基于分布约简的获取规则的增量式方法

根据粗糙集的理论,在信息系统中使用了分布约简的概念,并利用相应的可辨识属性矩阵,提出了一种在决策表中获取规则的增量式方法,该算法对决策表中出现的各种新对象进行分析,在原有的分布约简的基础上进行增量式更新,从而避免了重新计算.     

基于决策树技术分析动态图形数据的研究与实现

针对传统动态数据分析方法(如时间序列分析)存在对动态图分析较繁琐的问题,研究基于决策树技术进行动态图形数据分析的方法和过程.利用采集的心电图数据和SLIQ算法加以实现,所得模型准确率约为73%.     

一种基于模型逼近度的变步长BP算法

从步长选择的角度出发，提出了一个基于模型逼近度的变步长ＢＰ神经网络学习算法。数值结果表明该算法具有良好的收敛速度。     

对称矩阵部分特征值之和的非光滑分析

本文研究n阶实对称矩阵A的前m项最大特征值之和fm（A）的非光滑分析问题．利用Ky－Fan的关于特征值之和的变分原理以及凸分析理论，得到了fm（A）的次梯度和方向导数的显式表达式．     

薄板优化设计的一个可行方向法

本文研究薄板的优化设计问题。在[2]的工作基础上,文中充分利用结构的力学特性,建立了只需计算少量的偏导数就可确定一可行下降方向的定理。利用该定理并结合射线步调整的技巧,本文得到了一个较为节省计算量的可行方向法。实际的算例表明方法的效果良好。     

结合粗糙集理论与扩张矩阵理论的数据挖掘方法

提出将粗糙集理论、扩张矩阵理论进行有机结合的新方法 ,该方法吸收了两者的优点同时消除了两者的缺点 .实践证明 ,该方法可以十分有效地从数据库中挖掘出准确而精悍的知识 .     

粗糙集连续属性量化算法的灵敏度分析

简要介绍了粗糙集连续属性的一种量化算法—基于VDM (ValueDifferenceMetric)度量的划分法 ,并用该算法对实验数据为取自UCI机器学习数据库中心的数据集Iris进行量化 ,再对量化后的属性领域进行灵敏度分析     

个股走势模式分类的RBF神经网络方法

提出一个基宽度可调的RBF神经网络学习算法 ,并将它应用于个股走势模式的分类问题 .文中对走势模式的特征编码进行了阐述 ,改进了原有的编码方案 .实例计算表明效果良好     

Zowe次梯度算法的一个推广

将Ｚｏｗｅ提出的一个求解凸优化问题的次梯度法推广为基于ε－次梯度的算法，并且证明了当参数ε按某一原则变化时，推广后的算法仍然具有整体收敛性     

不相容决策表属性约简计算的一个可辨识矩阵方法

基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的证明.