一种含等词的分阶段Tableau算法

在增强新的扩展规则的tableau方法的基础上提出了一种新的含等词tableau算法—分阶段tableau。在该算法中,将tableau四分成两个阶段,等词单独处理,利用提取不等式析取并在启发式的帮助下计算等价类的方法,进一步限制了tableau的搜索空间,提高了tableau的推理效率。同时,为了研究分阶段tableau的有效性,进行了实例分析,并与Fitting和Jeffrey方法进行了比较,结果表明,分阶段tableau方法优于其它方法。     

一种新的模式合一算法

传统的模式合一,使用递归调用的方法,算法的时间复杂度是指数级的,因此,往往容易耗费大量的系统资源,从而造成系统的崩溃。为了解决这个问题,本文提出一种新的模式合一算法,共时间复杂度为线性的。实验结果表明,本算法可以有效地解决原来算法中存在的递归调用问题。     

一种核属性快速求解算法

针对求核算法存在所求得的核与基于正区域的核不一致以及算法的时间和空间复杂度不理想的问题,提出一种新的求核方法,并证明了由该方法所获得的核与基于正区域的核是一致的.利用分布计数基数排序方法设计了一种高效的等价类求解算法,在此基础上给出了快速求核算法.实验表明,所提出的算法是正确而高效的.     

一种优化的字符串seed的求解算法

研究了一种重要的字符规律性--字符串的seed.我们利用等价类的概念,提出了等价类树的结构.并在构建前缀等价类树和后缀等价类树的过程中,实时地求解出任意长度的字符串的seed.给定长度为n的字符串,这一算法的时间复杂度为O(nlogn).     

ACUN理论一般合一化问题的合一化算法

ACUN理论是异或算子代数性质的刻画.基于联合理论合一化问题的优化分解算法和高斯消元法,本文给出了ACUN理论一般合一化问题的合一化算法     

一种求解类覆盖问题的混合算法

提出一种扩展的类覆盖问题,并将它归纳为一个有约束的多目标优化问题模型,该问题的解决对构建强壮的分类识别系统具有重要的意义.因此,通过对二进制粒子群算法参数特性的深入分析,阐明二进制粒子群算法不仅具有良好的全局搜索特性,而且能够充分利用已有的先验知识.进而提出一种贪心算法与二进制粒子群优化算法相结合的混合算法求解扩展的类覆盖问题,该算法在获得更优解的同时,仍具有较快的运算速度.多种算法的比较结果表明了算法的有效性和可行性.     

一种基于粗糙集的加权聚类算法

在聚类分析过程中,属性特征在聚类过程中并不是同等重要的,有些特征甚至是冗余的,如果特征选取不适当,会使很多分类方法的效果变差.因此正确选择对于聚类重要性大的特征.对于提高聚类效果是非常重要的.基于此,该文提出了一种新的基于粗糙集相似模型的加权聚类算法.试验结果证明,该算法可以达到比传统算法更优的分类结果.     

求解K-means聚类更有效的算法

聚类分析是数据挖掘及机器学习领域内的重点问题之一.K-means聚类由于其简羊买用,在聚类划分中是应用最广泛的一种方案.提出了在传统的K-means算法中初始点选取的新方案,对于K-means收敛计算时利用三角不等式,提出了加速收敛过程的改进方案.实验结果表明,改进后的新方法相对于传统K-means聚类所求的结果有较好的聚类划分.     

信息系统中正区域快速求解算法研究

正区域是粗糙集理论中最重要的概念之一,求解正区域一般算法的时间复杂度为O(|C||U|2).为了提高正区域求解效率,提出一种快速等价类划分算法,并应用于正区域求解过程中,使求正区域算法的时间复杂度降低为0(ICllUl).然后,提出负区域的概念,证明了在负区域中求解正区域的性质,并给出改进后的算法,使求解正区域的时间复杂度进一步降低为max{O(|C||U-POS{al}(D)|),O(|U|)}.理论分析和实验结果表明,该算法是正确的、高效的.     

