关于“示例学习的最大复合问题及算法”一文的注记

针对"示例学习的最大复合问题及算法"一文(计算机学报,1997,20(2):139-144)中提出的FCV算法给出了一种优化改进。改进的主要思想是省略FCV算法中建立扩张矩阵,寻找公共路径这一步,直接从评价矩阵中记录选择子得到公式,从而生成规则。实验表明,优化后的算法在时间和空间性能上都有提高,其泛化能力明显高于FCV算法。     

电磁变刚度半主动动力吸振结构的振动控制研究

分析特殊结构变刚度动力吸振系统的移频和减振特性。提出一种电磁式变刚度结构,作用于传统动力吸振器以进一步改变主系统共振频率,实现振动宽频半主动控制。设计一种新型电磁变刚度结构的功能及支撑部件,在其内部形成闭合磁路,使转子在磁场作用下具有回复到平衡位置的特性。通过改变电流大小改变电磁力作用下结构刚度。基于结构设计,建立电磁变刚度结构磁路数学模型,并利用麦克斯韦应力张量理论,对磁场及输出转矩进行数学求解。利用Ansoft进行有限元模拟分析,计算输出力矩。加工实验样机并测量输出转矩,对比模拟值、数值求解值,发现结果具有良好的一致性。仿真和试验结果验证了所提出电磁变刚度半主动吸振控制的可行性。     

差分演化的收敛性分析与算法改进

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.     

用改进的信赖域方法求解二次插值模型

一种改进的信赖域方法被用来解无约束最优化问题,当目标函数的导数信息不可利用或者求解目标函数的导数代价太大。通常,考虑用二次插值模型来逼近目标函数,并且用传统的信赖域方法求解这个二次模型。传统的信赖域方法将被改进,并且形成两个改进的信赖域子问题。改进的信赖域方法的创新点在于:求解二次模型在一个参数化的信赖域中,修改这个模型在另一个参数化的信赖域当中。在这两个新的信赖域中,可以分别很快地找到一个好的下降方向和一个具有均衡性的插值点。这个改进的方法不但节省了函数值计算次数而且提高了解的精度。实验结果表明,针对测试问题,提出的方法的确是优于传统的信赖域方法的。     

变精度相容粗糙集模型

将变精度粗糙集的思想引入相容粗糙集,提出了两种变精度相容粗糙集模型,在模型I中,目标概念的下近似和边界域的交集非空;在模型II中,目标概念的下近似和边界域的交集为空。研究了两种模型中上、下近似算子的基本性质、两种模型之间的关系,以及与其他粗糙集模型之间的关系。     

溶剂型氯丁橡胶胶粘剂的研究开发现状

综述了国内氯丁橡胶胶粘剂的发展现状,对溶剂型氯丁橡胶胶粘剂的研究状况做了详细介绍,最后对溶剂型氯丁橡胶胶粘剂的发展前景作了展望。     

规则简化与模糊决策树剪枝的比较

决策树归纳学习算法是机器学习领域中解决分类问题的最有效工具之一。由于决策树算法自身的缺陷了，因此需要进行相应的简化来提高预测精度。模糊决策树算法是对决策树算法的一种改进，它更加接近人的思维方式。文章通过实验分析了模糊决策树、规则简化与模糊规则简化；模糊决策树与模糊预剪枝算法的异同，对决策树的大小、算法的训练准确率与测试准确率进行比较，分析了模糊决策树的性能，为改进该算法提供了一些有益的线索。     

敏感属性与不敏感属性对决策树的影响

目前,已有许多种构建决策树的方法。大多数是基于信息熵的,例如,ID3算法,Min-Ambiguity算法以及它们的变异。文中提出了一种新的启发式算法,它是基于属性对于分类的重要程度的。在选择扩展属性时,有两个选择,即敏感属性和不敏感属性,通常人们习惯选择敏感属性而忽视了不敏感属性。文章主要将其应用到了几个具有符号型属性类分明的数据库。根据对几个数据库所做的实验,对这两种方法从几方面进行了比较,指出了他们各自的利弊所在。     

基于中文文本分类的分词方法研究

文本分类有助于用户有选择地阅读和处理海量文本,因此其预备工作分词系统的研究是很有意义的。该文主要提出了一种基于中文文本分类的分词方法,区别于常用的基于字符串匹配等方法,并利用数据库特有的查询技术设计和实现了该分词系统,旨在通过新的分词方法提供更加准确的分词率,同时提高系统实现效率。     

决策树算法的研究及优化

决策树算法是数据挖掘中的一个比较活跃的研究领域,是对分类问题进行深入分析的一种方法,但构造最优决策树是一个NP困难问题。文中首先介绍了ID3算法的基本思想,然后讨论了决策树算法中的难点问题,针对ID3算法中所存在的不足,提出了一种利用优化法的思想来改进信息增益的算法,并且与ID3算法进行了实验对比。通过实验表明,这种方法从树的规模和分类精度都优于许多决策树算法,使决策效率明显提高。