一种基于一阶谓词逻辑的模型表示方法

给出了一种应用于决策支持系统,基于一阶谓词逻辑的模型表示方法,并分析了此种表示方法的实用性和推理机制。     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

一种基于需求规约的谓词测试用例生成方法

软件失效多数由其包含的谓词引发.本文针对特定的故障模型,提出一种基于需求规约的谓词测试用例生成方法.该方法从需求规约中提取出因果图,再将因果图转换为谓词,再由BRO算法生成测试约束集,最后将生成测试用例集.实例分析表明,方法能有效生成测试用例集,并满足相应的测试谓词准则.     

一种改进的基于属性归约的知识发现方法

在数据库中发现知识是一个非常活跃的研究领域。在本文中,我们提出一种改进的面向属性的归约算法,即引入充分扩展关系这样一个中间概念,以方便从数据库中提取有趣的结果。     

一种基于SNMP网络拓扑发现的改进算法

本文描述了一种基于SNMP的网络拓扑发现的改进方法,并解决了路由器多地址问题,同时给出了详细的数据结构和算法描述。     

一种改进的标签传播快速社区发现方法

标签传播社区发现方法LPA(Label Propagation Algorithm,简称LPA)和已有的一些算法相比具有算法复杂度低、思想简单、不需要指定社区数量等优点,但相比于传统社区发现方法(如GN)也有准确率较低的缺点。文章提出了一种改进的、基于节点局部相似性的标签传播算法LPALS(Label Propagation Algo-rithm based on Local Similarity,简称LPALS)。实验结果表明,LPALS算法在提高准确率的同时也保证了算法具有较低的时间复杂度。     

一种先进的扁平化谓词及编译优化方法

谓词执行是有效挖掘控制流程序指令级并行性的一种机制.经典的谓词实现一般局部地逐个进行谓词计算而不能进行多谓词控制,有谓词计算路径过长等问题.针对经典谓词存在的问题,提出一种先进的扁平化谓词的实现方法,这种扁平化谓词可以全局地进行谓词计算,可以自然地进行多谓词控制.在此基础上,研究扁平化谓词的编译优化方法,给出了扁平化谓词编译优化框架.实验表明,本文提出的扁平化谓词及编译优化框架可以很好地提高多条件控制程序的执行效率.     

一种基于网络嵌入的社区发现方法

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.     

一种基于遗传算法的快速服务发现方法

在分布式的网络中，传统的搜寻方法复杂性过高，搜索时间较长，而且往往不能适应网络动态的变化．基于遗传过程，提出了一种快速服务发现算法（QSFA）．在Mobile Agent（移动代理）和服务节点交互的过程中，QSFA根据访问的结果来动态地改变每条服务记录适应值的高低，从而使得有效的信息能够在网络中保留较长的时间，而过时的、错误的服务信息会在网络中较快地消亡．实验仿真的结果表明，Mobile Agent能够在分布式网络中较快速地发现所需的服务资源．     

一种基于粗糙集分类规则发现的方法

介绍了粗糙集理论实现数据分类和规则推理的基本原理,并利用粗糙集理论中核及决策类覆盖的概念,提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系,并简化带有不相容规则的决策系统的多层次数据挖掘算法,应用一实际的例子说明如何在数据库中发现分类规则.     

基于谓词逻辑推理与生成树的优化链路层网络拓扑发现方法

 物理拓扑结构发现的目标是确定网络中的各种设备以及这些设备物理端口之间的链路连接关系,这对于网络性能监测与评估、故障发现与定位、资源分配与管理等一系列维护工作具有重要意义。本文所提供的基于谓词逻辑推理和基于生成树协议的优化拓扑发现算法,在AFT数据不完全的情况下,能够有效计算出网络节点信息,从而克服了现有链路层网络拓扑发现方法的不足,提高了获得网络物理拓扑的可能性。     

