基于类属属性约简的多标记学习

在多标记学习中,由于不同的标记可能会带有自身的一些特性,所以目前已经出现了基于标记类属属性的多标记学习算法LIFT.然而,类属属性的构建可能会增加属性向量的维度,致使属性空间存在冗余信息.为此,借助模糊粗糙集提出了一种能够进行类属属性约简的多标记学习算法FRS-LIFT,其包含4个步骤:类属属性构建、属性维度约简、分类模型训练和未知样本预测.在5个多标记数据集上的实验结果表明,该算法与LIFT算法相比,不仅能够降低类属属性维数,而且在5种多标记评价指标上均具有较好的实验效果.     

二型模糊粗糙属性约简模型

属性约简是粗糙集理论的重要应用之一,其目的是在保持分类能力不变的前提下去掉冗余的属性,从而简化信息系统。由于经典粗糙集等价关系的要求过于严格,为了更好地解决实际问题,将粗糙集与二型模糊集结合,得到二型模糊粗糙集。利用论域和特征空间的积空间上的两个一型模糊集来构造论域的一个二型模糊划分,将模糊粗糙集属性约简的模型推广到二型模糊粗糙集框架中,得到了一个二型模糊粗糙属性约简的模型,并举例说明了用此模型进行属性约简的方法。     

一种有效折扣证据源的冲突证据合成方法

为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象，提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度，然后求出证据之间的支持程度，并确定折扣因子，最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明，改进后的证据组合方法可以有效地处理证据冲突。     

用户指导的多层混合检查点技术及性能优化

检查点机制是一种典型有效的软件容错技术。在对现有检查点实现技术综合研究的基础上,设计了一个用户指导的多层混合检查点模型uHybcr,并在IA64 Linux系统中予以实现。最后,通过对比测试对引入用户指导机制所带来的性能优化进行了验证。     

一种改进的属性约简算法

粗糙集理论是一种有效的信息处理工具,属性约简是粗糙集理论研究的一个核心内容.为了能够较为有效地获得不相容决策表较优的属性约简,在对文献[7]中属性约简算法分析的基础上,根据不相容决策表约简不改变决策表正域的原则,仅考虑相对差异比较表中与正域相关的实例对,同时结合属性重要性作为特征选取的启发式信息,提出了一种改进的启发式属性约简算法.该算法在不增加算法时间复杂度的前提下能够处理不相容决策表.最后,通过实例完整演示了该方法,表明该算法是有效的.     

智能传感器侦察网络中的目标声信号识别算法

针对智能传感器侦察网络中的地面目标识别问题,提出了一种基于智能计算方法的地面目标声信号识别算法。基于智能计算方法设计识别系统,直接利用信号特征的变化范围作为分类特征,并结合能够处理定性输入的粗神经网络分类算法,有效地克服目标信号的不确定性问题,提高识别系统的识别率和稳定性。     

脑MR图像分割和偏移场矫正的耦合水平集模型

脑核磁共振(MR)图像因需要偏移场矫正,传统分割方法很难获得准确的分割结果。针对这一问题,首先构造一组基函数拟合偏移场以保证偏移场的光滑特性,再将其融入到高斯概率密度函数中,结合统计分类准则建立脑MR图像的分割和偏移场矫正的能量方程,最后将该能量方程引入到三相位水平集的变分框架中得到脑MR图像的分割和偏移场矫正的耦合模型。实验表明该方法在得到准确的分割结果同时还可以得到较好的恢复结果。     

使用XML的一阶谓词逻辑归结原理

归结原理（resolution principle)是计算机自动推理的重要原理之一。将XML加入到使用归结原理的证明过程中，利用XML结构与语义自描述的特性，简化归结过程的计算机实现，并给出相应基于XML的算法。     

Probabilistic output admissible set for systems with time-varying uncertainties

This paper considers time-varying uncertain constrained systems, and develops a method for computing a probabilistic output admissible (POA) set. This set consists of the initial states probabilistically assured to satisfy the constraint. The time-invariant counterpart has already been investigated in Hatanaka and Takaba [Computations of probabilistic output admissible set for uncertain constrained systems, Automatica 44 (2) (2008), to appear]. We first define the POA set for time-varying uncertainties with finite dimensional probability space. Then, we show that an algorithm similar to Hatanaka and Takaba [Computations of probabilistic output admissible set for uncertain constrained systems, Automatica 44 (2) (2008), to appear] provides the POA set also in the time-varying case, as long as an upper bound of a what we call future output admissibility (FOA) index is available. We moreover present two methods for computing the upper bound of the FOA index: probabilistic and deterministic methods. A numerical simulation demonstrates the effectiveness of our algorithm.     

在图像分割中对水平集函数应用的研究

图像分割是从图像处理到图像分析的关键技术,几何活动轮廓模型是为解决图像处理和计算机视觉领域广泛存在的图像分割问题而提出来的。水平集函数是在研究几何活动轮廓模型时将界面或者演化曲线看成高一维空间中某一函数山原型。文章在分析传统水平集函数和距离保持水平集函数优缺点的基础上,引入图像相依的权系数v（I）代替常值权系数,提出了一种自适应距离保持水平集函数。然后通过对水平集函数求其偏微分方程,经过数值实现并求出其解,从而得出图形界面的基本形状和特征。