在扩展PROLOG中函数和面向对象的程序设计

论述了逻辑、函数和面向对象程序设计语言的差别和联系,提出了PROLOG语言的元级扩展,讨论了在此系统中函数和面向对象程序设计的实现方法.从程序设计方法学的观点看,此系统展现了多种程序设计风格,是逻辑、函数和面向对象程序设计模式的结合.     

基于期望的汉语分词模型的设计

汉语分词是汉语处理与拼音文字语言处理的一个不同点.本文回顾了汉语分词研究的发展,对现有的四种汉语分词方法进行了评述,介绍了当前的研究现状和存在的困难,并提出了一种基于期望的汉语分词方法.这种方法把分词与理解同步进行.基于这种方法的汉语分词模型是由预处理模块、词头处理模块、期望分词模块、句法分析模块、语义分析模块、学习模块以及知识库组成.     

基于进化规划的Markov随机场参数的估计

在应用Markov随机场作为先验模型对图像进行贝叶斯估计时,配分函数的难以计算使得对Markov随机场参数的估计存在着很大困难.为此,本文提出一种新的基于进化规划的参数估计法.该方法采用进化规划来寻求合适的参数,使得由该参数得到的生成图像和原始图像间的差异最小.该方法不仅可避免配分函数计算上的困难,而且从该参数出发还可得到最相似于(可完全吻合)原始图像的生成图像.在这一点上,该方法要明显优于以往传统的基于似然函数的参数估计法,如极大伪似然法.最终的实验结果也证实了该方法的可行性.     

小规模数据集的神经网络集成算法研究

研究了小样本数据集的神经网络分类器集成，提出了适合于小样本数据集的神经网络分类器集成方法Novel_NNE，通过生成差异数据提高神经网络集成中个体的差异性，从而提高集成学习的泛化性能；最后应用不同的融合技术针对UCI标准数据集进行了实验研究．结果表明，在集成算法Novel_NNE中，使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法．     

一种新的基于SOM的数据可视化算法

SOM（self—organizing map）所具有的拓扑保持特性使之可用来对高维数据进行低维展现，但由于数据间的距离信息在映射到低维空间中固定有序的神经元上时被丢掉了，因此数据的结构通常是被扭曲了的．为了更自然地展现数据的结构，提出了一种新的基于SOM的数据可视化算法——DPSOM（distance-preserving SOM），它能够按照相应的距离信息对神经元的位置进行自适应调节，从而实现了对数据间距离信息的直观展现，特别地，该算法还能自动避免神经元的过度收缩问题，从而极大地提高了算法的可控性和数据可视化的质量．     

进化博弈论及Agent自组织动力学

结合非线性动力学方法,讨论了2×2对称和非对称进化博弈模型及其稳定性,总结了一般情况下的二人对称和非对称进化博弈模型,并将进化博弈的自组织思想与Agent相结合,提出了一种基于进化博弈的Agent自组织动力学模型.     

缺失数据处理方法的比较研究

由于数据挖掘技术日益广泛地应用于各个领域,而大多数领域中数据都存在缺失值,因此基于缺失数据的数据挖掘方法的研究具有重要意义.利用直接删除、特殊值填充、平均值填充、Robust方法4种处理缺失值的方法建立4个缺失值处理模型以及相应的朴素贝叶斯分类器模型.通过在5个实际数据集上进行实验比较,并采用五重交叉验证来检验这些模型的性能.结果表明,用这些模型处理缺失值构建的朴素贝叶斯分类器是有效的.     

属性约简簇的优化选择

属性约简是粗糙集的一个重要应用.一个数据集往往含有多个属性约简,人们一般用启发式算法找到其中的一个,再通过实验的方法验证其有效性.面对多个属性约简,人们往往难以区别,缺乏有效的手段选取最优或较优的属性约简.使用多种概念漂移的度量指标和信息损失的度量方法比较了同一个知识系统中不同Pawlak约简之间的区别与联系.提出了属性约简重心的概念,并研究其性质.实验结果显示,在众多的属性约简中,离重心最近的属性约简在分类准确率方面具有较大的优势.概念漂移的度量指标和信息损失的度量方法有助于区分不同的属性约简,属性约简的重心有助于在众多的属性约简中选择最优或较优的一个.     

自动入侵响应决策技术的研究综述

简要介绍了自动入侵响应系统的作用和重要性.对自动入侵响应决策技术所涉及的相关问题进行了层次化的划分.阐述了入侵响应目的与策略在入侵相应决策中的作用及其研究状况.对已有自动入侵响应系统中的响应决策因素进行了介绍,分析了响应因素在决策中的作用,并对这些响应因素进行了分类.提出了入侵响应时机的概念,重点讨论了现有各种入侵响应时机决策模型和入侵响应措施决策模型,并对这些模型的特点和存在的问题进行了分析.介绍了入侵检测报警管理与入侵响应系统IDAM & IRS的体系结构、响应时机决策方法、响应措施决策方法和实验情况,并阐述了IDAM & IRS的主要特点.最后,总结了自动入侵响应决策技术的发展方向.     

开放多Agent系统的一个信任信誉系统模型

信任和信誉对于开放多Agent系统的有效交互是十分重要的.FIRE模型是最近提出的适用于开放环境下问题求解的信任信誉系统模型中的一种,在该模型中没有考虑消费者的个性特征,从而使得消费者给出的评分仅直接反映了提供者的服务质量,这就减弱了该模型的实用价值.提出了扩展模型E-FIRE,引入了消费者的个性特征.其个性特征包括两个方面:消费者对服务质量的预期和消费者采取的态度.这两方面共同影响消费者对待同一服务的评分.因此,消费者的评分不再只反映提供者的服务质量,这样使得该模型更加符合实际情况.同时,在消费者为选择提供者而计算提供者的综合信任评分时,更多地依靠提供证据的消费者对提供者的直接信任,从而减少了Agent 间的通信量.实验结果表明,在交互次数较少时,E-FIRE模型的性能与FIRE模型的性能相当;随着交互次数的增多,E-FIRE模型的性能更优.