A Dynamic Discretization Approach for Constructing Decision Trees with a Continuous Label

In traditional decision (classification) tree algorithms, the label is assumed to be a categorical (class) variable. When the label is a continuous variable in the data, two possible approaches based on existing decision tree algorithms can be used to handle the situations. The first uses a data discretization method in the preprocessing stage to convert the continuous label into a class label defined by a finite set of nonoverlapping intervals and then applies a decision tree algorithm. The second simply applies a regression tree algorithm, using the continuous label directly. These approaches have their own drawbacks. We propose an algorithm that dynamically discretizes the continuous label at each node during the tree induction process. Extensive experiments show that the proposed method outperforms the preprocessing approach, the regression tree approach, and several nontree-based algorithms.     

RiMOM: A Dynamic Multistrategy Ontology Alignment Framework

Ontology alignment identifies semantically matching entities in different ontologies. Various ontology alignment strategies have been proposed; however, few systems have explored how to automatically combine multiple strategies to improve the matching effectiveness. This paper presents a dynamic multistrategy ontology alignment framework, named RiMOM. The key insight in this framework is that similarity characteristics between ontologies may vary widely. We propose a systematic approach to quantitatively estimate the similarity characteristics for each alignment task and propose a strategy selection method to automatically combine the matching strategies based on two estimated factors. In the approach, we consider both textual and structural characteristics of ontologies. With RiMOM, we participated in the 2006 and 2007 campaigns of the Ontology Alignment Evaluation Initiative (OAEI). Our system is among the top three performers in benchmark data sets.     

多模态函数优化的小生境蚁群算法及其仿真分析

结合蚁群算法基本原理,设计一种解决多模态函数优化问题的小生境蚁群算法(NACA),算法采用实数编码,通过对NACA仿真研究,并和相关算法的仿真结果进行比较分析,结果表明NACA具有参数易于选择、适应性强、收敛性好等优点,非常适合于求解同时具有多个最优解或需要搜寻局部最优解的多模态函数优化.     

基于遥感和GIS技术的青海湖环湖地区生态环境脆弱性评价

以青海湖环湖地区为研究区,从生态环境脆弱性的影响因子和脆弱性形成的结果表现入手,通过遥感与GIS技术提取出8项生态因子包括植被指数、土壤亮度和土壤湿度指数、高程和坡度以及气温降水和土地利用作为评价指标,利用层次分析法（AHP）计算各评价指标的权重,然后计算研究区综合脆弱度,并根据统计结果将脆弱度的大小划分为微度脆弱、轻度脆弱、中度脆弱和重度脆弱4个不同等级。结果表明：研究区轻度脆弱和中度脆弱所占面积比例较大,分别占到研究区陆地面积的35.2%和40.7%,说明该区总体环境质量较好。     

WMSNs的安全合作处理密钥管理协议

提出一种基于两跳分簇网络结构的安全合作处理密钥管理协议,能支持无线多媒体传感器网络的合作处理.通过建立簇内和邻簇的密钥对,明显降低了存储开销,解决了密钥对建立和更新过程中通信开销大的问题.性能分析和仿真结果显示,密钥对建立和簇密钥更新通信开销分别减少300%和50%,并有抵制俘获攻击的能力.与不加密直接传输进行比较,加密合作传输的网络性能更优,特别是网络生存周期提高了153%.     

基于概率统计直方图的压缩域说话人识别

压缩域说话人识别算法(Compressed-domain automatic speaker recognition,CD-ASR)即从压缩语音数据中直接提取压缩参数进行说话人识别,无需参数译码和波形合成.本文提出了基于概率统计直方图的VoIP压缩域说话人识别算法,包括矢量量化统计直方图和高斯混合模型统计直方图两种方法.在给出了G.729,G.723.1(6.3 kb/s),G.723.1(5.3 kb/s)压缩码流的压缩域特征提取方案后,分别以矢量量化统计直方图和高斯混合模型统计直方图作为识别模型进行说话人识别.实验结果表明,概率统计直方图法比在压缩码漉中提取同样识别参数的GMM模型,识别率有很大提高.     

形式概念分析构建面向对象程序的类及类体系

基于形式概念分析提出构建面向对象程序中类及类体系结构新方法.利用形式概念分析重要性质:给定对象和属性的二元关系,形式概念分析能把所有由相关的对象集合和属性集合组成的概念构成概念格;在概念格上,高层的概念表示共性而低层的概念表示个性.通过对现有面向对象应用程序的分析,可以得到新的类及类体系.这样做的好处是:所得到的类体系不仅等价于应用程序最初的类体系,而且在新体系中对象只包含它真正需要的成员,没有冗余成员.自然地,该方法可以用来发现类体系设计的不足之处,也可为类体系重建提供重要的参考建议.     

基于新型协调量化容差关系的不完备数据填补方法

提出一种基于新型协调量化容差关系的不完备数据补齐算法。首先求出属性值不完备对象的容差类,结合属性的重要度,将容差类里面的对象容差关系量化,再根据决策规则独立原则,在尽可能保持系统协调性的前提下对缺失属性值进行补齐。大量实验证明了本算法的有效性。     

应用遗传算法仿真墨扩散轮廓

墨扩散效果的模拟是水墨画仿真的重要工作之一,在分析绘画材料特性和扩散形成机制的基础上,提出一个全新的基于遗传算法的墨扩散仿真模型系统.首先将笔迹和纸张离散化为笔元和纸元;其次借用遗传算法基本概念和原理,对给定的输入笔迹进行轮廓提取作为初始种群,通过种群个体间的选择、重组和变异等遗传活动模拟笔元的扩散过程;最后为了更好地模拟墨扩散方向,使用Ashikhmin算法合成各种宣纸的自然纹理,增强了真实感.实验结果表明,方法可以生成丰富的扩散效果,并且接近真实水墨画.     

基于xPC的实时数字测试系统设计

使用基于xPC的实时仿真平台进行系统设计、仿真通常需要制作启动软盘来启动目标机,不能很好地兼容较新的计算机设备.利用xPC扩展的嵌入式启动功能,结合Windows虚拟软驱功能,使目标机在宿主机和目标机都不需要软盘支持的条件下启动.在Simulink模型中,使用S函数扩展功能开发CAN通信卡的驱动模块,实现了数字信息的自发自收功能测试.最后使用该仿真平台在StandAlone启动模式下完成了某火炮驱动控制系统实测数据的采集,结果表明该仿真平台实时性能良好,具有很广阔的工程应用价值.