一种基于用户过程的知识发现建模方法

从开发真正实用的知识发现集成系统的目的出发,指出对用户知识发现活动的全面支持是ＫＤＤ系统成功的关键。通过对知识发现过程的系统分析,建立起面用户地过程模型。     

一种基于语义的分布式云服务发现方法

随着云服务的迅猛发展,传统集中式注册的云发现技术容易出现单点失效和性能瓶颈问题。因此,提出了一种基于语义的分布式云服务发现方法。该方法采用多层云本体的方式表示云服务,把服务描述映射到云本体结构中,服务描述中的对等点根据它们的语义相似度组成集群。同时,在具有高相似度的节点之间建立语义边,从而使查询只需在相关的节点中进行,以提高发现效率。实验结果表明:本文提出的方法能够提高云服务发现效率和降低查询时间。     

一种基于用户过程的知识发现建模方法

从开发真正实用的知识发现（KDD）集成系统的目的出发,指出对用户知识发现活动的全面支持是KDD系统成功的关键．通过对知识发现过程的系统分析,建立起面向用户的过程模型．实践证明,对用户工作的良好理解对于开发新型KDD集成系统具有重要的指导意义．     

一种基于广度优先搜索的社区发现方法

由于当前的算法不能很好地将网络的联通性和单个节点的属性综合考虑,分析了凝聚和分裂层次聚类经典算法的局限性,从而给出边的载荷、边的权重、连接度门限、图形分割等定义.综合考虑网络的拓扑结构和边的权重关系,提出了基于广度优先搜索的社会网络社区发现算法SoNetCD.算法通过删除社区之间的边而得到社区结构,它对社区之间的边判断准确,对社区内部的边误删率低.运用经典数据集进行实验的结果表明,该算法具有比经典GN算法更好的结果.     

一种基于粗糙集的机械装配知识发现方法

为了解决机械装配行业工艺知识提取困难的问题,提出一种基于粗糙集理论的装配知识发现方法,给出其计算机软件实现方案,并用实例验证方法的有效性。该方法运用粗糙集中属性重要度的概念和方法,实现属性核和属性约简的求解,并根据约简挖掘隐含在经验数据中的专家知识,形成相应的决策规则。实例验证结果说明,该方法可以有效地提高装配效率和装配知识的学习。     

关联规则发现的一种改进算法

在Apriori算法基础上,给出一个改进的关联规则发现算法·由于这个算法只需对交易数据库进行一次搜索,能大量减少所需的I/O次数,且内存开销适中,因此同其他关联规则发现算法相比具有快速的优点,适合于大型交易数据库·使用合成数据作试验表明这个算法尤其对大型数据库的性能优于先前已有的一些关联规则算法·     

基于神经网络的一种改进的向量量化方法

用LBG算法产生的码书,其码向量在码书中的排列是无序的.用此序号作为向量量化器编码输出时,对信道误码特别敏感.为了控制由于信道误码而导致整个向量量化通信系统性能严重下降,基于Kohonen网络的自组织特征映射(SOFM)算法进行向量量化分析,并针对SOFM算法性能上的缺陷,提出了一种改进的自组织特征映射算法.新算法引入失真敏感参数,对网络参数进行优化,通过调整码字的部分失真来指导神经网络的学习.通过仿真试验,从峰值信噪比的提高验证了算法的优越性.     

基于SOBER故障定位模型的关联谓词赋值偏好改进方法

针对基于统计理论的故障定位模型SOBER,研究软件故障的自动定位技术.通过程序研究及大量实例分析,探明SOBER模型的局限性——因为谓词关联性问题而导致故障定位准确度不高,并提出一种新的关联谓词赋值偏好方法,并进行了实证研究.实验结果表明,该方法较好地解决了谓词干扰问题,从而提高了基于SOBER模型的故障定位准确率.     

一种基于改进分形编码的图像去噪方法

提出了一种针对加性白高斯噪声(AWGN)的改进分形图像去噪方法.该方法在改进的分形编码过程中采用二次函数灰度预测,使得对无噪图像的编码效果优于传统分形编码.在改进分形编码的基础上,改进的分形图像去噪方法通过带噪图像估计原始无噪图像的分形编码参数,从而在分形解码过程中达到去除噪声的目的.实验结果比较表明,改进的分形去噪方法具有很好的去噪效果.