决策树分类算法的研究及其在教学评估中的应用

分类在数据挖掘中是一项非常重要的任务,决策树方法是一种常用的方法,介绍了决策树建立的基本原理,提出一种基于概率统计知识来建立决策树的方法,实验证明该方法是可行的。     

基于快速双边滤波的图像高光去除研究

在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。与传统方法相比,该方法高光去除效果更好,处理速度更快,非常适用于一些实时应用的场合。     

一种基于独立分量分析的数字字符识别方法研究

在深入分析独立分量分析这一方法的基础上,使用一种负熵最大化的FastICA方法,对传统的数字字符识别模板库进行特征的二次提取,并采用一种改进的矢量量化方法进行识别。实验证明,ICA方法比PCA的识别率要高,并且计算量小于传统的方法。     

基于一阶信念点的一阶POMDP值迭代算法研究

主要研究一阶部分可观测马尔可夫决策过程的近似求解方法。给出了一阶信念、一阶信念粒度、流关键度的概念;提出了基于流关键度的粒度归结方法,统一一阶信念粒度;提出了一阶信念粒度距离度量方法,提出FO-PBVI方法,将PBVI提升到抽象层面。通过Tiger和Tag实验对方法进行了验证分析,通过实验可见FO-PBVI方法能够很好地适应问题规模的变化,能够求解较大规模的规划问题。     

一种混合的中文文本校对方法

本文以模式匹配的方法和3 元文法分析的方法为基础,结合语法属性标注和分 析的方法,提出了一种混合的中文文本校对方法,其结果优于任何一种方法的单独应用。 本文描述了这种方法并将它和其它两种方法进行了分析对比。     

基于描述逻辑的RB-RBAC授权规则冲突检测方法

RB-RBAC（Rule-Based RBAC）模型克服了RBAC模型的一些局限,提供了基于用户属性自动指派角色的机制。为了检测RB-RBAC模型的策略冲突,提出了一种基于描述逻辑的RB-RBAC模型的形式化方法,在此基础上提出了一种检测有关规则间冲突的方法、一种发现无关规则间冲突的方法和在授权规则集合中检测不同类型冲突的方法,可以根据具体情况选择不同的方法以提高效率。并给出了一种简单的冲突消解方法。     

基于模板差分的档案图像集合冗余压缩研究

档案图像信息系统中,页间信息冗余大量存在,对基于页间信息统计特性的压缩方法进行研究具有重要意义。集合冗余压缩正是利用图像之间的相似性降低整个图像集合的嫡。基于模板差分的压缩方法是一种改进的集合冗余压缩技术,它通过模板建立相似档案图像集合,通过在最小一最大差分方法的编解码器中加入模板图像,来提高页间压缩性能。理论分析表明,模板差分压缩方法的压缩性能高于最小一最大差分方法。实验结果表明,模板差分方法和最小最大差分方法均能有效提高图像集合的压缩比,而且模板差分方法比最小一最大差分方法更有利于提高压缩比。     

一种集成智能故障诊断方法研究

该文提出了一种新的故障诊断方法,该方法把基于观测器的诊断和基于知识的诊断方法相结合而成为一种集成智能故障诊断方法。在研究了基于多观测器故障诊断方法的基础上,对该集成诊断方法进行了较为详细的讨论。仿真例子表明了该方法的有效性和优越性。     

基于独立学习的多智能体协作决策

联合学习模式是实现多智能体协作决策的有效方法 ,但是当智能体信息不完备时 ,这一方法难以适用。为此 ,在智能体独立学习的基础上提出一种多智能体协作决策方法。以网格对策为例 ,仿真证明了这一方法的有效性     

一阶谓词公式关联矩阵的构造方法

一阶谓词逻辑可以借助关联矩阵进行有效推理。为了提高关联矩阵的构造效率,从而提高一阶谓词逻辑推理的效率,提出一种由一阶谓词公式构造对应关联矩阵的递归方法。该方法利用二叉树的递归性质,对任意一个一阶谓词公式,在化去量词后直接构造关联矩阵。该方法为借助关联矩阵实现一阶谓词逻辑的自动化推理提供了可能。     

