染色问题的网络特性

染色问题是约束满足问题的一个经典问题,通过分析染色问题的经典实例,发现染色问题具备复杂网络中常见的“小世界”特性,即染色问题所构成的网络中,任意两个节点之间的平均路径长度很小,整个系统呈现出高聚集度的特性,以及节点度的特异分布,这些特性是随机图所不具备的,因此,以随机图做染色问题测试集的传统方法是不完善的,在实验中同时发现,染色问题中最小染色数的大小与系统聚集度的大小密切相关,随聚集度的增大,呈指数关系增大。     

具有非一致性数据预处理的粗糙集特征选择算法

大多数特征选择算法面临着对非一致性数据缺乏有效的处理的问题。本文提出了一种处理非一致性数据的方法,采用阈值将非一致性数据做归类处理,当某一类非一致性数据的某个取值比例超过了该闽值,则该类数据都取该值,并只保留一条记录。在此基础上,本文提出了一种改进的基于粗糙集理论的特征选择算法。     

持续改进地质测绘质量管理的探讨

简要论述了持续改进测绘单位质量管理的基本原则,结合广东省地质测绘院的工作实践,阐述了持续改进测绘质量管理的必要性,并结合2000版质量管理ISO—9000族标准的要求,分析、探讨和提出在新形势下持续改进测绘质量管理的措施和建议。     

地方城市统一测量坐标系选择的探讨

通过对地方独立坐标系的分析,结合实际工作的需求,对建立地方统一坐标系的原则和方法进行了探讨。     

AER模型中的智能涌现

本文从复杂自适应理论和人工生命基本观点出发,研究一个具有"简单性、局部性、全局性、内聚力、动态性"的复杂自适应系统,并创建包含"智能体、环境、交互规则"三个主要概念以及"适者生存"的淘汰规则的AER多主体模型.该模型中具有局部目标和行为的自主体能通过动态环境达到整体的全局目标,这种涌现的智能能够高效求解问题.实验证明该模型对传统的大规模约束满足问题的测试集,包括n-皇后问题(n=7 000)和一些大规模染色问题,均能在较快的时间内找到精确解,同时能在3个时间片内找到精确度(≥94%)很高的近似解.     

一种基于加权复杂网络特征的K-means聚类算法

在分析了传统的基于划分的K-means聚类算法的优越性和存在不足的基础上,根据近两年复杂网络研究中部分新的理论成果,提出了复杂网络加权度、加权聚集度与加权聚集系数的定义,并将数据聚类转换为复杂网络上的节点聚类,提出基于加权复杂网络特征的K-means聚类算法(简称WCNFC算法)。实验结果表明,该算法根据节点加权复杂网络特征值,能够较好地找到聚类中心,有效地避免了对初始化选值敏感性的问题,从而使得聚类质量大大提高。     

一种用于文章推荐系统中的用户模型表示方法

分析了现有文章推荐系统中基于关键词向量的用户模型表示方法存在的不足,提出了基于聚类兴趣点的用户模型表示方法。该方法可通过文章聚类形成兴趣点。由于传统的基于划分的聚类算法存在的不足,提出了基于复杂网络特征的文章聚类算法。实验结果表明该用户模型的表示方法较好地反映了用户多方面的兴趣,提高了文章推荐系统的性能。     

抽样在数据挖掘中的应用研究

大规模数据集是数据挖掘高效实现的障碍。抽样是统计学中一种常用的调查方法,作为克服该障碍的方法,抽样被引入数据挖掘中。在国外,抽样在数据挖掘中的应用研究已比较广泛,而国内相关研究很少。本文在总结现有相关工作的基础上,系统介绍了数据挖掘中抽样的应用及其相关问题。相信抽样在数据挖掘中的应用研究将推动数据挖掘的发展。     

基于有限元建模的复杂部位的相控阵柔性探头研究

相控阵超声检测技术可以用于井口装置内的检测,但井口装置的表面粗糙、曲率不匹配等原因影响缺陷检测。针对井口装置复杂部位检测准确性研究,为确保相控阵超声检测技术检测阀体、弯头等复杂部位缺陷的可靠性,本文基于有限元仿真对检测过程进行模拟,通过构建含有缺陷的井口装置进行检测实验,并验证分析。     

事件序列中的知识发现研究

事件的序列是数据的一种常见形式,其中的知识发现问题是近年来ＫＤＤ的一个活跃的研究领域。本文首先给出了事件序列中知识发现问题的形式描述和框架算法,然后讨论了数据库中发现大序列的问题,具体描述了发现数据库中大序列的算法。