大变量多输出逻辑函数实质项识别算法

在对Espresso算法进行分析改进的基础上,提出了一种基于全域识别的多输入多输出逻辑函数实质本源项、完全冗余项和相对冗余项生成算法,该算法通过对基于积项表示的多输入多输出逻辑函数的余因子计算来进行全域判断,根据全域判断结果来识别实质本源项、完全冗余项和相对冗余项,从而构成实质本源项集合、完全冗余项集合和相对冗余项集合.对基于二级SOP型的多输入多输出逻辑函数设计了多输入多输出逻辑函数优化识别软件系统,允许的最大输入变量数为128、最大输出变量数为256、最大输入输出变量总和为300、最大输入积项数为20 000.软件系统在Pentium 1.8GHz、512MB内存的计算机上通过了Benchmark例题的测试.     

超大变量多值单边逻辑函数优化算法的研究

单边多值逻辑函数是逻辑函数的一种特例,对于超大变量的逻辑函数优化,存储开销对输入变量呈2幂次方增长.针对多输入多输出单边逻辑函数的特性,通过引入特征矩阵和状态矢量的描述,求解多输出单边逻辑函数补集,以积项扩展为基础,完成多输出单边逻辑函数无冗余覆盖.通过编程实现了多输入多输出单边函数逻辑优化的算法,对影响单边函数逻辑优化效率的因素进行了分析,软件系统在奔腾1.8GHz,512MB RAM的计算机上通过了正确性验证与测试,测试结果表明性能良好,有效降低了系统的存储空间和时间开销.在相同输出变量数、积项数和无关项因子的情况下,随输入变量数的增长,优化效率随之下降;在相同输入变量数、输出变量数和积项数的情况下,随无关项因子值的增长,优化效率随之下降;在相同输入变量数、输出变量数、和无关项因子的情况下,随积项数的增长优化效率随之提高.     

逻辑函数无冗余覆盖选择问题

逻辑函数的最小化算法可以分为两大步骤,产生本源蕴涵项和在这些蕴涵项中选择一个最小覆盖。提出一个适于大变量输入输出逻辑函数的实质项与相对冗余项的识别和选择近似最小覆盖的算法。Benchmark例题测试表明,算法具有理想的处理效果。     

多输出逻辑函数最小化的一个算法

本文描述一个多输出逻辑函数的最小化算法。函数解中积项总数的多少被看作是衡量算法优劣的最重要指标。因此，我们努力使解中的积项被尽可能多的组成函数共享。本文求本源蕴涵项的方法与［１］是相似的。因此，本文也可看成是［１］向多输出函数的延伸。     

用二值逻辑对多值逻辑进行优化

提出以二值多输出逻辑优化软件OPLG为基础，对多值逻辑函数进行逻辑优化的方法．通过对多值变量、多值函数的二进制矢量描述，将多值多维体转换为布尔表达式积项形式，从多值多维体的多值最小项出发，给出计算基本无关集的方法。对多值逻辑函数的优化通过调用二值逻辑优化软件OPLG(允许的最大输入、输出变量之和为300)来实现，二值逻辑优化的结果最终再转换为多值多维体的表示形式。     

逻辑函数求补算法及其改进

逻辑函数求补算法存在的主要问题是时间开销大及需要的存储空间过大。该文在对递归裂变求补算法和基于最小项求补算法进行分析研究的基础上,提出了积项输入、邻项合并、积项输出的无冗余覆盖的逻辑函数求补算法。该求补算法的时间、空间的需求将大大缩小。     

逻辑函数的无冗余覆盖选择问题

逻辑函数的最小化算法可分为两大步骤：产生本源蕴涵项和在这些蕴涵项中选择一个最小覆盖。人说后者比前者更加困难,这的确是事实。我们这里提出一个无冗余和选择一个最小覆盖的算法。给定函数ｆ的一个本源覆盖Ｇ,首先将Ｇ分为三个子集：实质本源项子集Ｅ,完全冗余项子集Ｒ和相对冗余项子集Ｐ。然后在Ｐ中选择一个子集Ｐ＾＊,使Ｐ＾＊∪Ｅ为ｆ的一个近似最小覆盖。很明显,后一项任务比前者要复杂得多。所以,我们的讨论侧重于后     

基于可观测性无关项的快速逻辑优化实现策略

在对可观测性无关项相关问题进行研究的基础上，通过计算逻辑网络中门的可观测无关项，得到最大允许函数集，依此来消除网络中冗余门，进行逻辑设计优化。同时对已有算法做了一定改进，给出了SANDTNT算法，以适用大输入和输出变量逻辑网络的优化。     

蕴涵项的扩展算法

本文提出了一个把逻辑函数的积项扩展为本源蕴涵项的算法。用此算法得到的本源蕴涵项集合通过去冗过程产生的最后结果最接近绝对最小化的解。     

基于可观测性无关项的快速逻辑优化实现策略

在对可观测性无关项相关问题进行研究的基础上,通过计算逻辑网络中门的可观测无关项,得到最大允许函数集,依此来消除网络中冗余门,进行逻辑设计优化.同时对已有算法做了一定改进,给出了SANDTNT算法,以适用大输入和输出变量逻辑网络的优化.     

