一种基于关联规则的多类标分类算法

提出了一种基于关联规则的多类标算法(MLAC).利用多类标FP-tree来分解组合生成多类标规则.并通过组合多重关联规则分类器进行分类预测,降低了由高维属性带来的高计算复杂度,有效地提高了算法的性能和效率.针对多类标数据集的实验结果表明,MLAC算法在性能和效率等方面均优干ML-KNN等多类标分类算法.     

基于对象立方体结构的类描述规则挖掘

在类描述规则中,特征规则用于描述目标类中对象的特征,区分规则用于区分一个类及其对比类。研究基于对象立方体结构的类描述规则表示及其发现方法。通过实验验证该方法的可行性,得到用高层概念表示的类描述规则,该规则有助于用户对特定类进行识别。     

粗糙集分类算法中的近似决策规则和规则匹配方法

粗糙集分类算法在应用标准决策规则进行新对象分类时,经常碰到决策规则与新对象不完全匹配的情况。因此,近似决策规则和部分匹配方法常用于提高决策规则与新对象匹配的可能性。本文在概述和比较两种近似决策规则生成算法的基础上,以一个文本分类系统为例,提出了一种综合的、更有效的近似决策规则生成算法。文章还介绍了几种通用的规则匹配方法,提出了一系列实用的完全匹配和部分匹配公式。实验表明,新提出的近似决策规则生成算法和规则匹配公式能够有效地提高决策规则与新对象的匹配可能性与准确性。     

基于一个新的类的关联分类方法

为得到更高的分类精度和效率,提出了基于一个新的类的关联分类算法CACA(a new class based associative classifica-tion approach)。该方法使用基于策略的类来削减频繁模式的搜索空间;设计一个OR-Tree(ordered rule-tree)的有序规则树来存储规则和他们的信息并且重新定义一个紧凑集,以便构造的分类器也是紧凑唯一的;同步规则的生成和分类器的构造以缩小规则的挖掘空间以便加快规则的生成。实验结果表明,CACA算法在关联分类方法中具有更高的准确度和效率。     

基本路径测试用例设计的改进方法

基于路径字符串组合的基本路径集求解算法以简单的字符串处理实现了基本路径集的求解,但该算法没有考虑判断语句的条件拆分问题。提出采用决策表法解决基本路径集求解的条件拆分问题,在扫描被测程序时提取判断语句信息,将含多个条件的判断语句转化为一个决策表节点,生成含决策表节点的T基本路径集;根据提取的判断语句信息得到因果表达式,生成决策表,依据决策表生成规则路径集,按照一定规则将T基本路径集与规则路径集进行组合,则可生成满足条件覆盖的基本路径集。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域,已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分,所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型,它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法,因为遗传算法的全局优化能力,所以可以得到相对较为合适的模糊规则,通过仿真结果,也可以看出它确实是一种切实可行的方法。     

OODB中的规则管理：一种一致性方法

数据库管理系统中已提出用规则支持主动行为,但规则与其他对象是分别对待的。本文提出一种一致性方法,规则可以像其他对象一样加以描述和处理,无需任何附加机制,并且规则可以与其他对象相联系,按层次组织;利用视之为对象的规则和类这两者间的关系,可以为规则提供基于类的索引,减少对可用规则的搜索。该方法已在ADAM(Prolog-OODB)中实现。     

基于模块化可达图的服务组合验证及BPEL代码生成

为了解决基于中介器服务组合方法的状态爆炸和不能自动生成BPEL(business process execution language)的问题,提出了一种基于Petri网模块化可达图的服务组合验证方法.服务组合的Petri网模型通过中介变迁进行模型分割,分别对各个部分构建可达图,再对模块化可达图进行服务组合可行性分析.采用模块化可达图可以大量节省空间开销,有效避免空间爆炸问题.在验证服务组合可行的情况下提出了基于ECA规则形式的BPEL过程代码自动生成方法,也就是将服务组合Petri网模型的中介变迁以及每个服务对外接口的调用或操作都映射生成为ECA规则形式的BPEL代码段.通过对一个电子商务实例进行分析,说明了所提出方法的有效性.     

