针对环状流形数据的非线性降维

近年来出现了多种新型的非线性降维方法,且在一些应用中体现出良好的效果.然而,当面对球体、柱体等环状流形产生的非线性流形数据时,这些方法往往会失效.针对这一问题,提出了针对环状流形数据的环结构检测算法与非线性降维方法.理论上,基于目前极受关注的Isomap降维方法的运行原理,给出了一个判断环状流形的充要条件;算法上利用所得的判断定理,制订了基于数据的环状流形检测算法:最后基于所找到的环结构,利用极坐标展开的思想设计了针对环状流形数据的非线性降维策略.针对一系列典型环状流形数据集的仿真实验结果表明,与其他流形学习降维方法相比,该方法对环状流形数据进行降维具有显著优势.     

关于求解难组合优化问题的蚁群优化算法

1.引言组合优化问题在规划、调度、资源分配、决策等工程问题中有着非常广泛的应用。在问题规模较小时,可以使用分支定界法或动态规划方法等来求解。当问题规模增大时,解的数目虽然有限,但呈指数增长,要在合理时间内求得准确的最优解实际上已不可能。为此,人们设计了各种启发式算法。近年来,最重要和最有希望的一个研究领域是构造“师法自然“的启发式。它们类比社会系统、物理系统、生物系统等的运行机制,设计算法在问题的解空间中进行非确定性搜索。典型的有遗传算法(GA)、模拟退火(SA)、人工神经网络(ANN)。这些算法由于其自适应性,对难组合优化问题的求解取得了好的结果,被广泛应用于工程优化和控制中。本文将要介绍的蚁群优化算法,由于其较强的自适应性和对问题状态的学习能力,正逐步成为一种新的有潜力的优化算法。     

Global annealing genetic algorithm and its convergence analysis

A new selection mechanism termed global annealing selection (GAnS) is proposed for the genetic algorithm. It is proved that the GAnS genetic algorithm converges to the global optimums if and only if the parents are allowed to compete for reproduction, and that the variance of population's fitness can be used as a natural stopping criterion. Numerical simulations show that the new algorithm has stronger ability to escape from local maximum and converges more rapidly than canonical genetic algorithm.     

字的组合的半群方法

该文利用半群方法给出了语言的一些代数性质.首先,讨论了稠密语言的半群结构,给出了包含语言w(wk)(其中w∈A+,k是正整数)的一个稠密语言类;证明了稠密正规语言包含一个字与一个稠密正规右酉幺半群的积.其次,讨论了自由幺半群的正规分支可分解性,证明了自由幺半群及正规分支可分解语言与正规分支可分解的后缀语言的积是正规分支可分解的;应用这些结果证明了Shyr和Yu关于正规语言的两个猜想.     

数据挖掘与数据库知识发现:统计学的观点

数据挖掘和数据库知识发现是当前国际科技界的一个研究热点，这是一个介于统计学，模式识别，人工智能、机器学习、数据库技术以及高性能并行计算等领域的交叉新兴学科，具有极为广泛的应用前景。从统计学的角度来透视其中相关的统计问题，提出了传统统计学面临的挑战，以及在这个领域将带来的一些新的研究方向。     

非线性单调型算子方程的迭代方法

本文综合介绍作者近期在非线性单调型算子方程迭代解法方面所取得的某些研究结果。主要内容包括: (1) 强单调算子方程的松驰型方法 (2) 极大单调算子方程的正则化一差分方法 (3) Atone算子的直接迭代法 (4) 一般单调算子方程的遍历性迭代法     

基于核化原理的非线性典型相关判别分析

典型相关判别分析是将传统的典型相关分析应用于判别问题，它是一类重要的特征提取算法，但其本质上只能提取数据的线性特征，应用统计学习理论中的核化原理可以将这样的线性特征提取算法推广至非线性特征提取算法，该文研究了如何将这一原理应用于典型相关判别分析，提出了基于核化原理的非线性典型相关判别分析，并且给出了求解该问题的一个自适应学习算法．数值实验表明，基于核化原理所导出的非线性典型相关判别分析比传统的典型相关判别分析更有效，另外，该文从理论上证明，所提出的新方法与Fisher核判别分析等价。     

神经网络逼近速度下界估计

文中研究一类多元周期Lebesgue平方可积函数SF_d与神经网络集合Π_φ,n,d=（?）之间偏差dist(SF_d,Π_φ,n,d)的估计问题.特别地,利用Fourier变换、逼近论等方法给出dist(SF_d,Π_φ,n,d)的下界估计,即dist（?）.所获下界估计仅与神经网络隐层的神经元数目有关,与目标函数及输入的维数无关.该估计也进一步揭示了神经网络逼近速度与其隐层拓扑结构之间的关系.     

字典乘积图的Euler性

人们在实践中发现,网络拓扑结构的一些性质能够在某种程度上衡量一个网络的性能如何,网络的可靠性便是其中的一个重要性能指标.分析现实世界中已有网络,如计算机网络、电网以及通讯网络等的可靠性具有重要的理论意义和应用价值.图的字典乘积利用已有规模较小的网络来构建规模较大的网络,且所得大网络的特征值完全由小网络的拓扑结构参数来刻画,并具有良好的性能,而图的欧拉回路与欧拉迹亦在此领域有着广泛的应用.乘积因子图的拓扑结构影响着字典乘积图的拓扑结构.本文主要研究字典乘积图的Euler回路问题和Euler迹问题,利用组合理论和极值构造方法,给出了两图的字典乘积图为Euler回路和Euler迹的一些充分必要条件.     

字典乘积网络的支撑树计数

支撑树个数是边失效下网络可靠性分析与设计的一个重要性能参考指标,本文利用字典乘积的方法来构建网络,通过这种方法我们很容易由若干特定规模较小网络来构建规模较大的网络,并得到它的一个紧的支撑树计数解析公式,这样的计数公式仅仅依赖于小网络的性能参数,如:结点的度数、小网络的阶数、小网络的支撑树数目.