一种改进的Chameleon算法

利用Chameleon算法进行K值选择、相似度函数阈值选择时需要人为给出一些参数,在没有先验知识的情况下,人为确定此类参数难度较大。针对该问题介绍模块度概念,根据结构等价相似度和模块度概念提出一种聚类算法——M-Chameleon。实验结果证明,M-Chameleon可以客观地反映实际聚类情况。     

基于最大频繁等价类的Web信息自动抽取

在定义模板的基础上,提出了页面创建模型。该模型描述了如何使用模板将来自于后台数据库的值编码生成页面。基于这个模型,设计了一个基于最大频繁等价粪的抽取算法EBMFEC,通过分析给定的数据导向型页面的终端符号的出现情况,找出最大频繁等价类,并推导出用于生成页面的未知模板。然后使用推导出的模板,从输入页面中提取出相关信息。在大量实际HTML页面上的实验证明,EBMFEC在大部分情况下都可以从给定页面中推导出模板,并正确抽取出数据信息。     

形式概念分析与粗糙集的比较研究

形式概念分析与粗糙集理论为数据挖掘和知识获取提供了两种不同的方法。该文首先对于形式概念的外延及粗糙集的等价类进行了讨论。给出了它们之间的区别和联系;其次通过引入反链形式背景。对它们之间的关系进行了更进一步的研究;最后给出了形式背景约简和划分约简之间的关系。     

单调和反单调约束条件下关联规则的挖掘算法分析

本文充分利用了 Eclat算法的概念格理论和等价类划分方法,将约束条件融入基于垂直数据分布的关联规则挖掘算法中。提出了一种新的反单调和单调约束条件下关联规则的挖掘算法,分别为EclatA算法和EclatM算法。算法采用自底向上的搜索方法,在发现频繁项集的同时进行约束条件的检验。数据库的扫描次数较少,无需对候选项集进行剪枝,占用内存较小。实验证明:该算法的执行效率比已有算法有显著提高。     

利用等价类构造有限状态自动机

一类语言由任意字母表上的某种进制的数字串构成,要求该语言中的所有数字串能够整除N;构造有限状态自动机识别该类语言是困难的,本文提出了根据等价类构造一类有限状态自动机的方法。该方法可以针对所有字母表和所有进制的数字串构成的语言,而且满足语言中的所有数字串能够整除任意正整数N。该方法实用、简便。     

A Reliability-Based Stochastic Traffic Assignment Model for Network with Multiple User Classes under Uncertainty in Demand

This paper presents a novel reliability-based stochastic user equilibrium traffic assignment model in view of the day-to-day demand fluctuations for multi-class transportation networks. In the model, each class of travelers has a different safety margin for on-time arrival in response to the stochastic travel times raised from demand variations. Travelers' perception errors on travel time are also considered in the model. This model is formulated as an equivalent variational inequality problem, which is solved by the proposed heuristic solution algorithm. Numerical examples are presented to illustrate the applications of the proposed model and the efficiency of solution algorithm.     

Equality of agent expressions is preserved under an extension of the universe of actions

In a basic agent calculus, equality often links the agents which provide the same external behaviour in any context. Since the universe of agents and the universe of contexts depend on the used action set, equality depends a priori on this set of actions. We show here that if we select from the universe of agents, two agents which are equal, they are also equal if we extend the universe of actions (and consequently if we extend the universe of agents and contexts).     

余等价关系下的粗糙集

二元关系作为一类特殊的集合,可考虑它的余集.文中首先从等价关系的集合属性出发,给出余等价关系的定义及其内部关系刻画,构造基于余等价关系的广义粗糙集,论证其公理化基础.其次研究经典粗糙集和余等价关系下的广义粗糙集之间的相互联系,并在特定条件下借助余等价关系下的广义粗糙集,简化相应经典近似算子的相关运算,刻画基本精确集等重要知识.