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.     

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.     

P-ISOMAP:一种新的对邻域大小不甚敏感的数据可视化算法

ISOMAP算法对邻域大小敏感,而邻域大小却难以有效选取.本文根据二阶最小生成树不含有"短路"边的特性提出了能有效删除邻域图中的"短路"边因而对邻域大小不甚敏感的P-ISOMAP算法.由于避免了邻域大小难以有效选取的问题,该算法能更容易地对数据进行可视化,也获得了一定程度的拓扑稳定性和鲁棒性.实验结果很好地验证了该算法的有效性.     

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.     

MAS中信任和信誉系统的研究进展

信任在人类社会的合作中起着非常重要的作用,在诸多领域也受到了广泛的关注。在开放多Agent系统(MAS)的研究中,引入了信任的方法,用于解决交互伙伴的选择问题。信誉与信任密切相关,可以视信誉为信任的信息来源之一,信誉系统是用于完成信任评价的机制。MAS中信任研究应担负起发现计算实体之间信任的一般规律的重任。讨论了信任和信誉模型研究的内容、要求以及应用。在技术层面,信任表示有认知和数值两种观点,形成了集中式、分布式和混合式的体系结构,用于信任的汇总包括统计、概率、信念理论及模糊推理等方法。群体信誉、信息不准确、信息贫乏、异构模型互操作等问题有待进一步深入研究。     

基于多Agent的分布式数据挖掘模型

论文分析了分布式数据挖掘的优势和所面临的问题,讨论了Agent对分布式数据挖掘性能的增强。又进一步提出了一个基于Agent的分布式数据挖掘形式模型,并结合数据挖掘方法和知识集成技术对该模型进行了深入的分析和讨论。     

数据库安全插件的研究与实现

本文介绍了数据库安全插件的研制背景，给出了一个可以提高数据库安全性的安全插件的设计方案与实现技术。该数据库安全插件针对C类数据库管理系统的自主访问控制方法的安全缺陷，采用强制访问控制方法，根据美国国防部颁发的可信计算机系统评估标准和可信数据库管理系统解释，使C类数据库管理系统提高到B1级数据库管理系统的标准。     

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。