层次聚类社区发现算法的研究

概述了社区发现算法的研究现状; 介绍了因分析对象的不同而产生的四类社区发现方法：矩阵谱分析方法、层次聚类方法、基于边图思想的方法和基于极大团思想的方法。对其中性能最优的层次聚类方法进行了详细的综述, 并对其典型算法进行了分析比较。最后, 提出了社区发现算法可能的研究方向, 为今后的研究提供参考。     

基于专家域的多层分类器融合

论文提出了一种基于专家域的多层分类器融合模型,专家指不同专长之单分类器。模型思想来自医院诊断流程,模型首先训练n个专家,之后将样本空间按专家专长划分专家域。对于待测样本,先将样本指派到合适的专家域,然后再由指定的专家对样本进行分类。用这种算法对UCI的标准数据集进行分类,实验结果显示,该算法得到比其他算法更低的分类误差,显著提高了分类器的性能。     

动态场景下视点相关简单块状分层方法

针对虚拟现实动态场景下规则模型组细节层次渲染速度优化问题,提出一种基于块状分层建模思想的视点相关细节层次表示方法。该方法以简单的方式实现规则模型组动态LOD表示和场景模型文件的合理缩减。首先通过块状分层有效组织管理三维场景,使总体动态场景文件有所减少,然后利用所提动态权系数算法,计算各块状分层动态显示系数,最终以简单、快速的方式构建三维场景动态变化下场景模型,实现各结构块不同细节层次显示的虚拟动画。实验结果显示,该方法能够减小程序文件6.8%~10.6%,证明块状分层易于实现和方法的有效性。     

泛组合运算模型研究

泛逻辑学是在模糊逻辑的基础上,分析命题之间关系的连续可变性。提出了“广义相关性”和“广义自相关性”两个重要的概念,将命题连接词运算模型定义为由相关性所控制的算子簇,实现了命题连接词运算模型的柔性化。其中泛组合运算模型是为了满足连续值逻辑中综合决策的需求而提出的。目前仅有二元模型,在实际应用中迫切需要多元模型。但由于泛组合问题的复杂度随着“元”的个数增加而急剧增大,其设计有一定的难度。提出了多元泛组合运算模型和生成元加权零级泛组合运算模型,从而不仅满足了应用中多元综合决策的要求,还进一步完善了泛逻辑学中的命题连接词理论。     

二级倒立摆的泛逻辑稳定控制研究

针对二级倒立摆的稳定控制问题,提出了一种以泛逻辑学为逻辑基础的控制器,控制器以任意区间[a,b]上的零级泛组合运算模型为核心决策部件,决策过程中考虑到输入变量之间的关系、输入量的测量误差,并允许决策门限连续可变。对二级倒立摆实物系统的泛逻辑稳定控制实验和抗干扰实验,以及同模糊控制方法和线性二次型最优状态调节器控制效果的比较证明了该方法的有效性和优越性。