基于平均逻辑相似度的α-反向三I算法的鲁棒性

鲁棒性是评价算法优劣的一个重要标准。以平均逻辑相似度为衡量扰动的指标,分别讨论了α-反向三I支持算法和α-反向三I约束算法的鲁棒性,结论表明FMP（FMT）问题的α-反向三I支持算法和α-反向三I约束算法具有相同的鲁棒性。     

模糊推理三I算法的连续性和逼近性

三I算法是一种新的模糊推理方法,可以作为传统的模糊推理方法的修改和补充.系统地研究了三I支持度算法和反向三I支持度算法的连续性问题,并指出了基于一些常用的蕴涵算子的三I算法具有逼近性.此结果对构建模糊控制系统和模糊专家系统时选用三I推理算法具有一定的指导作用.     

蕴涵算子族G-λ-0的支持度与三I算法

首先给出了一个新的蕴涵算子族G-λ-0（λ∈[0,1]）;然后,研究了基于蕴涵算子族G-λ-0的支持度理论;最后,给出了基于蕴涵算子族G-λ-0的三I支持算法。     

正则蕴涵算子族G-λ-R0的约束度理论相关研究

研究了基于正则蕴涵算子G-λ-R₀模糊推理的三I算法的约束度理论,分析了约束度的性质,给出了α-三I算法的FMP（FMT）上（下）确界的计算公式。     

基于蕴涵算子L_p的模糊推理的FMP反向三I算法

研究了基于蕴涵算子Lp模糊推理的FMP反向三I支持算法及α-反向三I支持算法,给出了FMP模型的反向三I算法及α-反向三I算法的计算公式。     

基于蕴涵算子Lp的模糊推理的FMP反向三I算法

研究了基于蕴涵算子L_p模糊推理的FMP反向三I支持算法及α-反向三I支持算法,给出了FMP模型的反向三I算法及α-反向三I算法的计算公式。     

基于L~*和Luk逻辑系统的反向三I算法的统一形式

三I算法是模糊推理的FMP和FMT模型的有效的算法,反三I支持算法为设计模糊推理规则提出了一个新思路。讨论了基于L*和Luk逻辑系统的反向三I推理,并给出推理算法的统一形式。     

直觉区间值模糊推理的三I算法

本文讨论了直觉区间值模糊三I算法的两种最简单形式：MP（Modus Ponens）和MT（Modus Tollens）问题,分别给出直觉区间值模糊环境下的MP问题和MT问题的三I解的一般形式。讨论全蕴涵解的存在条件,基于满足剩余原理的直觉区间值模糊剩余蕴涵,为直觉区间值模糊推理建立全蕴涵算法,即为MP和MT问题建立α-三I算法。     

一种蕴涵算子下FMP模型的新型反向三I算法

针对Fuzzy推理中提出的“过半可信”原则,证明了[RG]蕴涵算子满足这一原则,并讨论了[RG]蕴涵算子下FMP模型的新型反向三I支持算法,新型[α-]反向三I支持算法,新型[α-]反向三I约束算法的计算公式,且给予证明。     

基于含参数蕴涵算子族L-λ-R_0的三I支持算法——仅就FMP模型进行讨论

提出了基于蕴涵算子族L-λ-R0的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族L-λ-R0给出了模糊推理的FMP模型的三I支持算法、α-三I支持算法。     

基于兴趣度的关联规则挖掘算法

分析了Apriori核心算法，举例说明了其设计思想上的不足，并重新定义了关联规则形式和引进了兴趣度的概念。主要定义了合理的兴趣度，即基于可信度和支持度方差的兴趣度InterestR=[（CR-SRH）／4]^＊（CR＋SRH）,并因此而设计了基于此兴趣度定义的关联规则挖掘算法，并对算法做了适当的分析。     

一种多支持度的关联规则采集算法

关联规则采集是数据采集中的一类重要模型。规则采集算法用来发现数据中所有满足用户指定的最小支持度和最小可信度的子项美联（即规则）。国外某些学者提出了一个多支持度的模型,解决了单支持度模型中可能出现的稀有子项问题。基于该多支持度的模型提出了一种新的数据采集算法。     

