医疗健康数据的模糊粗糙集规则挖掘方法研究

医疗健康数据通常属性较多,且存在连续型、离散型并存的混合数据,这在很大程度上限制了知识发现方法对医疗健康数据的挖掘效率。以模糊粗糙集理论为基础,研究混合数据上的分类规则挖掘方法,通过引入规则获取算法的泛化阈值,来控制获取规则集的大小和复杂程度,提高粗糙集知识发现方法在医疗健康数据上的分类效率。最后通过对比实验验证了该算法在医疗决策表上挖掘规则的有效性。     

基于分辨函数的极大团搜索算法

寻找极大团是几何图论极为重要的基础研究问题之一。将分辨函数模型与极大团性质结合,定义了顶点的极大团分辨函数、顶点关于某顶点子集的布尔映射函数,得到了一些与极大团相关的重要性质与定理,证明了图的极大团搜索问题可快捷自然地转换为相对简单的分辨函数表达式约束,为设计极大团搜索算法提供了一种有效的理论依据与求解途径。进而引入约简树构造方法设计了基于分辨函数的极大团搜索算法,最后通过给定无向连通图实例说明了算法的可行性与有效性。     

基于知识情感等级BDI主体的决策行为模型研究

为了将知识、信念、愿望和意图以及害怕、焦虑和自信对决策行为的影响的强烈程度进行形式化,把无穷值的卢卡斯维茨逻辑的真值取值范围从[0,1]扩展到[-1,1]。知识情感等级BDI主体的决策行为通过添加了具体条件的不同背景的不同测度来决定;知识情感等级BDI主体模型清晰地表示了主体的知识状态、心智状态和情感状态的不确定性;此模型可以轻易地向其他类型的主体进行推广。在给出了知识情感等级BDI模型的语言、语义以及此模型的不同背景之间的相互关系之后,对知识情感等级BDI主体的军事决策行为进行了实例分析。此研究旨在为分布式人工智能和军事仿真提供形式支持。     

Drawing layered graphs with port constraints

Complex software systems are often modeled using data flow diagrams, in which nodes are connected to each other through dedicated connection points called ports. The influence a layout algorithm has on the placement of ports is determined by port constraints defined on the corresponding node.In this paper we present approaches for integrating port constraints into the layer-based approach to graph drawing pioneered by Sugiyama et al. We show how our layout algorithm, called KLay Layered, progresses from relaxed to more restricted port constraint levels as it executes, and how established algorithms for crossing minimization and edge routing can be extended to support port constraints. Compared to the previous layout algorithms supporting ports, our algorithm produces fewer edge crossings and bends and yields pleasing results.We also explain and evaluate how layout algorithms can be kept simple by using the concept of intermediate processors to structure them in a modular way. A case study integrating our layout algorithm into UC Berkeley's Ptolemy tool illustrates how KLay Layered can be integrated into Java-based applications.     

循环经济与知识经济的本质差异解读

目前循环经济和知识经济已成为现代社会经济发展的两种重要形态,为了深入地从理论上把握好知识经济和循环经济的实质,从而更好地指导经济发展实践,有必要全面准确认识和把握它们的本质差异,其本质差异主要表现在两者的含义、理念、特征和所属的分类标准三个方面。     

人工神经网络在图论中的应用

人工神经剐络与图论之闻有密切的联系。本文把人工神经网络应用于图论的问题求解中,利用Hopfield网络对图的着色、图的最大独立集和最大团进行求解,构造了各自的能量函数,进而得出网络的运行方程。     

校园卡充值点最优位置的数学模型研究

选址问题目前学术界已有较多的研究成果,但大多数是将总费用作为目标函数,一般要求事先给出网络结点的位置坐标,且无需考虑结点间的最短路程,旨在确定新的地理几何中心。而对已有网络,在不改变原有路径及各结点位置的条件下,以总路程最小为目标函数,在现有网络结点中寻找其中某些结点的最优位置却是一个新的研究课题。本文以某高校校园卡充值点为例,将校园示意图转化为赋权连通图,求得该连通图的邻接矩阵,利用Floyd算法及图论软件包构造一个最短路径矩阵,得到一个赋权完全图,利用穷举法或混合整数规划法及数学软件求解,得到各学院、楼栋、学生宿舍区到三个校园卡充值点的最短总路程及三个校园卡充值点的最优位置。     

浅谈如何培养一流的知识型员工队伍

在知识经济时代,培养知识型员工,是一个组织(团队)耐以持续发展的潜在资源方略。达到整合团队资源,提升整体素质,实现组织成员的共同愿景,企业应着重于从建立内部培训考核机制和学习激励机制,以及设计个人职业生涯,提升团队整体素质等方面入手。     

管理信息系统人机交互优化方法

由于管理信息系统的结构越来越复杂、影响因素越来越多,根据人机交互方法研究管理信息系统具有十分重要的理论意义和应用价值.针对管理信息系统人机交互问题,提出了一种遗传神经网络方法,采用具有高度非线性映射能力的结构化神经网络来拟合管理信息系统人机交互模型的输入输出关系,利用具有全局寻优能力的遗传算法来训练结构化神经网络的参数,应用遗传算法对神经网络模型进行优化设计.上述方法从遗传算法的优化过程中抽取一些知识,采用知识来指导遗传算法的后续优化过程.     

基于知识本体提纯的无人机故障数据采集仿真

无人机在飞行的过程中,采集的故障信号数据会随着飞行环境的随机性变化而改变,造成异常信号数据关联性降低.利用传统算法进行异常信号数据挖掘的过程中,建立的关联规则过于复杂,加入过多约束条件分析环境特征,导致挖掘过程耗时较长.为解决上述问题,提出基于知识本体提纯的无人机采集实时数据挖掘方法.针对无人机异常信号数据知识本体表示方法进行了详细阐述.利用贝叶斯概率方法计算当前状态信号属于某类别异常信号的最大概率,从而为异常信号的提纯提供了准确依据.针对相似度较高的两个异常信号进行提纯处理,在提纯过程中充分考虑到信号采集时间间隔和时延,从而保证了实时性要求.实验结果表明,利用改进算法进行无人机异常信号挖掘,能够提高异常信号挖掘的及时性和准确性.