合成信息系统与子信息系统的属性特征

数据库的合成和分解在实际应用中是一个很重要的问题,它所对应的数学模型就是信息系统的合成与分解,该文给出了对象合成信息系统、属性合成信息系统、对象子信息系统及属性子信息系统的定义,讨论了合成信息系统、子信息系统与原信息系统等属性特征之间的关系。     

约束高斯分类网研究

针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利 用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器 易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立 属性联合密度分解与组合定理和属性条件密度计算定理的基础上,将朴素贝叶斯分类 器的属性选择、分类准确性标准和属性父结点的贪婪选择相结合,进行约束高斯 分类网学习与优化,并依据贝叶斯网络理论,对贝叶斯衍生分类器中属性为类提供 的信息构成进行分析.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过 优化的约束高斯分类网具有良好的分类准确性.     

决策信息系统的增量式F-并行属性约简

在传统的属性约简算法中,将增加的对象和原来的信息系统整合为一个信息系统,并对这个信息系统重新划分新的等价类,为了降低处理增量式数据的复杂度,在信息系统的属性集上定义了信息论意义下的F-属性重要度,给出了一种增量式F-并行属性约简算法。该算法将增加的多行记录组成一个或若干个新的信息系统进行并行计算。与传统的方式相比,该算法能够很好地适应新加入的数据,同时通过利用优秀的启发式信息避免了增量式属性约简时间复杂度过高的问题,时间效率提高。     

不完备信息系统中属性的重要度及约简方法

在不完备信息系统中,基于相似关系的定义,讨论了属性相对于对象的重要度。通过聚合算子聚合属性相对于所有对象的重要度,可得到属性的重要度。根据属性的重要度,给出了不完备信息系统的一种属性约简方法。实例说明该方法可以减少属性约简的搜索空间并找到不完备信息系统的属性约简。     

A decomposition of a formal specification: an improvedconstraint-oriented method

In this paper, the authors propose a decomposition method for a formal specification that divides the specification into two subspecifications composed by a parallel operator. To make these specification behaviors equivalent before and after decomposition, the method automatically synthesizes an additional control specification, which contains the synchronization information of the decomposed subspecifications. The authors prove that a parallel composition of the decomposed subspecifications synchronized with the control specification is strongly equivalent with the original (monolithic) specification. The authors also write formal specifications of the OSI application layer's association-control service and decompose it using their method as an example of decomposition of a practical specification. Their decomposition method can be applied to top-down system development based on stepwise refinement     

在不完备信息系统中基于VPRSM的约简异常分析

属性约简问题的关键在于约简集合能否表达与原属性集完全一致的信息。分析了完备信息系统中基于变精度粗糙集模型属性约简异常出现的原因,并将其扩展到不完备信息系统中,在文献[1]的基础上,给出了不完备信息系统中基于集对分析的VPRSM的约简定义,既能保证在不完备信息系统中基于变精度约简的准确性,又能增加灵活性和容噪能力。     

合成信息系统与子信息系统

本文给出了对象合成信息系统、属性合成信息系统、对象子信息系统及属性子信息系统的定义，分别讨论了它们的上下近似算子与原信息系统的上下近似算子之间的关系．并给出了它们的一些实际应用。     

基于约束的混合属性增量聚类算法

为解决大规模数据集聚类过程中内存容量受限问题,提出了一种基于聚类个数约束的快速聚类算法,只需扫描一趟原始数据集,半径阈值随聚类过程动态变化;同时定义了一种包含分类属性取值频率信息的类间差异性度量,可用于混合属性数据集,时间复杂度与空间复杂度同数据集大小,属性个数近似成线性关系.在KDDCUP99数据集上的实验结果表明,提出的算法输入参数少,具有良好的聚类特性,可用于大规模数据集.     

结合泛系与粗糙集的信息系统处理方法研究

从泛系方法论的角度,研究信息系统中泛浑沌、泛引子和泛怪引子的存在性及它们与等价类之间的关系。对决策信息系统的相容性进行了分析,并把属性核分为纯核与非纯核;讨论了属性核与泛系不动子集间的联系,在此基础上运用泛系方法论研究了信息系统的属性约简问题,为信息系统的处理提供了一种新的方法和思路。最后,探讨了决策信息系统中泛系不动子集的逻辑守恒性。     

Rule Discovery Based on New Attributes Construction

This paper presents a method of constructing new attributes as a linear combination of original ones. Decision table based on n classification attributes and containing k-objects is seen in this paper as a collection of k points in n-dimensional space. For simplicity reason, it is assumed that the decision attribute is a binary one and the objects are partitioned into positive and negative. The problem is to find an efficient procedure for constructing possibly the smallest number of hyperplanes so each area surrounded by them only contains either positive or negative points. What is new in this paper is a strategy used to construct such hyperplanes. The work suggests unified approach to determine such attributes and use them for discovering new, more effective rules in decision systems.