大规模数据库的一种新的分布式查询优化算法──二分劈开缩减

提出了一种新的分布式数据库查询优化算法—二分劈开缩减，它基于很少的统计信息，达到了较好的缩减效果。最大程度地运用并行性，使得响应时间能够最小。文中还详细分析论证了它的正确性，可行性。最后用一个实验系统验证了此算法能够较好地缩减连接前的数据量，并使响应时间最小。     

求解多目标最小生成树的一种新的遗传算法

在改进的非支配排序遗传算法（NSGA-II）的基础上,提出了一种新的基于生成树边集合编码的繁殖算子求解多目标最小生成树问题的遗传算法。通过快速非支配排序法,降低了算法的计算复杂度,引入保存精英策略,扩大采样空间。实验结果表明：对于多目标最小生成树问题,边集合编码具有较好的遗传性和局部性,而且基于此繁殖算子的遗传算法在求解效率和解的质量方面都优于基于PrimRST的遗传算法。     

基于集合枚举树的最小预测集挖掘算法

为缩减关联规则存储空间和方便查询关联规则,提出一种前件为单一项目的最小预测集算法。利用集合枚举树找到最大频繁项 目集,据此来挖掘最小预测集。对规则扩展的有效性进行证明。实验结果表明,通过该算法得到的最小预测集比传统方法小1个数量级。     

融合多种特征点信息的最小生成树医学图像配准

针对医学图像配准鲁棒性强、准确性高和速度快的要求,提出了一种基于融合多种特征点信息的最小生成树医学图像配准算法.该算法首先提取3种特征点,Harris-Laplace,Laplacian of Gaussian 和网格点;然后使用遗传算法去除特征点集的冗余,并通过对位映射构建无向完全图顶点集合;进而使用改进的Krusk...     

一个在Horn子句中求解极大缩减的算法

在信念修正理论中,一个核心问题是求解一个公式集合关于事实集合的所有极大协调子集,即极大缩减.本文尝试从算法的角度来解决这一问题,研究在Horn子句中求解所有极大缩减的算法.首先,本文指出并证明了公式集合和事实集合并集的极小不协调子集与公式集合关于事实集合的极大缩减之间的转化关系.其次,给出并证明了Horn子句集合极小不协调的一个必要条件.然后,基于上述两个结论,本文提出了一个在Horn子句中枚举公式集合和事实集合并集的极小不协调子集的交互式算法和一个通过这些极小不协调子集计算所有极大缩减的算法.最后,综合这两个算法,提出了一个在Horn子句中求解所有极大缩减的交互式算法.     

一种基于粗糙集的近似质量求取属性约简的决策算法

提出一种基于粗糙集的近似质量求取属性约简的算法。该算法以集合近似的质量为迭代准则，以所有条件属性为初始约简集合，通过逐步缩减来求取约简，保证了所求取的约简对问题的分类量力不会减弱。同时给出了该算法的时间复杂度分析，并举例验证了所提出算法的有效性和实用性。     

基于变长编码遗传算法的最小缩减计算

在数据库知识发现的过程中,属性选取是其中的一个重要步骤,它通过去除冗余属性,达到提高数据挖掘效能的目的。本文利用粗糙集合中的理论作为背景知识,讨论了使用遗传算法寻找最小缩减的方法,并提出采用个体变长编码的方法来解决最小缩减的计算问题,设计出相应的交叉、变异算子,实验证明其具有较好的收敛性能。     

基于属性重要性的决策表属性约简算法

提出一种基于粗糙集属性重要性的属性约简算法。该算法以所有条件属性为初始约简集合，以属性重要性为迭代准则，通过逐步缩减来求取约简。同时给出了该算法的时间复杂度分析，并举例验证了所提出算法的有效性和实用性。     

云环境下基于模板遗传算法的任务调度方法

云任务调度是云计算研究的一个热点。云任务调度方法的好坏直接影响云平台的整体性能。提出一种基于模板遗传算法(TBGA)的任务调度方法。首先,根据处理机的运算速度和带宽等条件,计算出每个处理机应分配的任务量模板大小;然后,根据模板大小将任务集合中的任务划分为多个子集合;最后,利用遗传算法将集合中的任务分配到对应的处理机。实验证明通过此方法能得到总任务完成时间较短的调度结果。通过仿真实验将TBGA算法与Min-Min算法和遗传算法(GA)进行比较,实验结果表明,TBGA算法与Min-Min算法相比任务集合完成时间降低了20%左右,与遗传算法相比任务集合完成时间降低了30%左右,是一种有效的任务调度算法。     

基于遗传算法的粗糙集属性约简及其应用

属性约简是粗糙集合研究的重要内容之一。为了能够有效地获取决策表中属性最小相对约简,提出一种基于遗传算法的属性约简算法。依据条件属性的重要度,把条件属性加入到相对核属性集中,将相对核加入遗传算法的初始种群中以加快算法收敛。并应用该算法对水上事故模型预测进行分析,做出推理和决策。     