一种面向高维数据的均分式Lasso特征选择方法

Lasso是一种基于一范式的特征选择方法。与已有的特征选择方法相比较,Lasso不仅能够准确地选择出与类标签强相关的变量,同时还具有特征选择的稳定性,因而成为人们研究的一个热点。但是,Lasso方法与其他特征选择方法一样,在高维海量或高维小样本数据集的特征选择容易出现计算开销过大或过学习问题（过拟和）。为解决此问题,提出一种改进的Lasso方法：均分式Lasso方法。均分式Lasso方法将特征集均分成K份,对每份特征子集进行特征选择,将每份所选的特征进行合并,再进行一次特征选择。实验表明,均分式Lasso方法能够很好地对高维海量或高维小样本数据集进行特征选择,是一种有效的特征选择方法。     

基于小波变换和蚁群算法的纹理分割

纹理分割是图像模式识别中的关键步骤,但直到现在仍然没有一种有效的方法能够解决。本文提出了一种新的基于小波变换和蚁群算法的纹理分割方法。该方法首先用小波变换提取图像不同频带的纹理特征,然后提出具有聚类能力的蚁群算法数学模型,并用这个模型来进行分割。实验结果表明,该方法是一种有效的纹理分割方法。     

基于电子病历的频繁模式挖掘研究

提出了对电子病历挖掘频繁集的一种方法,该方法引入了一种称为模式仓库结构,它以简洁方式来存储所有相关信息且可直接导出FP-tree;给出了一种称为FP-aprgrowth算法,它综合了Apriori方法和FP-growth方法二者的优点,接着阐明了FP-tree映射到决策树的原理和方法。最后给出一个例子显示其处理过程及效率。     

基于用例点进行软件估算

目前用例模型作为一种捕捉和分析软件功能性需求的方法已经被广泛采用。用例点估算方法正是以用例模型为基础的一种软件估算方法,该方法被证实是一种易操作、实用、可靠的估算方法。该文将介绍如何使用该方法进行软件规模、工期、成本的估算,从而为项目计划和管理提供必要的数据支持。     

一种双游程交替编码的测试数据压缩方法

SoC测试面临的挑战之一是测试数据量过大,而测试数据压缩是应对这一挑战行之有效的方法。因此,提出了一种新的双游程交替的测试数据压缩方法,该方法对测试集中0游程和1游程交替编码,并且后一游程类型可以根据前一游程类型转变得到。这样在代码字中不需要表示游程类型,减少了游程所需代码字的长度。实验结果表明,该方法能够取得比同类方法更高的压缩率,而且解压结构简单,因此能够达到降低测试成本的目标。     

粗糙集理论在图像增强中的应用

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法。本文提出一种基于粗糙集的图像增强新方法,该方法按条件属性,将一幅图像划分为不同的子图,然后对子图分别作对比度增强,增强图像的效果较为理想,满足了工程上的要求。     

基于有限样本的最优费用关联值递归Q学习算法

一个激励学习Agent通过学习一个从状态到动作映射的最优策略来求解决策问题。求解最优决策一般有两种途径,一种是求最大奖赏方法,另一种是求最优费用方法。该文利用求解最优费用函数的方法给出了一种新的Q学习算法。Q学习算法是求解信息不完全Markov决策问题的一种有效激励学习方法。文章从求解最优费用函数的方法出发,给出了Q学习的关联值递归算法,这种方法的建立,可以使得动态规划(DP)算法中的许多结论直接应用到Q学习的研究中来。     

基于网络漏洞的复合攻击预测方法研究

入侵检测系统可以检测到攻击,但不能预测攻击者下一步的攻击。本文分析了基于攻击为预测方法的不足,提出了一种基于网络弱点的攻击预测方法。该方法使用报警关联方法建立报警关联图,然后利用网络弱点和攻击的关系预测攻击者的下一步攻击。最后,通过实验验证了该方法的有效性。     

基于动态阈值的彩色图像边缘检测方法

本文基于Canny算法,提出了一种改进的彩色图像边缘检测方法,通过大量的实验证明该方法是一种有效的彩色图像边缘检测方法。     

基于爬峰法聚类的TM图像专题信息人机交互提取

介绍一种基于爬峰法(或称寻谷法)聚类的专题信息交互提取方法。爬峰法是一种基于高维直方图的图论方法,是一种完全的非参数聚类方法,具有适应性好、计算速度快的优点。