基于特征集中度和差别对象对集的特征选择方法

本文首先简单分析了几种经典的特征选择方法,总结了它们的不足,然后提出了特征集中度的概念, 紧接着把差别对象对集引入粗糙集并提出了一个基于差别对象对集的属性约简算法,最后把该属性约简算法同特征 集中度结合起来,提出了一个综合性特征选择方法．该综合性方法首先利用特征集中度进行特征初选以过滤掉一些 词条来降低特征空间的稀疏性,然后再使用所提属性约简算法消除冗余,从而获得较具代表性的特征子集．实验结 果表明该综合性方法效果良好．     

基于多Agent网格资源调度的负载均衡研究

介绍了一种基于多Agent的网格资源调度方法,并提出了一种负载均衡算法设计思想,以改善网格环境中资源分配不均的问题.     

基于熵的不相容规则修正算法

不相容规则可能是信息系统中的异常信息,在这个信息时代,这些异常信息与那些"正常"信息同样重要.在总结了许多不相容规则处理算法的不足之后,提出了一种基于熵的不相容规则的修正算法.根据设定的可信度值,使用这个算法可以判断出一个信息系统中不相容规则是否是异常规则.最后结合一个实例阐明了该算法的基本思路.     

一种改进的模拟退火算法

讨论了传统模拟退火算法的原理、求解过程,详细地分析了它存在的局限,简单叙述了模拟退火算法中关键参数对该算法性能的影响,并给出了该算法的可行的改进方案.提出了一个改进的模拟退火算法.在该改进算法中,为避免遗失当前最优解,增加了记忆功能,将当前最好的状态记忆下来,从而使得模拟退火算法成为一种智能化算法;设计了一个自适应温度更新函数,并设置双阈值使得在尽量保持最优性的前提下减少计算量.最后用改进前后的两个算法来解决一个非线性寻找组合最优问题,实验证明改进后的模拟退火算法是高效的.     

基于先验简洁关联知识的故障诊断方法

在系统故障诊断优化问题的研究中,建立故障与故障表象之间的关系,对故障进行分析和预测是一种重要的故障检测手段.数据挖掘中的关联规则表达了事物间关系,在离散事件分析中具有分类和预测的功能.然而普通关联规则具有表达冗余量大和计算复杂的缺点,提出采用直接生成闭模式并生成的简洁关联规则的方法,挖掘并表达故障特征间的关联关系,并建立故障分析过程.在离散事件的分析系统中,改进方法相对于基于普通规则的处理方法,既减小了知识表达的空间,又提升了处理的效率.结果表明,提出的检测方法准确、有效,具有一定的实用性和推广价值.     

结合类内集中度和优化RBF神经网络的特征选择

特征选择是文本分类的一个核心研究课题.首先提出了优化的文档频和类内集中度,紧接着提出了自适应量子粒子群优化算法并用于训练RBF网络的基函数中心和宽度,而且还结合最小二乘法计算网络权值,对RBF神经网络进行了优化,最后提出了一个综合性特征选择方法.该综合性方法首先使用类内集中度过滤掉一些词条以降低文本特征空间的稀疏性,然后再利用优化的RBF网络对特征进行优选.实验结果表明此种特征选择方法有较好的准确率和召回率.     

基于AI问题的一种“最优”解方法及实现

基于AI的搜索方法包括深度优先搜索、最低成本法搜索等,可以从众多的解决方案中寻找一个“最优”的解决方案。文章以列车信息搜索为例,采用路径删除法生成多种解,然后再用改进的深度优先搜索与最低成本法搜索相结合的方法从中寻找一个最优解。     

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

新的结合互信息和粗糙集的特征选择

特征选择是文本分类的一个重要步骤。分析了互信息,针对其不足引进了粗糙集给出了一个基于关系积的属性约简算法,并以此为基础提出了一个新的适用于海量文本数据集的特征选择方法。该方法使互信息进行特征初选,利用基于关系积的属性约简算法消除冗余词。实验结果表明此种特征选择方法的微平均F1和宏平均F1较高。     

探索高等院校“协同创新”型人才的培养途径

"协同创新计划"通过构建协同创新平台与模式、建立协同创新机制与体制促进高等教育与科技、经济、文化的紧密结合,大力提升高等学校的创新能力,支撑创新型国家和人力资源强国的建设。探讨了"协同创新"型人才所应具备的人文素质和科研素质,分析了高等院校培养"协同创新"型人才所应具备的校内外环境条件和机制。