不完备知识系统非对称相似关系的最小简式

在实际决策时,人们所面临的往往是大量的数据,因此知识约简很重要,已经证明：在知识系统中求解最小简式是NP完全问题。对于完备知识系统,已有很多方法来求解最小简式,而对于不完备知识系统,这方面的研究较少,处理也更困难。对于不完备的知识系统,可以采用一些补齐算法先进行完备化处理,然后再对所得到的完备知识系统采用一些常用的约简算法如分辨矩阵法等进行处理。但是,补齐处理只是以主观估计值,将未知值补齐,不一定完全符合客观事实。因此,需要保持知识系统的原始信息不发生变化的前提下进行约简。设计了二进制矩阵,和不完备知识系统的非对称相似关系结合,证明了一个定理,并提出了一种基于非对称相似关系的遗传算法,求解不完备知识系统中的最小简式。算法的适应度函数较为简单,可以有效求出最小简式子。实验结果显示了算法的有效性。     

一种综合信息熵和遗传算法的知识约简方法

针对粗糙集理论核心内容之一的知识约简问题,本文结合信息论有关知识,给出了粗糙集理论中一些概念和运算的信息表示,并利用遗传算法作为约简工具,提出了一种知识相对约简的方法．为使所得约简相对最优,将条件信息熵的重要性定义融入了适值函数中．同时,在适值函数的选取上引入了惩罚函数和罚系数,从而保证所求的约简在包含最少而又非零个属性的基础上保持原有的分类能力．通过实例分析可看出,该算法对求解约简问题是快速有效的．     

知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一,现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题,文中首先从信息的角度,对决策表中属性的重要性给出度量;在此基础上,提出了一种基于互信息的知识相对约简的启发式算法,并指出算法的复杂性是多项式的;最后,通过     

Minimal representation multisensor fusion using differentialevolution

Fusion of information from multiple sensors is required for planning and control of robotic systems in complex environments. The minimal representation approach is based on an information measure as a universal yardstick for fusion and provides a framework for integrating information from a variety of sources. In this paper, we describe the principles of minimal representation multisensor fusion and evaluate a differential evolution approach to the search for solutions. Experiments in robot manipulation using both tactile and visual sensing demonstrate that this algorithm is effective in finding useful and practical solutions to this problem for real systems. Comparison of this differential evolution algorithm with more traditional genetic algorithms shows distinct advantages in both accuracy and efficiency     

基于信息熵的决策表约简

从信息论的角度,对决策表中属性重要性的大小进行度量,并在此基础上,提出了一种基于互信息大小的知识约简算法,实例表明能够有效得到决策表的近似最小约简。     

基于改进遗传算法的粗糙集属性约简算法

属性约简是粗糙集理论研究的主要内容之一,为了能够有效地获取决策表中属性最小约简,在分析属性约简的方法与遗传算法的基础上,将属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法.通过构造新的变异算子来引入启发式信息,体现了启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度.实验结果表明,该方法能快速有效地求出决策表的最小约简.     

相容RS理论中的属性约简算法

1.引言 Skowron等提出的相容RS理论是经典的RS理论的推广,它用相容关系(tolerance)代替原来的不可分辨关系(indiscernibility),可以发现属性值之间的相似性、滤除属性值之间的微小偏差,提高系统决策的鲁棒性和决策效率。Duntsch、Gediga等从信息论的角度建立了粗糙集理论中的知识与信     

基于遗传算法和区分矩阵的属性约简

在保持知识库分类能力不变的条件下,为了获得决策系统中属性的最小约简,本文利用遗传算法在全局寻优、避免算法陷入局部收敛方面的优势,结合区分矩阵能够很容易地计算出属性约简和核的良好性质,提出了一种基于遗传算法和区分矩阵的属性约简算法。该算法将区分矩阵嵌入遗传算法中,充分发挥各自在求解最小属性约简方面的优良特性,其中遗传算法主要流程基本不变,适应值函数选取引入区分矩阵的性质。实验结果表明,在可接受的时间内得到了最小约简,约简结果优于HU算法和传统遗传算法,达到了预期的结果。     

一种从海量不完备决策表中抽取规则的方法

提出了一种处理海量的不完备决策表的方法。将基于互信息的属性重要度作为启发式信息,利用遗传算法对不完备的原始决策表中的条件属性进行约简,形成包含missing值的决策表,称为优化决策表。利用原始决策表自身的信息,通过属性扩展,从优化决策表中抽取一致性决策规则,而无须计算missing值。该方法在UCI的8个数据集上的实验结果优于EMAV方法,是一种有效的从海量不完备决策表中抽取规则的方法。