Vague决策表中的含糊规则获取策略

能否有铲地处理好决策表中的含糊性在很大程度上影响到决策效果。Cau和Buehrer所提出的Vague集是对于模糊集概念的推广,最近该理论已被作为一种新型的描述含糊数据的有效工具,并在多个领域中获得了成功的应用。该文将Vague集应用于决策表中数据的描述之中,通过一个真肃属函数和一个假肃属函数来分别构造[0,1]由的子区间。文中详细地讨论了造成Vague决策表中含糊性的各种因素,指出不确定性是有别于未知性的。在引入Vague区别矩阵的概念后,给出了另一种含糊规则的获取策略。通过与作者在以往文献中提出的Vague包含与相交因子的对比,从理论上分析了它们各自的适用条件。     

一个基于Vague集相似度量的近似推理方法

对文献[1]中提出的一种基于Vague集之间相似程度的度量方法进行了分析，指出了这种相似度量方法存在的缺陷。在此基础上，给出了一种改进的相似度量方法。同时，我们还给出了一种新的Vague集的交并运算规则，并在新的交并运算基础上，提出了一种基于Vague集相似度量的近似推理方法。最后，用实例说明了这种近似推理的推理过程。     

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法，以解决文献中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题，并且提出了Vague集间相似方向的概念，用它来描述两个相拟Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上的给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性。这为智能系统中的近似推理提供了一个十分有用的工具。     

基于Vague集的双向近似推理

1 引言自从Zadeh提出Fuzzy集理论以来,Fuzzy集理论不断地发展和完善,并在许多领域里得到了成功的应用。Fuzzy集理论中的模糊推理一般可表示成如下形式:     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

Vague集相似度量方法

提出一种新的Vague集相似度量方法,并证明了它满足若干准则。指出了现有方法的不足,并通过实例说明了该方法的有效性和优越性。     

Vague集的新相似度量方法

本文指出了现有Vague集相似度量方法的不足,提出一种新的Vague集相似度量方法,并证明了它的有效性.     

Vague 集之间相似性的度量方法

指出现有Vague集相似度量方法的不足,分析了其存在不足的根本原因,给出了一种Vague集相似度量的新的计算方法.通过实例说明了该计算方法的有效性和合理性.     

基于条件信息熵的决策表约简

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法，在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功。研究者从不同的角度对这个理论进行研究。本文将从信息论观点出发对Rough集理论的基本概念和主要运算进行分析讨论，通过与Rough集理论的代数观点进行比较分析，得到这两种观点下的一些等价性质和不同的特性，并基于条件信息熵提出决策表的约简算法。     

基于压缩的海量不完整数据近似查询方法

随着数据的爆炸式增加,不完整数据普遍存在,传统的数据修复方法对于海量数据处理代价过高,且不能彻底修复,在这些不完整的海量数据上进行满足给定需求的近似查询引起了学术界的关注.因此,提出一种基于压缩的海量不完整数据近似查询方法,该方法对属性值缺失字段进行标记,根据频繁查询条件对标记后的数据进行压缩,并建立对应索引;根据属性划分对索引文件再次压缩以节省存储空间,采用编码字典对索引压缩文件进行选择和投影操作,最终获得不完整数据的近似查询结果.实验表明,该方法能够快速定位不完整数据的压缩位置,提高了查询效率,节省了存储空间,并且保证了查询结果的完整性.     

基于冲突域的不完备决策表求核算法

求核是粗糙集理论中的重要研究之一。近年来在不完备决策表中的求核算法相对较少。通过对葛浩引入冲突域的概念进行研究,设计一种在不完备决策表中的新的求核算法。该算法主要是在容差关系下以冲突域中冲突对象数目的变化为衡量标准来判断核属性,并且通过理论证明了基于冲突域所求出的核属性与基于正区域求出的核属性是等价的。通过对新算法的分析,其时间复杂度为O(|K||C|2|U|)(|K|=max{|T C(x)||x∈U}),空间复杂度为O(|U|)。最后通过实例和仿真实验说明该算法是正确和高效的。     

