一个基于多阶段的多Agent多问题协商框架

多问题协商是电子交易中的关键问题.多Agent技术的不断成熟为这个问题的解决提供了有效的途径.提出了一个以理性Agent为基础的基于多阶段的多问题协商框架,该框架在时间约束下适用于信息不完全的场景,它描述了多问题的价格协商.为了降低多问题协商的复杂性,它将多问题协商分解为多阶段协商,每个阶段的大小(问题数)相同.阶段数和顺序在协商前确定,每个阶段中的问题顺序在协商中确定.在阶段大小相同的情况下,对给定协商问题的分解,框架能给出优化协商议程(agenda).尤其是框架能为参与协商的Agent建立学习系统(LS),以增强Agent的学习能力.最后基于这个框架实现了一个原型系统,原型系统证明这个框架是有效的.     

基于模糊权和有效性函数的演化聚类算法

本文改进了Sheng的权和有效性函数,将XB、PE、PC和PBMF等模糊聚类有效性函数集成为一种新的模糊聚类有效性度量函数—模糊权和有效性函数FWSVF,从而提高了聚类有效性函数的性能.为了有效的实现聚类,将混合策略演化算法与传统的模糊C均值算法(FCM)相结合,将改进的模糊权和有效性指标作为适应度函数,提出了一种混合策略演化聚类算法MSECA.人工数据集和真实数据集的仿真实验表明,MSECA算法可以正确发现聚类簇的数量,避免了局部极值问题,比其他算法具有更好的性能.     

确定性退火算法在"伪装"入侵行为检测中的应用

本文提出了一种基于确定性退火算法的检测"伪装"入侵行为的方法.在该方法中,每一个用户被看作是一个离散变长记忆的平稳信源,被"伪装"的入侵者利用的账户所产生的命令行字符序列可以被看作是由该账户的相应用户和"伪装"的入侵者两个不同信源在不同时段活动的混合结果.我们通过对命令行字符序列的分析来重构原信源模型以判断是否存在入侵行为.实验结果表明该模型是可行的.     

关系数据库中知识发现的一种粒计算方法

提出用粒计算方法从关系数据库或信息系统中挖掘具有不同粒度大小的多维多层次关联规则. 首先, 基于粒计算的划分模型给出了从关系数据库或信息系统中进行知识发现的框架; 其次, 提出频繁k-项目集生成的粒计算方法; 最后, 对所提出的粒计算方法通过实际例子进行说明, 并选择两类不同数据集在给定不同支持度下进行测试, 以及与两种经典方法进行了比较. 测试结果表明所提出的粒计算方法有效. 而且借助粒计算使得关联规则的语义变得更加清晰和易于理解.     

基于支持向量机的手写体相似字识别

本文提出对手写相似汉字进行识别的支持向量机方法。该方法与人工神经网络一样适用于小规模分类,但由于支持向量机依据结构风险最小化原则,因此泛化能力更强。并且,由于支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解。本文用支持向量机算法对三组手写相似汉字进行了识别,取得了较好的结果。     

支持向量机多专家决策算法

多专家决策算法是对多个专家的决策做出综合决策,使决策更符合实际情况.通常的算法使用各专家决策的加权求和法,由于各专家的权值在不同的情况下会有所不同,因此难以应用.本文提出采用基于支持向量机的非线性回归法进行综合决策,克服了权值变化的问题.多专家决策的另一途径是选取最佳的专家决策,本文采用基于支持向量机的非线性分类的方法,可以在不同情况下选取相应的最佳专家决策.本文提出的算法用于"隧道工程岩石力学参数综合处理系统",对若干子系统的结果进行综合,解决了专家权值变化的问题,取得了较精确的结果.     

一种基于不完整数据的朴素贝叶斯分类器

贝叶斯网络因其对属性间因果关系的表达能力而成为处理不完整数据的强有力的工具。然而绝大多数的贝叶斯分类器都是基于完整数据的，并且在现实世界中数据往往是不完整的，因此利用不完整数据构建有效的贝叶斯分类器是一个重要而又具有挑战性的问题。 通过分析著名的基于不完整数据的RBC分类器的不足，在BC (Bound and Collapse)方法和EM算法的基础上给出了一种基于不完整数据的分类器构建方法。实验结果表明了该算法的有效性。     

数据库标识型字段的取值方法

讨论了数据库中标识型字段取值的三种常见方法，并分析了它们的优缺点。最后给出了一种标识型主键值的COM 的实现方法。     

贝叶斯网络分类器稳定性研究

稳定性是评估分类算法的一个重要方面.本文介绍了贝叶斯分类方法以及两种度量算法稳定性的方法,实验研究了几种流行的分类算法的稳定性.研究的目的是确定树增强的朴素贝叶斯网络分类方法的稳定性.实验结果表明,树增强的朴素贝叶斯网络分类方法是稳定的.