动态模糊（DF）数的概率空间初探

给出动态模糊数的概率度量空间理论初步     

多维动态模糊数据的分解模型研究

对多维数据的研究最大困难在于其数据量十分庞大,数据规模的单纯扩大,往往导致系统的复杂性成倍增加,而且在研究中发现,存在着大量具有“多维性”、“动态性”和“模糊性”的数据.对此,该文基于动态模糊理论,提出了多维动态模糊数据的分解模型,该模型的建立,为人们用计算机处理这类问题提供了理论依据.     

关于软件自动化系统中的机器学习方法研究

随着计算机科学的发展各领域之间的相互渗透逐渐形成了许多交叉研究方向，基于此本文给出软件自动化系统中的机器学习方法。主要讨论两个方面的问题：一是软件自动化中的机器学习，二是软件自动化中较为复杂的学习算法构架。     

李群特征的深度学习算法研究（英文）

由于真实世界中的复杂数据经常能够被表示成李群结构,文章设计了一个以李群特征作为输入的深度网络架构,以此利用深度学习强大的特征表示能力来进行模式识别等任务。在构建李群深度神经网络的过程中,为了保证在优化时李群特征能够被限定在微分流形的结构上,提出了适用于李群特征的深度学习算法。算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息,同时也限定了参数优化的假设空间。基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上,通过为静态图像设计辐条模型的李群特征,实验结果表明算法在较少次数的迭代下就能够收敛到较为理想的结果。     

基于动态模糊关系(DFR)的多Agent系统组合模型

多Agent系统面对复杂的、单个Agent难以胜任的问题时需要合作,由哪些Agent参与合作是其中一个关键问题,从Agent之间在合作中形成的关系出发,研究多Agent系统的动态模糊性,在此基础上借助动态模糊关系理论建立多Agent系统组合模型,以此为基础提供一种解决Agent合作问题的途径。     

上下文决策树学习算法及其在机械波图像中的应用

机器学习技术在现代各种数据分析中是备受关注的有效方法之一,目前已在众多领域得到广泛应用。文章以目前较为流行的决策树学习为重点,介绍了决策树学习的几个较为成熟的算法,并将相应算法应用到机械波图像分析中,提出了5点、7点与11点上下文决策树学习算法。通过实验验证该处理方法是有效的。     

基于流形学习的纤维丛模型研究

针对数据的高维性,维数约简成为了热点的研究方向,各种流形学习算法都试图发现高维数据的内在结构与规律,然而都是基于小邻域的学习,如何将全局和局部的数据学习结合起来是一个尚未解决的问题.纤维丛是微分流形中的重要理论,比如线性空间中每个子空间都可以看成是一个纤维,它们的集合是纤维丛.本文在流形学习基础上引入纤维丛,给出纤维丛模型,并提出基于切丛局部主方向的向量空间降维算法,该算法用k-均值划分数据集并在各块上求主成分,由第一主方向组成的切丛截面,在截面流形上进行利用等度规映射（ISOMAP）降维,最后在模拟数据和人脸数据上进行实验说明了算法的有效性.     

基于动态模糊测度的Agent知识度量方法及应用

针对Agent知识度量问题,将动态模糊测度理论应用于该领域,给出了Agent知识度量方法,其内容包括Agent知识表达、动态模糊数据的测度以及Agent工作算法,并将这些理论应用在教学评价系统中,表明了该方法的有效性。     

联想类比空间收敛理论及同态理论研究

给出了联想类比空间的收敛性及同态结构的一些重要结论，从而进一步丰富和完善了联想类比空间理论；基于此，又给出了一个实现系统ＤＦＧＣＳ     

联想知识空间理论与应用的研究

在综合集成的智能系统中存在着多个领域的知识，怎样合理地组织这些知识以使智能系统有效地在不同领域进行推理则一直是困扰人们的问题，为此，提出了联想知识空间的一些基本理论．同时研制了一个实现系统———ＤＦＧＣＳ