基于聚类集成和激活因子的扩展置信规则库推理模型

规则约减和规则激活是扩展置信规则库(EBRB)推理模型优化研究中的两个重要方向.然而,现有研究成果大多存在方法参数确定主观性强和计算复杂度高等不足.为此,通过引入聚类集成和激活因子提出改进的EBRB推理模型,称为CEAF-EBRB模型.该模型先基于聚类集成对历史数据进行多次的数据聚类分析,再以簇为单位将所有历史数据生成扩展置信规则;同时,通过激活因子修正个体匹配度计算公式以及离线的方式计算激活因子取值,以确保高效地激活一致性的规则.最后,在非线性函数拟合、模式识别、医疗诊断等常见问题中验证了所提CEAF-EBRB模型的可行性和有效性,从而为决策者提供更准确的决策支持.     

基于复杂学习分类系统的密度聚类方法

提出一种基于复杂学习分类系统（XCS）的密度聚类方法,可以用于对任意形状且带有噪声的二维数据进行聚类分析。此方法称为DXCSc,主要包括以下三个过程：1）基于学习分类系统,对输入数据生成规则种群,并对规则进行适当压缩;2）将已经生成的规则视为二维数据点,进而基于密度聚类思想对二维数据点进行聚类;3）对密度聚类后的规则种群进行适当聚合,生成最终的规则种群。在第一个过程中,采用学习分类系统框架生成规则种群并进行适当约减。第二个过程认为种群的各规则簇中心比它们的邻居规则具有更高的密度,并且与密度更高的规则间距离更大。在第三个过程中,采用图分割方法对相关重叠簇进行适当聚合。在实验中,将所提方法与K-means、近邻传播聚类算法（AP）、Voting-XCSc等算法进行了比较,实验结果表明,所提方法在精度方面优于对比算法。     

基于Web的工作流系统中表单定义与处理

描述了基于Web的工作流系统中的表单定义以及处理的规则。基于这些规则,用户可以自由定制应用在Web上的、基于HTML的表单,并灵活地控制表单的显示、数据项之间的运算以及工作流的处理逻辑。通过不同的规则组合,可以实现一系列复杂的功能,完全能够满足多分支、多路径的工作流系统对表单定义处理灵活性的要求。实践表明,文中提出的规则能够增强工作流系统的灵活性与可扩展性,可对构建功能更强大的办公自动化系统提供有力支持。     

基于工作流系统的表单研究和应用

描述了基于工作流系统中的表单定义以及处理的规则。基于这些规则，用户可以自由定制应用在Web上的基于HTML的表单，并灵活地控制表单的显示、数据项之间的运算以及工作流的处理逻辑。通过不同的规则组合，可以实现表单的一系列复杂的功能，完全能够满足多分支、多路径的工作流系统对表单定义处理灵活性的要求。     

基于规则与统计的Web突发事件新闻多层次分类

为了适应Web新闻以指数趋势增长,传播迅速,且Web突发事件新闻在互联网上散布等特点,同时针对传统文本分类方法准确率和效率低,寻找特定主题的突发事件新闻信息难等问题,提出一种基于规则与统计相结合的Web突发事件新闻多层次自动分类方法。首先提取类别关键词形成规则库,然后利用分类规则将突发事件分成四大类,再用朴素贝叶斯分类方法将各大类突发事件新闻进行细分,从而形成了基于规则与统计的两层分类模型。实验结果表明,该分类方法的准确率和召回率都达到90%以上,分类效率也普遍高于传统的分类方法。     

基于SQL的多值多层关联规则挖掘

在分析研究关系数据库上关联规则挖掘现有方法的基础上,提出了一种基于结构化查询语言SQL的多值多层关联规则挖掘新方法。采用了一种新的根据概念分层的编码方法对多值属性进行离散化,然后利用SQL的查询语句,结合多值属性的编码,实现了关系数据库上的多层关联规则挖掘。实验表明,该算法具有快速、有效、易开发等优点。     

