一种基于《知网》的中文文本聚类算法的研究

针对基于关键词集的中文文本聚类算法中存在的问题,将《知网》引入到中文文本的特征表示中,并在此基础上提出了一种基于《知网》的中文文本聚类算法。该算法在中文文本表示中加入了基于《知网》的概念特征,实验结果表明该算法能够更好地将语义相关的中文文档聚集在一起,与传统的基于关键词集的中文文本聚类算法相比,聚类质量得到了较大提高。     

基于范例推理中的一种范例匹配方法模型

传统的最近邻检索和匹配算法不一定能找到最优相似范例,本文提出了一种根据范例间数值型属性对应成比例的原则进行范例匹配的方法,它作为原算法的一个补充,为找到最优相似范例提供了一条有效途径.     

关于经验的模态逻辑系统

本文提出了两组新的模态词“一贯地(真)”、“偶然地(真)”以及“经验地(真)”、“有先例(真)”,推广了Kripke语义,并利用它们建立起一个关于经验的模态逻辑系统??.     

基于遗传算法的Job-Shop调度问题求解方法

调度问题是许多计算机应用领域的重要问题,Job-Shop调度是其中的一类典型的困难问题,它通常包含多个可并行实现的目标以及实现这些目标的多种方法与资源.本文以一类实用的Job-Shop问题模型为基础,给出了用遗传算法求解调度问题应采用的染色体表示方法,并针对问题的特点,给出了面向资源空间与面向规划空间的遗传操作的设计思想与方法.实验结果表明,基于遗传算法的Job-Shop调度问题求解方法具有较好的性能,同时也表明,对于求解过程中可能出现的提前收敛问题可通过改变遗传操作概率及调节适应度等方法予以解决.     

发现序贯模式的增量式更新技术

本文提出一种称为ＦＡＳＴ的增量式更新技术，以处理因最低支持的改变而引起的序贯模式的维护问题。其主要思想是再次利用在对旧的最低支持度进行处理时所获得的信息。     

范例推理系统中的范例库维护

在范例推理系统中，系统的学习会使范例库逐渐增大，一般来说范例库越大，知识越丰富，但也不能无限增加，否则会大大增加相似范例检索的时间，降低系统的总体性能。因此范例推理学习系统必须有维护功能，主要目的是限制范例库的无限膨胀，且能保持系统的性能。本文在给出一个改进的删除策略维护方案的同时，并从另一角度出发，提出一个基于范例增加的维护策略，以保证系统的性能不受影响，从而达到小范例库强功能的目的。     

互联网中文信息获取研究

提出了一种以智能化、主动搜索为标志的互联网中文信息获取方法，实现了一种互联网中文信息智能获取工具，该工具采用智能Agent的体系结构，通过学习用户日常的文档和用户的交互意见推测出用户需求，建立个性化的用户模型。并使用元搜索引擎从互联网上主动获取信息。最后通过本地智能处理技术，剔除合并重复及相似性大的信息，将处理后的结果以显明易懂的方式提交给用户。     

连续认知结构推理方法及其应用

实际问题中存在着大量连续量以及对它们的各种认知信息(知识).为了较好地描述和利用这些知识,将这些知识分解为连续认知结论以及关于这个结论的一个认知结构,并将它们统一成一个连续认知结构.在此基础上提出了一种基于连续认知结构的连续认知推理网络,并探讨了一套利用连续认知结构进行推理的方法.这种方法在不完全的知识推理网络中的推理是非单调的,其最简推理复杂度关于推理网络节点在最复杂情况下是线性的.同时,还用例子说明了这种方法在实际问题求解中的适用性.     

聚类算法在范例库维护中的应用研究

详细介绍了将传统的聚类算法应用于基于范例推理系统中,并为范例库维护提供了一条有效的途径。实验表明,在范例库的维护中,聚类方法是一种行之有效的方法。     

范例推理中基于时序的范例匹配方法模型

用传统的最近邻检索和匹配算法找到的最相似范例，由于时间的变迁，在实际应用中，该范例的解决方案对于新问题的解决不一定是最有用的，因而也不是最优的，为了解决这个问题，本文提出了一种基于时序的范例匹配方法模型，为找到最优相似范例提供了一条有效途径。