蕴涵算子族G-λ-∏的模糊推理三I支持算法

提出了基于蕴涵算子族G-λ-∏的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族G-λ-∏给出了模糊推理的FMP模型及FMT模型的三I支持算法、α-三I支持算法。     

基于差分隐私的频繁序列模式挖掘算法

针对当数据集含有敏感信息时,直接发布频繁序列模式本身及其支持度计数都有可能泄露用户隐私信息的问题,提出一种满足差分隐私（DP）的频繁序列模式挖掘（DP-FSM）算法。该算法利用向下封闭性质生成候选序列模式集,基于智能截断方法从候选模式中挑选出频繁的序列模式,最后采用几何机制对所选出模式的真实支持度添加噪声进行扰动。另外,为了提高挖掘结果的可用性,设计了一个阈值修正的策略来减小挖掘过程中的截断误差和传播误差。理论分析证明了该算法满足ε-差分隐私。实验结果表明了该算法在拒真率（FNR）和相对支持度误差（RSE）两个指标上明显低于对比算法PFS²,有效地提高了挖掘结果的准确度。     

基于蕴涵算子L-λ-0-λ-G的模糊推理的三I算法

研究了基于蕴涵算子L-λ-0-λ-G模糊推理的FMP三I支持算法,给出了FMP模型和FMT模型的三I算法的计算公式。     

基于蕴涵算子族L-λ-Π的模糊推理三I支持算法

提出了一类新的蕴涵算子族L-λ-Π,说明了它是ukasiewicz蕴涵算子、Goguen蕴涵算子更一般的形式。基于该算子族,给出了模糊推理FMP模型、FMT模型的三I支持算法和α-三I支持算法的计算公式,并给予了证明。     

基于蕴涵算子族H(p,λ)的三I算法模糊系统

针对蕴涵算子族H(p,λ),给出了FMP问题三I支持算法和α-三I支持算法的计算公式;讨论了基于三I算法的模糊系统及其响应性能,结果表明,蕴涵算子族H(p,λ)的模糊系统只具有阶跃输出能力,不具有函数逼近泛性;揭示了蕴涵算子族H(p,λ)的模糊系统的概率意义,给出了其概率分布,它充当模糊系统的“系统内核”作用.     

在大型数据集上提高序列挖掘效率的统计方法

分析了在大型事务集合发现频繁模式的特点,给出了一个改进算法（称为AprioriAdjust算法）,同时,发展了两项技术：（1）提出了事务集合的压缩过程。（2）展示了一种基于统计模式的方法来评价序列的支持度,在该方法中,考虑了整个过程中每一趟的支持度均值的收敛性,以进行有效的候选频繁集的剪枝。此外,还讨论了实验结果。比较AprioriTID算法,研究展示,AprioriAdjust算法在进行大型事务集合的挖掘时更有效,可扩展性更强。     

两跳中继系统中调度算法的改进及性能比较*

提出了一种改进的最大载干比和比例公平（Emax C/I & EPF）调度算法。首先根据到基站的距离,划分BS和RS域,然后分别在BS和RS域内采用改进的最大载干比（Emax C/I）算法和改进的比例公平（EPF）算法。将提出的改进算法（Emax C/I & EPF）分别与部分比例公平（PPF）算法、两跳比例公平（THPF）算法以及改进前的算法进行了比较。仿真结果证明,该改进算法（Emax C/I & EPF）在系统频谱效率性能与公平性能之间达到了较好的权衡。     

一种基于支持系数的Vague集（值）相似度量新方法

对现有的一些Vague集（值）相似度量算法进行分析,指出了这些方法在计算相似度方面的片面性与局限性。通过对Vague集中元素的未知度进行分析,并引入支持系数来调节未知信息对真、假隶属度的影响,从而提出了新的Vague集（值）相似度量算法,通过模式匹配的实例验证了该算法的实用性。通过与以往的一些算法进行比较,充分证明了新算法的合理性与有效性。