构造样本k近邻数据的多标签分类算法

在多标签分类问题中,通过k近邻的分类思想,构造测试样本关于近邻样本类别标签的新数据,通过回归模型建立在新数据下的多标签分类算法。计算测试样本在每个标签上考虑距离的k近邻,构造出每个样本关于标签的新数据集。对新数据集采取线性回归和Logistic回归,给出基于样本k近邻数据的多标签分类算法。为了进一步利用原始数据的信息,考虑每个标签关于原始属性的Markov边界,结合新数据的特征建立新的回归模型,提出考虑Markov边界的多标签分类算法。实验结果表明所给出的方法性能优于常用的多标签学习算法。     

倒立摆系统的泛逻辑控制及相关比较研究

针对水平导轨直线型二级倒立摆的稳定控制问题,提出了基于泛组合运算模型的泛逻辑控制方法,并设计实现了其线性二次型最优调节器、拟人智能控制器和模糊控制器。通过对各控制器设计特点和控制效果的比较研究发现,所提出的泛逻辑控制器由于本质上具有的柔性特征,对系统具有较高的控制精度,在控制快速性和稳定性方面表现较好。     

泛逻辑的中极形式系统中的广义重言式理论

论文对泛逻辑的广义重言式理论进行研究,给出了泛逻辑的中极形式系统中的广义重言式的一系列性质。主要结果有:在泛逻辑的中极形式系统中,对于犤0,1犦内的任意有理数,均有可达重言式,且是类类互异的;给出有理点的一个升级算法;当α∈Q∩(0,1)时,犤α犦-MP规则与犤α犦-HS规则不成立。     

几类图中平均距离的研究

确定了复合图及一些图的平方的平均距离,并给出了一些特殊图的复合结果。     

标记判别和局部线性强化的半监督稀疏子空间聚类

子空间聚类通常可以很好地处理高维数据,但由于数据本身的噪声等的影响,系数矩阵的块对角线结构往往容易被破坏.针对上述问题,提出了一种标记判别和局部线性强化的半监督稀疏子空间聚类.一方面,通过约束标记数据之间的系数为0,更好地捕获数据的全局结构;另一方面,通过K近邻关系加强数据邻近点之间的局部相关性,同时消除大量不相关的数据点,增强算法的鲁棒性.通过在多种数据上的实验,验证了提出的半监督聚类算法的有效性.     

谓词形式系统 (∨)UL-h∈[0.75,1]及其完备性

主要解决基于一级泛与运算的一阶谓词演算形式系统ULULh∈-[0.75,1]的完备性.通过引入全称量词和存在量词,建立与命题形式系统Ulh∈-[0.75,1]相对应的一阶谓词形式系统Ulh∈-[0.75,1],证明其完备性定理.从而说明形式系统Ulh∈-[0.75,1]的语义和语构是和谐的.     

泛逻辑的基本形式系统中的广义重言式理论

本文首次对泛逻辑的广义重言式理论进行研究。给出了泛逻辑的基本形式系统中的广义重言式的一系列性质。主要结果有:在泛逻辑的基本形式系统中,对于[0,1]内的任意有理数,均有可达重言式,对于其中的无理数,均没有可达重言式;给出F(S)的一个分划;给出[α]-MP(α∈I_Q)规则成立的一个充分条件。     

结合流形学习与逻辑回归的多标签特征选择

对于多标签特征选择算法,通常假设数据与标签间呈现某种关系,以该关系为基础并通过正则项的约束可解决多标签特征选择问题,但该关系也可能是两种或多种关系的结合。为准确描述数据与标签间的关系并去除不相关的特征和冗余特征,基于logistic回归模型与标签流形结构提出多标签特征选择算法FSML。使用logistic回归模型的损失函数学习回归系数矩阵,利用标签流形结构学习数据特征的权重矩阵,通过L_2,1-范数将系数矩阵和权重矩阵进行柔性结合,约束系数矩阵与权重矩阵的稀疏性并实现多标签特征选择。在经典多标签数据集上的实验结果表明,与CMLS、SCLS等特征选择算法相比,FSML算法在汉明损失、排名损失、1-错误率、覆盖率、平均精度等5个性能评价指标上表现良好,能更准确地描述数据与标签间的关系。     

基于相关熵和流形学习的多标签特征选择算法

从相关熵的角度出发,提出一种基于相关熵和特征流形学习的稀疏正则化方法,用于解决多标签特征选择问题。在相关熵定义的基础上给出多标签特征选择的回归模型;结合?_{2, 1}范数的性质和特征流形学习的定义建立基于相关熵和特征流形学习的稀疏正则化多标签特征选择模型及算法;证明该算法的收敛性并且通过试验验证所给算法的有效性。     

泛蕴涵推理机及其应用

本文提出模糊系统中基于泛逻辑的泛蕴涵推理机,给出其在描绘函数图形时的应用,同时比较了它与Mamdani型和Lasen型两种模糊系统在描绘函数图形时的误差。分析和比较表明,在相同规则下含有泛蕴涵推理机的模糊系统产生的误差最低。