一种属性不一致性加权的K近邻分类方法

针对传统的K近邻算法在计算样本之间相似度时将每个属性视为同等重要的问题,提出了一种基于推土机距离的方法来计算每个条件属性的权重。首先根据近邻关系划分用于比较一致性的两个分布;之后根据推土机距离设计不一致性评价函数,用于衡量每个属性下各个样本的近邻样本集与这一集合由决策属性细化的等价划分之间的不一致性程度;最后将近邻的不一致性程度转换为相应属性的重要性,用于实现属性加权K近邻分类器。通过在多个数据集上进行实验,该方法对参数的敏感程度低,在多个参数下可以显著提高K近邻的分类精度,并且在多个指标下的表现优于现有的一些分类方法。结果表明,该方法可以通过属性加权选择出更加准确的近邻样本,可广泛应用于基于近邻的机器学习方法中。     

基于因果关系的行动理论扩充

在因果条件逻辑的基础上进一步改进因果理论语义，并给出扩充的行动理论，统一表述动作执行和原因蕴涵，从而可以整体论述逻辑语言本身相互动作的独立与非独立性，使得处理并发动作和动作之间独立与非独立性关系变得更为自然形式化．     

基于模态缺省理论的多Agent系统的知识更新

基于模态缺省理论，建立多Agent系统的模态缺省逻辑，给出了每个主体 对应的模态缺省理论 的新知识和知识冲突的概念及其意义，主要讨论在多Agent环境下，当一个Agent的知识不足以完成推理时，可以从其它Agent处获得新的知识，从而对自身的信念集进行更新。当Wi发生变化(如遇到新的知识或出现与原信念集冲突的知识)时扩充Ei的性质和变化规律，提出了获取新扩充的较简单的求解方法，并证明了相关的定理，给出了多Agent系统的关于知识的一个动态描述过程。     

布尔算子Fuzzy逻辑中的锁归结原理

本文将一阶逻辑中的锁归结方法和广义锁归结方法推广到布尔算子Ｆｕｚｚｙ逻辑中，并且证明了布尔算子Ｆｕｚｚｙ逻辑的锁归结方法和一种特殊的广义锁归结方法是广义完备的。     

基于模糊修正的金融预测

文章研究了模糊逻辑模型在金融预测领域中的应用。由于该模型自身的局限性,在对金融时间序列趋势的连续预测应用中,趋势准确率偏低,连续预测值波动小(体现不出未来的市场走向),对此,提出了模糊修正的方法。文章运用模糊修正模型对上证综合指数和道琼斯平均工业指数做试验,并与BP神经网络进行比较,试验结果表明,运用模糊修正模型进行金融预测是可行的和有效的。     

基于最大决策边界的局部在线流特征选择

现有的在线流特征选择算法通常选择一个最优的全局特征子集,并假设该子集适用于样本空间的所有区域.但是,样本空间的每个区域都使用独有的特征子集进行准确描述,这些特征子集的特征和大小可能有所不同.因此,文中提出基于最大决策边界的局部在线流特征选择算法.引入局部特征选择,在充分利用局部信息的基础上,设计基于最大决策边界的特征衡量标准,尽可能分开同类样本和不同类样本.同时,使用最大化平均决策边界、最大化决策边界和最小化冗余3种策略选择合适的特征.针对局部区域选择最优的特征子集,然后使用类相似度测量方法进行分类.在14个数据集上的实验结果和统计假设检验验证文中算法的分类有效性和稳定性.     

布尔算子Fuzzy逻辑中的锁归结原理*

本文将一阶逻辑中的锁归结方法和广义锁归结方法推广到布尔算子Fuzzy逻辑中，并且证明了布尔算子Fuazzy逻辑中的锁归结方法和一种特殊的广义锁归结方法是广义完备的．     

布尔算子Fuzzy逻辑中归结的广义完备性

本文在布尔算子Ｆｕｚｚｙ逻辑中引入公式的恒假水平的概念，证明了归结原理在定性和定量这两种度量意义下的广义完备性。     

不一致信念的定量非修正方法满足AGM公设的讨论

常识推理的核心问题为信念修正问题，研究人员就此已经提出了许多方法，其中AGM理论是最有影响的一个。本文讨论并逐条证明了定量非修正方法满足AGM公设的情况，表明该方法是一种性质良好的信念修正方法。     

Limitations of quantitative operator fuzzy logic

Ａｗａｙｔｏｓｅｐａｒａｔｅａｈｅｄｇｅｆｒｏｍａｆｕｚｚｙｐｒｅｄｉｃａｔｅｉｓｔｏｒｅｇａｒｄｔｈｅｈｅｄｇｅａｓａｎｏｐｅｒａｔｏｒａｆｆｅｃｔｉｎｇｔｈｅｐｒｅｄｉｃａｔｅｓｙｍｂｏｌ.Ｌｉｕｐｉｏｎｅｅｒｅｄｔｈｅｏｐｅｒａｔｏｒｆｕｚｚｙｌｏｇｉｃｂｙｉｎｃｌｕｄｉｎｇｔｈｉｓｋｉｎｄｏｆｏｐｅｒａｔｏｒｉｎｔｏｆｕｚｚｙｌｏｇｉｃ[1].Ｉｎｏｒｄｅｒｔｏｅｘｐｌｉｃｉｔｌｙｃｈａｒａｃｔｅｒｉｚｅｔｈｅｕｎｃｅｒｔａｉｎｔｉｅｓｏｆｆｕｚｚｙｐｒｏｐｏｓｉｔｉｏｎｓ,ｔｈｅｏｐｅｒａｔ…