

本文建立了共轭梯度法的一个新的重新开始策略,其特点是当目标函数进入二次区域后,它能从当前的两个共轭方向开始,逐次构造与这两个方向都共轭、而且又彼此共轭的搜索方向。本文最后讨论了相应算法对一般目标函数的收敛性质。     

基于支持向量机的个人信用评估

银行系统使用许多方法去对个人贷款申请进行评估。支持向量机(SupportVectorMachines,SVMs)是一个很有前途的新技术,文章将支持向量机应用到信用评估中,和古典技术K最近邻法相比得到了比较好的结果。     

模糊线性支持向量回归机

该文研究了当训练点的输出为三角模糊数时,支持向量回归机的构建问题。首先将模糊回归问题转化为模糊分类问题,并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题。利用基于模糊模拟的遗传算法求解带有模糊决策的机会约束规划,得到模糊最优分类超平面(模糊方程),解模糊方程得到模糊回归函数。在此基础上,得出模糊线性支持向量回归机(算法)。从而较好地解决了支持向量机中含有模糊信息的模糊回归问题。最后,给出显示模糊线性支持向量回归机特点的模糊支持向量集的定义。     

基于新拟牛顿方程的拟牛顿法的全局收敛性分析

研究了基于新牛顿方程的Broyden类拟牛顿法的全局收敛性,得到了与传统拟牛顿方程的相应结果完全相同的结论．     

关于Powell方法理论基础的探讨

Powell方法是求解无约束最优化问题的一个重要方法,但尚缺乏严格的理论基础。本文对此进行了探讨,证明了Powell方法是某种意义下的最优策略。