基于活跃规则集的Snort高效规则匹配方法

对于基于特征的开源入侵检测系统Snort来说,如何提高速度以适应高速网络的发展是关键。在分析Snort新特性和现存多种规则匹配方法的基础上,考虑到大量Snort规则在一定时间内只有一小部分规则是活跃的,提出基于活跃规则集的Snort规则匹配方法,通过把每个端口下的规则分成活跃规则集与不活跃规则集,结合反馈规则匹配频度的思想,实时更新规则匹配顺序和控制活跃规则集大小,从而提高规则匹配速度。     

Classifier combination based on confidence transformation

This paper investigates the effects of confidence transformation in combining multiple classifiers using various combination rules. The combination methods were tested in handwritten digit recognition by combining varying classifier sets. The classifier outputs are transformed to confidence measures by combining three scaling functions (global normalization, Gaussian density modeling, and logistic regression) and three confidence types (linear, sigmoid, and evidence). The combination rules include fixed rules (sum-rule, product-rule, median-rule, etc.) and trained rules (linear discriminants and weighted combination with various parameter estimation techniques). The experimental results justify that confidence transformation benefits the combination performance of either fixed rules or trained rules. Trained rules mostly outperform fixed rules, especially when the classifier set contains weak classifiers. Among the trained rules, the support vector machine with linear kernel (linear SVM) performs best while the weighted combination with optimized weights performs comparably well. I have also attempted the joint optimization of confidence parameters and combination weights but its performance was inferior to that of cascaded confidence transformation-combination. This justifies that the cascaded strategy is a right way of multiple classifier combination.     

基于关联规则挖掘的中文文本自动分类

随着电子出版物和互联网文档的飞速增加，自动文档分类工作正变得日渐重要．提出一种基于关联规则的中文文本自动分类方法．该算法将文档视作事务．关键词视作项，利用改进的关联规则挖掘算法挖掘项和类剐间的相关关系．挖掘出的规则形成分类器，可用于类标号未知的文档的区分．实验证明，该算法能较快地获得可理解的规则并且具有较好的召回率和准确率．     

Realizing active data warehouses with off‐the‐shelf database technology

Active data warehouses belong to a new category of decision support systems, which automate decision making for routine decision tasks and semi‐routine decision tasks. Just as active database systems extend conventional database systems with event–condition–action rules for integrity constraint enforcement or procedure execution, active data warehouses extend conventional data warehouses with analysis rules that mimic the work of an analyst during decision making. This paper demonstrates how analysis rules can be implemented on top of a passive relational data warehouse system by using commercially available database technology. Copyright © 2002 John Wiley & Sons, Ltd.     

基于词典、规则的斯拉夫蒙古文词切分系统的研究

斯拉夫蒙古文是蒙古国现行的文字,又称为西里尔蒙古文或新蒙古文。蒙古文词干和词缀包含着大量信息,斯拉夫蒙古文词切分是斯拉夫蒙古文信息处理众多后续工作的基础。该文尝试了将词典和规则结合的方法对斯拉夫蒙古文进行词切分。首先预处理部分蒙古文词,然后基于词典切分高频和部分不符合规则的词。最后对剩余的词,用切分规则生成多个候选的词切分方案,然后在这些方案中选出最优方案。通过两种方法的有机结合,发挥各自的优点,得到了性能较好的斯拉夫蒙古文词切分系统。     

基于正负模糊规则的相结合的图像分类

由于传统的图像分类只是利用正模糊规则对图像分类,忽略了负模糊规则在图像分类中的作用。据此本文提出用正负模糊规则的相结的方法对图像进行分类,注重将负模糊规则和传统的正模糊分类规则有效结合。实验表明,该方法有较高的准确率,获得了更好的效果。