犹豫模糊图及其在多属性决策中的应用*

犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹豫模糊图的概念和部分常见运算规则.然后,构建基于犹豫模糊图的一般性多属性决策方法.最后,通过具体算例和对比性分析验证文中方法的合理性.     

多先验形状的图割分割方法*

为了分割图像中的多个目标,提出多先验形状约束的多目标图割分割方法。首先,使用离散水平集框架的形状距离定义先验形状模型,并将这一模型合并到图割框架的区域项中,同时通过加入多类形状先验扩展形状先验能量。然后,通过自适应调节形状先验项的权重系数,实现自适应控制形状项在能量函数中所占的比重,克服人工选择参数的困难,提高分割效率。最后,为使方法对于形状仿射变换具有不变性,使用尺度不变特征变换和随机抽样一致结合的方法进行对准。实验表明,文中方法能够较好分割图像中的多个目标,且能较好克服图像的噪声污染、目标被遮挡等信息缺失问题。     

基于判别性子图重构的轻微肝性脑病分类*

大量研究表明轻微肝性脑病(MHE)与脑功能网络的异常相关,但难于寻找与MHE相关的异常子网络。为了解决这个问题,文中提出判别性子图重构的方法用于寻找与MHE相关的子网络,并将子网络用于MHE的分类。首先分别从MHE病人和非MHE(NMHE)病人的功能网络中挖掘一组频繁子图。然后,从频繁子图中挑选判别性子图用于重构原网络,并将判别性子图合并用于重构原网络。最后,使用图核计算重构网络之间的相似性,并使用核SVM分类。在包括77位肝硬化病人的数据集上的实验获得较高的分类精度,从而验证方法的有效性。     

2D Mesh片上网络分区容错路由算法

为了减小路由表的规模且避免使用较多虚通道(VC),从而降低硬件资源用量,针对虫孔交换的2D Mesh片上网络提出了一种分区容错路由(RFTR)算法。该算法根据故障节点和链路的位置将2D Mesh网络划分为若干个相连的矩形区域,数据包在矩形区域内可使用确定性或自适应路由算法进行路由,而在区域间则按照up^*/down^*算法确定路由路径。此外,利用通道依赖图(CDG)模型,证明了该算法仅需两个虚通道就能避免死锁。在6×6 Mesh网络中,RFTR算法能减少25%的路由表资源用量。仿真结果表明,在队列缓存资源相同的情况下,RFTR算法能实现与up^*/down^*算法和segment算法相当甚至更优的性能。     

Characteristics of road network forms in historic districts of Japan

This study focused on the structure and the platform of the road space of historic districts. We analyzed the road networks of 16 historic districts in Japan from the perspectives of circularity, accessibility and indirection based on graph theory. By calculating and comparing the indexes of each road network (NW1 and NW2) forms, we quantitatively describe the effects of the main prefectural roads (more than 4 m in width) and narrow streets (less than 4 m in width) on the spatial characteristics. And it turned out that we could divided the 16 objective historic districts into 4 types. Moreover, we qualitatively studied the characteristics of each type of historic districts based on their development background and the structure of road network.     

The synthesis of cost optimal heat exchanger networks with unconstrained topology

The optimization of heat exchanger network (HEN) synthesis still remains an open problem because of the complexity of the space comprising all the possible solutions, and most of the proposed methods introduce simplifying assumptions that mainly affect the topological features of the candidate solutions considered and thus artificially limit the boundaries of the search space.This work is devoted to the pursuit of cost-optimal HENs with unconstrained topology, exploiting the advantages deriving from two graph representations of a HEN. One representation is used by an evolutionary algorithm to manage HEN topology and the other is used by a NLP algorithm to manage heat load distribution among the exchangers. The proposed two-level hybrid optimization method is applied to four test cases taken from the literature about HEN synthesis, among which the well-known Aromatics Plant problem.     

基于功率谱及有限穿越可视图的癫痫脑电信号分析算法

针对可视图（VG）算法存在噪声鲁棒性差的问题,提出一种改进的有限穿越可视图（LPVG）建网方法。该算法基于可视图（VG）算法的可视性准则,并设定有限穿越视距,将时间序列中满足条件的点连接起来,从而将时间序列映射为网络。首先,对LPVG算法进行性能分析;然后,将LPVG算法结合功率谱密度（PSD）算法应用到癫痫发作前、中、后脑电信号的识别上;最后,提取三种状态下癫痫脑电信号的LPVG网络特征参数,研究癫痫对网络拓扑结构的影响。仿真结果表明,与VG和水平穿越可视图（HVG）相比,虽然LPVG算法的时间复杂度较高,但是LPVG对信号中的噪声具有较强的鲁棒性：分别对周期、随机、分形和混沌四种时间序列进行LPVG建网,发现随着噪声强度增大,LPVG网络聚类系数的波动率均为最低,分别为6.73%、0.05%、0.99%和3.20%。接下来对脑电信号的PSD和LPVG建网分析结果表明,癫痫发作中,PSD值在delta频带下显著增强,而在theta频带下显著降低;LPVG网络拓扑结构有所改变,网络中各模块的独立性有所提高,网络的平均路径长度增大,复杂度降低。所提的功率谱密度和有限穿越可视图算法能够有效表征癫痫前、中、后三种状态下的脑电信号能量分布和单通道信号可视化后的网络拓扑结构的异常,为癫痫的病理研究和临床诊断提供帮助。     

基于中医方剂数据库的Top-Rank-k频繁模式挖掘算法

为降低中医（TCM）方剂频繁模式挖掘过程中对经验参数的依赖,提高挖掘结果的准确性,针对中医方剂的数据特点,提出一种基于带权无向图的Top-Rank-k频繁模式挖掘算法。该算法可以直接挖掘出频繁k-itemset（k≥3）而无需产生1-itemset和2-itemset,并随之快速回溯到核心药物组合的频繁项集所对应的方剂信息;此外,采用一种动态位向量（DBV）的压缩机制对无向图中边的权重进行压缩存储,以有效地提高算法的空间存储效率。分别对中医方剂数据集、真实数据集（Chess、Pumsb和Retail）和合成数据集（T10I4D100K和Test2K50KD1）进行测试和比较,结果表明该算法与iNTK和BTK相比具有更高的时间和空间效率,而且也可以应用于其他类型的数据集。     

最小最大邻域阶构图方法

图构建是谱聚类的一个基本步骤。经典的K近邻构图法不关心边的几何对称性,这一点可能给聚类带来负面影响。针对这个问题,提出了一种新型的近邻构图方法,称之为最小最大邻域阶构图法,它在邻域选择时考虑了边的相对几何对称性。更具体一点,定义了一个邻域阶的概念,发现K近邻图的构建是由最小邻域阶决定的,而提出的构图方法是基于最小最大邻域阶进行的。理论分析表明：一方面,提出的构图方法可以达到更高的相对几何对称性;另一方面,该图包含着互K近邻图,保证了边连接的紧密性。在一组公开数据上的谱聚类实验表明,提出的方法可以带来更高的聚类准确率。