智能控制中的机器学习方法

本文介绍了机器学习的两种基本方法:归纳学习和基于解释的学习,在此基础上提出集成化学习方法。最后讨论了机器学习在智能控制中的应用。     

机器翻译系统中基于机器学习的目标词选择

文中利用机器人学习的方法研究英汉机器释译中目标词选择的问题。     

基于短语的统计机器翻译中短语表的过滤

大多数基于短语的统计机器翻译系统将任意连续的词串看作短语,并没有考虑短语的合理性。使用了C-value以及短语粘结度两种方法,有效地对短语表进行过滤,减小了搜索空间,同时还提高了翻译质量。实验表明,在翻译结果的BLEU评价提高0.02的情况下,短语表可以缩减为原来的78%。并且当短语表缩减为原来的47.5%时,BLEU评价仍提高了0.0158。     

机器学习与生物信息学

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息将是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效及廉价的方法是非常必要的．机器学习是一种自动的、具有智能学习技术的方法，有助于达到上述目的。本文就知识发现、人工神经网络、决策树、贝叶斯网络、遗传算法、隐马尔科夫链、聚类、归纳逻辑编程、支持向量机等机器学习方法在生物信息学中的应用进行了系统地评述．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

英汉机译中一种基于无监督学习的词类消歧策略

在本文,我们介绍英汉机译中使用无监督学习实现词类消歧的一种新方法,该方法以独立于语料库的手工制作的约束规则为出发点,然后合并从训练语料库中以无监督方式所学习的约束规则,从而激发手工制作的约束规则,同时不以牺牲查全率为代价而提高查准率。实验表明,在英语分析过程中通过组合这些手工制作以及所学习的信息源,可获得大约９８％的查全率,８９％的查准率,以及平均１．１０个歧义分析／单     

一个基于机器学习的神经网络初始化方法

本文针对ＢＰ前馈神经网络存在的训练时间长、容易陷入局部极小等问题，研究了一个基于机器学习的神经网络初始化方法。实验结果表明，用这种方法初始化神经网络，提高了神经网络的学习效率和泛化能力，并且可以有效地抑制陷入局部极小的可能性。     

ADAPTIVE MODEL LEARNING BASED ON DYNA-Q LEARNING

Dyna-Q, a well-known model-based reinforcement learning (RL) method, interplays offline simulations and action executions to update Q functions. It creates a world model that predicts the feature values in the next state and the reward function of the domain directly from the data and uses the model to train Q functions to accelerate policy learning. In general, tabular methods are always used in Dyna-Q to establish the model, but a tabular model needs many more samples of experience to approximate the environment concisely. In this article, an adaptive model learning method based on tree structures is presented to enhance sampling efficiency in modeling the world model. The proposed method is to produce simulated experiences for indirect learning. Thus, the proposed agent has additional experience for updating the policy. The agent works backwards from collections of state transition and associated rewards, utilizing coarse coding to learn their definitions for the region of state space that tracks back to the precedent states. The proposed method estimates the reward and transition probabilities between states from past experience. Because the resultant tree is always concise and small, the agent can use value iteration to quickly estimate the Q-values of each action in the induced states and determine a policy. The effectiveness and generality of our method is further demonstrated in two numerical simulations. Two simulations, a mountain car and a mobile robot in a maze, are used to verify the proposed methods. The simulation result demonstrates that the training rate of our method can improve obviously.     

基于决策树学习中的测试生成及连续属性的离散化

文中介绍并分析了基于决策树学习中的测试评价标准、测试生成机制及连续型属性的离散化等方法和实现技术．通过分析表明，在离散化过程中，采用信息熵最小化启发式能带来较好的效果．与二分离散化方法相比，采用多分离散化方法能从相同的实例集中构造出更好的决策树．     

基于支持向量机的数据库学习算法

文中介绍了一个利用数据库中的大量数据进行决策的方法。对于仅涉及数据库中部分数据的问题,对数据库中与当前问题相关的数据采用具有强泛化能力的支持向量机方法学习分类规则和回归函数,完成对当前问题的分类和估值。支持向量机算法用非线性映射把数据映射到一个高维特征空间,在高维特征空间进行线性分类和线性回归,将原问题转化为一个凸次优化问题。上述算法实现了一个隧道工程支护设计系统,并取得了较好的效果。