缺失数据处理方法的比较研究

由于数据挖掘技术日益广泛地应用于各个领域,而大多数领域中数据都存在缺失值,因此基于缺失数据的数据挖掘方法的研究具有重要意义.利用直接删除、特殊值填充、平均值填充、Robust方法4种处理缺失值的方法建立4个缺失值处理模型以及相应的朴素贝叶斯分类器模型.通过在5个实际数据集上进行实验比较,并采用五重交叉验证来检验这些模型的性能.结果表明,用这些模型处理缺失值构建的朴素贝叶斯分类器是有效的.     

链条少齿差行星减速机的研究及其CAD

链条少齿差行星减速机是一种新型行星传动装置。介绍了行星轮齿廓曲线的形成,行星轮的受力分析,齿廓曲线的优化设计和整机的计算机辅助设计。     

一种新的基于SOM的数据可视化算法

SOM（self—organizing map）所具有的拓扑保持特性使之可用来对高维数据进行低维展现,但由于数据间的距离信息在映射到低维空间中固定有序的神经元上时被丢掉了,因此数据的结构通常是被扭曲了的．为了更自然地展现数据的结构,提出了一种新的基于SOM的数据可视化算法——DPSOM（distance-preserving SOM）,它能够按照相应的距离信息对神经元的位置进行自适应调节,从而实现了对数据间距离信息的直观展现,特别地,该算法还能自动避免神经元的过度收缩问题,从而极大地提高了算法的可控性和数据可视化的质量．     

DYNAMIC MODEL AND SIMULATION OF A NOVEL ELECTRO-HYDRAULIC FULLY VARIABLE VALVE SYSTEM FOR FOUR-STROKE AUTOMOTIVE ENGINES

In modern four-stroke engine technology, variable valve timing and lift control offers potential benefits for making a high-performance engine. A novel electro-hydraulic fully variable valve train for four-stroke automotive engines is introduced. The construction of the nonlinear mathematic model of the valve train system and its dynamic analysis are also presented. Experimental and simulation results show that the novel electro-hydraulic valve train can achieve fully variable valve timing and lift control. Consequently the engine performance on different loads and speeds will be significantly increased. The technology also permits the elimination of the traditional throttle valve in the gasoline engines and increases engine design flexibility.     

基于形式概念分析的约简数据立方体研究

数据立方体格和形式概念格比较研究表明,两者都基于序结构,并且采用形式概念分析理论(FCA)的等价特征组与数据立方体覆盖等价类对数据单元有相同的划分结果.将FCA与概念格理论引入数据立方体研究,首次提出聚集概念格(ACL)结构.ACL与一般概念格同构,能完整保存立方体中的所有聚集结果,实现与商立方体相同比例的约简.ACL结构仍比较复杂,在ACL基础上,又提出一种约简聚集概念格结构(RACL),该结构只存储非对象概念,而不是所有概念.RACL与基本表联合仍然是完整立方体结构,但能实现更大的约简.给出了ACL和RACL的高效的查询方法,并使用模拟数据和实际数据作了一些实验.理论和实验都表明RACL结构比现有方法更节省空间,同时查询效率也较高.     

小规模数据集的神经网络集成算法研究

研究了小样本数据集的神经网络分类器集成,提出了适合于小样本数据集的神经网络分类器集成方法Novel_NNE,通过生成差异数据提高神经网络集成中个体的差异性,从而提高集成学习的泛化性能;最后应用不同的融合技术针对UCI标准数据集进行了实验研究．结果表明,在集成算法Novel_NNE中,使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法．     

开放多Agent系统的一个信任信誉系统模型

信任和信誉对于开放多Agent系统的有效交互是十分重要的.FIRE模型是最近提出的适用于开放环境下问题求解的信任信誉系统模型中的一种,在该模型中没有考虑消费者的个性特征,从而使得消费者给出的评分仅直接反映了提供者的服务质量,这就减弱了该模型的实用价值.提出了扩展模型E-FIRE,引入了消费者的个性特征.其个性特征包括两个方面:消费者对服务质量的预期和消费者采取的态度.这两方面共同影响消费者对待同一服务的评分.因此,消费者的评分不再只反映提供者的服务质量,这样使得该模型更加符合实际情况.同时,在消费者为选择提供者而计算提供者的综合信任评分时,更多地依靠提供证据的消费者对提供者的直接信任,从而减少了Agent 间的通信量.实验结果表明,在交互次数较少时,E-FIRE模型的性能与FIRE模型的性能相当;随着交互次数的增多,E-FIRE模型的性能更优.     

进化博弈论及Agent自组织动力学

结合非线性动力学方法,讨论了2×2对称和非对称进化博弈模型及其稳定性,总结了一般情况下的二人对称和非对称进化博弈模型,并将进化博弈的自组织思想与Agent相结合,提出了一种基于进化博弈的Agent自组织动力学模型.