基于逆向FD超图的属性闭包求解算法研究

本文对文⑴进行深入分析的基础上给出了正向ＦＤ超图、逆向ＦＤ超图，给出了正向、逆向超图的相互转换算法，并对属性闭包的求法进行了研究，给出了求解关系模式属性闭包的新算法。     

关系数据库中MVD超图的讨论

本文提出了ＭＶＤ超图的概念，给出了正向ＭＶＤ超图、逆向ＭＶＤ超图的定义。深入讨论了逆向ＭＶＤ超图、逆向准路（结点）、可人发准路结点、不可分准路结点及最小不可分准路结点等。在此基础上，给出了求解最小不可分结点的闭包算法。     

基于混合超图的一种4NF的判定算法

本文讨论了混合超图中４ＮＦ判定有关的理论，并在此基础上给出了一个对应的关系模式是否属于４ＮＦ的判定算法。     

基于逆向MVD超图的求MVD最小覆盖算法研究

本文详细讨论了逆向ＭＶＤ超图的性质，给出了伪完全等价准路、完全等价准路、子边等价准路等概念。证明了若干个逆向ＭＶＤ超图的化简定理，最后给出了基于逆向ＭＶＤ超图的求ＭＶＤ最小覆盖算法。     

基于大数据的超图聚类分析和研究

由于传统遗传算法应用到多维数据关联规则挖掘时出现的早熟收敛和后期收敛速度慢等问题,本文阐述了大数据下依据三维模型对超图聚类的分析,采用了一种三维模型对超图聚类进行研究.利用数据挖掘知识和协同化算法以及关联规则进一步分析超图.实验结果表明本文所采用的三维矩阵数学模型和相关的数据挖掘算法能够从调研数据中发现新高质量知识     

基于超图的求解FD集最优覆盖的算法研究

本文在文献「３」、「４」、「５」所讨论的超图及 的分类的基础上，分析了最优覆盖对应的超图的结构特点，用替换化简方法解决了最优覆盖的多项式时间算法。     

基于超图模型的关联度计算

为刻画某个复杂系统中相异对象对的某种关联关系,在给出若干定义之后,提出了一种相异对象对的关联度计算模型。为实现这种计算模型,给出了一种朴素计算算法。通过设计合适的数据结构,对这个朴素计算算法给出了一种以空间换时间的改进计算算法。通过人工数据集的仿真实验,可以验证关联度计算算法及其改进算法的等价性及算法在时间性能上的改进有效性。为推广这种计算模型并在实际中发掘它的应用价值,最后给出了一点研究展望。     

一种基于垂直分布的非数值数据聚类算法

在本文中，我们提出了一种新的非数值数据聚类算法-VBCCD．VBCCD算法由关系表计算关系的一维分割，再由关系的分割来构造一个超图，而后通过超图分割算法，对构造出来的超图进行优化分割，得到最终的聚类结果。试验结果表明，该算法比传统的针对数值数据设计的聚类算法有更好的效果。     

冲突分析:一种基于加权Vague超图的策略

本文在Vague集理论的框架下，结合超图理论，提出了加权Vague超图的冲突分析策略，并引入了Vague冲突([αt，1-αf]，β，β )-截系统和Vague超边(d，β)-截集的概念．基于冲突联盟间的距离本文还给出了冲突的消解算法．最后通过一个Vague冲突实例，详细地讨论了如何运用加权Vague超图来进行冲突分析．     

基于逆向FD超图环的全部候选关键字求法

本文通过对逆向ＦＤ超图的环的分类的深入研究，找到了组成候选关键字的属性对应的结点的特征，进而给出了求解全部候关键字的多项式时间的新算法。     

遗传算法纵横谈

以总结当前遗传算法的多种改进形式为主探讨了有关遗传算法的６个问题，它们对于不同领域的遗传算法的科研应用人员均具有一定的启发作用。     

基于不确定参数的QoS路由研究

作为未来网络资源管理的一个重要组件，QoS路由问题越来越受到人们的重视。为了保证网络服务质量，希望根据多个QoS约束的尺度（metrics)来选择可行的路由。但由于网络本身的动态性和复杂性，网络状态信息具有固有的不确定性，因此有必要研究不确定参数对QoS路由的影响。通过形式化地描述基于带宽和延迟的不确定参数的QoS路由问题，给出了相应的处理模型和算法，并从实现的角度探讨了具有一定适应性的多路径QoS路由机制。     

