可视化和可视化分析学

可视化就是把数据、信息和知识转化为可视的表示形式的过程。一般来讲,可视化可分为数据可视化、科学计算可视化、信息可视化和知识可视化。可视化可以看做是人类与计算机这两个信息处理系统之间的一个接1：3单元。本文在给出可视化定义基础上,简要介绍了国际近年出现的可视化分析学情况,讨论了可视化在数据挖掘、复杂网络等领域的应用。最后指出了可视化研究存在的问题和重要发展方向。     

基于知识表达系统的序列比对研究

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法以及多序列比对算法进行了描述和评价;针对目前序列比对算法普遍存在的不足,提出了一种新的思想一基于知识表达系统的序列比对研究,应用知识表达系统对序列比对相似性发现进行定义及其处理。     

设计问题求解的一种定量分析方法

对设计问题求解进行了定量分析研究 ,给出了设计问题求解系统具有智能的一个定量化的必要条件 ,并分析比较了传统 CAD系统和智能 CAD系统 ;根据加工信道理论 ,对常规性设计和创造性设计进行了分析     

层次结构通用型专家系统

本文论述了一个基于层次知识结构的一般性系统的设计思想和设计方法.凡其知识可以概括为层次结构的领域,均可使用本系统,完成知识的表示、组织、扩充和利用.目前系统的知识利用操作有交互式检索浏览、自然语言(英语)问题回答、决策咨询三种.系统已在医疗诊断和农业生产咨询两个领域中显示了其实用性,是一个层次结构型通用的专家系统.它表明基于知识的模式识别的原理可以应用到人工智能专家系统的设计中.     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起,能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性. 基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题， 为交通信息预测提供了一种新的方法.检验结果表明，预测值基本上与实际值吻合.     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起，能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性．基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题，为交通信息预测提供了一种新的方法．检验结果表明预测值基本上与实际值吻合．     

相空间中金融数据近似熵和信息熵的计算

将处理脑电波近似熵和信息熵的方法应用于对股票市场的收益时间序列的处理,并得到了一些全球主要股票指数的相关特征.     

企业信息网络紧密度的评估研究

为了衡量信息网络的通畅性,研究了定量评估企业信息网络紧密程度的方法。首先基于信息系统的形式化方法,即对象知识网及信息传递关系网,对企业信息系统的信息网络进行表达,然后通过定义信息依赖度以及信息聚焦系数等指标量化企业信息网络的紧密度,给出了量化方法,最后通过实例说明了信息传递网及相关衡量指标的应用,为基于信息流的企业信息网络的结构优化奠定了基础。     

基于范例的信息融合系统体系结构设计方法研究

将基于范例的设计方法用于信息融合系统体系结构，将有助于设计方法改进．分析了数据融合树范例的基本概念及其不足之处，提出了基于数据融合树范例的信息融合系统体系结构设计方法，论述了该方法的原理，并应用此方法进行了信息融合系统的体系结构设计，包括数据融合树的设计、融合节点体系结构设计以及处理系统的体系结构设计，并在此基础上以分布式C^3I系统信息融合为背景探讨了基于数据融合树范例的体系结构设计实施方法，实践证明该方法切实可行．     

A1型智能网及智能工作站研究综述

介绍了智能网络的系统结构,体系结构及其结点－智能工作站的逻辑结构,并较详细地介绍了在知识库支持下为实现高速,高效的知识信息处理能力的ＩＷ中各系统软件的构成及开发途径。     

GIS中空间对象的不确定性研究

重点讨论了空间数据不确定性的概念、模型及研究方法,建议用目标模型和场模型来分别表示两类不同的空间对象,论述了空间统计学、模糊集理论、粗集理论、遗传算法、反思模型关数据不确定性研究中的应用,并给出了若干应用例子。     

基于卷积神经网络的多类运动想象脑电信号识别

针对传统多类运动想象（MI）脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电（EEG）信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作. 将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类. 利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学习. 结果表明该方法可以获得更高的多分类准确率以及降低个体差异对分类的影响. 所提出的方法有利于促进基于MI 的脑机接口系统的开发.     

一种新的基于粗糙集的案例特征权值确定方法

为克服传统权值确定方法的主观性和任意性,探讨了粗糙集理论中知识熵的概念及度量方法,分析了案例特征属性的知识熵与权重之间的联系,提出了基于知识熵的案例特征权值确定方法.通过实例验证了运用该方法确定的权值具有更高的可信度.     

检测系统的熵流和信息

根据熵 信息理论 ,推导出了运载信息的熵流 ,由信息的负熵理论给出了系统的信息流 ,从而得出了测量仪表的一些重要特性 ,纠正了能量 信息理论在该领域的一些错误结论 ,理顺了能量、熵、信息三者之间的关系 ,即在检测系统中能量是驱动熵流的动力 ,而熵流是携带信息的载体。     

张量表示的量子隐形传态研究

通过定义通道参数矩阵X、测量矩阵Tα和传输变换矩阵σα,介绍一种量子隐形传态的张量表示和分析方法,并用此方法来重新表示量子隐形传输、量子网络控制隐形传输、量子概率隐形传输和量子双向隐形传输。量子隐形传态的这种张量表示方法揭示了量子通道和测量方法之间的内在联系,能给出实现隐形传态时选取量子通道的一般判据。该方法使隐形传态的表示简洁明了,处理多粒子态的隐形传态更有优势。     

一种新信息熵定义及其在图像分割中的应用

熵阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,本文首先提出了一种新的信息熵;其次对其一些性质进行了探讨;最后用于图像分割的阈值选取。实验结果表明,本文的新熵阈值法是可行的,且其计算所需时间量远小于比香农熵阈值法。     

知识的表示及应用

对知识的代数表示和粒度表示及其性质进行了探讨,围绕知识约简证明了两种不同表示方法的等价性,提出了基于熵与粒度计算相融合的知识约简方法,并将该方法用于KDD Cup'99数据集的属性约简.     

一种新的词语权重计算方法

词语权重计算是自然语言处理中的重要问题,是文档语义表示的重要实现手段.词语的权重主要由两部分决定,一部分是词语在文档中的重要性度量,另一部分是基于统计方法所得的词语在区分不同文档能力上的度量即词语全局权重.本文就针对有相对稳定性的词语全局权重计算方法分析比较了现有的几种词语全局权重计算方法,并在此基础上提出了一种新的组合词语全局权重计算方法,实验证明本文提出的新方法能够有效地提高了系统的性能.     

不确定系统的信息熵与知识化简

根据一个不确定系统的条件属性对决策结果产生的依赖关系,建立了基于信息熵和知识重要性对不确定系统的知识冗余分析的联系,得到了基于信息熵和基于Rough集理论对不确定系统的知识冗余分析概念的统一和方法的一致性重要结论,从信息熵的角度以统计概率的方法提出了不确定系统的知识冗余分析新的知识简化方法,应用实例验证了本文理论和方法的可行性和有效性.     

Extension of information entropy-based measures in incomplete information systems

Rough set theory[1, 2], developed by professorPawlak, was conceived as a valid mathematical theoryto deal with inexact, uncertain or vague knowledge inmany applicants such as data mining, machine learningand decision support.Although rough set theory, using the concept of in-discernibility relation as its basic principle, provides aformal theoretical mechanism and a series of tools onknowledge reduction and knowledge acquisition throughset algebra, researchers realize that rough set theory isd…