基于约束的形状自动求解新算法

基于约束的产品形状描述及求解是目前计算机辅助设计研究的一个热点。本文在研究国内外现有技术的基础上，提出了一个基于约束的形状自动求解算法，该算法与国内外现有相关算法相比具有高效、实用、易于扩充，支持约束有效性检测，支持局部优化生成等显著优点，该算法已被实用系统所采用，成为我们最新研制的参数化二维草图系统的核心算法。     

IMPACT OF HIGH-LEVEL KNOWLEDGE ON ECONOMIC WELFARE THROUGH INTERACTIVE DATA MINING

This paper describes a novel algorithm for finding the most important relations with the use of data mining. As an example application, the impact of high-level knowledge on economic welfare was analyzed. Our approach, based on interactive data mining, not only helps to discover the most relevant models, but also enables an evaluation of their relevance. The approach is specialized for the analysis of macroeconomic data that often contains incomplete and noisy attributes and, initially, complex relations, where several relations are statistically seemingly important, but only a few are indeed the most relevant. Although data mining algorithms are designed to detect the relevant attributes, irrelevant attributes often appear in the models due to chance-choice, reducing their quality and understandability, and consequently even leading to incorrect conclusions. We present our method and show its application at finding the most relevant relations between high-level knowledge and the state of development of a country.     

基于多学习策略的网页信息抽取方法

由于网页信息具有异构和动态的特点,致使现有的大多数网页信息抽取方法都存在适用性差的问题。为此,将传统的文本分类器和隐式马尔可夫学习策略结合起来,提出了一种基于多学习策略的网页信息抽取方法。该方法在获得网页文本记录的局部最优分类抽取结果基础上,还利用了整个网页文本结构信息对抽取结果进行进一步优化。实验结果表明,该方法不需要对新的站点进行学习,就能获得较高的信息召回率和抽取精度,具有较强的适用性。     

Scalable Parallel Genetic Algorithms

Genetic algorithms, search algorithms based on the genetic processes observed in natural evolution, have been used to solve difficult problems in many different disciplines. When applied to very large-scale problems, genetic algorithms exhibit high computational cost and degradation of the quality of the solutions because of the increased complexity. One of the most relevant research trends in genetic algorithms is the implementation of parallel genetic algorithms with the goal of obtaining quality of solutions efficiently. This paper first reviews the state-of-the-art in parallel genetic algorithms. Parallelization strategies and emerging implementations are reviewed and relevant results are discussed. Second, this paper discusses important issues regarding scalability of parallel genetic algorithms.     

SSLE: A framework for evaluating the “Filter Bubble” effect on the news aggregator and recommenders

World Wide Web - Recommendation algorithms are data filtering tools that make use of algorithms and data to recommend the most relevant items to a particular user. The algorithm-driven recommenders...     

概率分析进化算法及其研究进展

概率分析进化算法是最近几年发展起来的一类新的进化算法。在分析了其产生背景和基本原理的基础上,按照算法模型复杂性将其归纳成几种类型,分别描述了它们的实现方法和求解问题的能力及效率。对未来的研究方向进行了展望,给出了若干值得研究的问题。     

基于视觉注意力机制的人脸属性迁移

人脸属性迁移作为计算机视觉领域的一个研究热点,对于数字娱乐制作、辅助人脸识别等领域有着重要的意义。现有的算法存在着生成图像模糊、转移属性无关区域变化等问题。针对这些不足,提出一种基于视觉注意力生成对抗网络的人脸属性迁移模型。生成器为减小属性无关区域的变化,引入视觉注意力分别输出RGB图像和注意力图像,并通过一定的融合方式得到属性迁移结果。采用多尺度判别器保持高维特征映射的细节。在约束中加入循环一致性损失和注意力图像损失,保持人脸身份信息,并专注属性相关区域的迁移。实验证明,该模型能够减少属性无关区域的变化,提高人脸属性转移的效果。     

基于Rough集的数据挖掘模型研究

这项工作的主要目的是表明怎样能够有效地实现基于Rough集的数据挖掘技术,在这篇论文里,我们详细讨论了Rough集理论,为了从基于Rough集的数据库中发现新的规则,研究了一种适合数据挖掘的面向对象的软件系结构,给出了数据挖掘算法、规则发现算法和规则约简算法,从初始数据库的信息出发,依次建造差别矩阵、约简表和规则表,最后给出了一个模拟实例,表明我们的模型和算法是可行的。