基于云模型定性规则推理的分类方法

根据粗糙集原理和模糊集理论,提出了一种基于云模型定性规则推理的分类方法,利用云的相关理论获得多条件单规则中包含隶属度的决策表,结合模糊模式识别技术进行样本分类。针对一些数据对象分别隶属于不同类别的情况,用定性概念来代替模糊集中的定量数据并建立二元关系,能对连续型数据进行更为简单合理的＂软＂分类,从而使基于定性概念的算法模型符合人类思维方式。     

一种基于云理论的考核成绩评价模型

云模型是一种实现定性与定量之间的不确定性转换模型.基于云理论的考核成绩评价模型,根据全体考核对象的考核成绩,利用云模型客观反映这些成绩在多种概念下的分布,进而对成绩等级实现软划分,达到模糊分类的目的.为考核对象的成绩评价提供新的视角.文章把硕士研究生入学考试成绩作为研究对象,提出了一种新的研究生录取方式,进一步完善了当前研究生入学分数线的制定办法.实验结果表明,该成绩评价模型符合实际且更具有说服力.     

基于分段聚合时间弯曲距离的时间序列挖掘

针对时间序列的相似性度量问题,提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换,实现时间序列的特征提取和数据降维,然后利用动态时间弯曲距离进行距离计算,最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现,而且实验结果表明其平均分类错误率与传统分段时间弯曲相比,几乎降低了50%。同时,新方法在运行时间和聚类挖掘结果上都具有一定的优势。     

不同结构聚酰亚胺膜在乙醇/水体系中的溶胀特性

用5种二胺和4种二酐合成了2个系列8种不同结构的聚酰亚胺(PI)均质膜.测定了不同结构PI膜在质量分数为88%乙醇/水溶液中的溶胀特性,并讨论了不同二胺和二酐结构对渗透物分子在膜内的溶解特性的影响.     

基于JavaBean的XML解析技术及转换接口实现

提出一种基于JavaBean的XML解析技术及转换接口,介绍了关于XML的两种解析器技术,即 SAX与DOM,并利用Java实现动态创建和解析XML文档,并且使用JAXP进行XML文档转换的功能.最后通过Java程序设计语言实现了两种不同的解析器技术,通过陶瓷企业ASP平台的设计与开发,证明这两种技术能够使JAXP转换的JavaBean功能模型得到进一步的改善.     

聚酰亚胺膜在不同醇／水体系中的溶胀特性

用3,3',4,4'-二苯醚四羧酸二酐(ODPA)和4,4'-二氨基二苯甲烷(MDA)为单体合成聚酰亚胺(PI)膜,测定了PI膜在单组分溶剂(甲醇、乙醇、异丙醇、叔丁醇、水)和质量分数88%双组分溶液(甲醇/水、乙醇/水、异丙醇/水、叔丁醇/水)中的溶胀特性,并考察了不同醇浓度对PI膜溶胀特性的影响.实验结果表明,PI膜在不同醇/水溶液体系中的溶胀度顺序为甲醇>乙醇>异丙醇>叔丁醇.PI膜的溶胀度(SR)和溶解选择因子(as)均随着溶液中醇的质量分数增加呈现先增加后减小的趋势,并且膜从优先溶醇转化为优先溶水.     

时间序列数据降维及特征表示新方法

数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.

     

云决策分析方法

提出一种基于不确定性人工智能的决策分析方法,该方法利用云理论中的云变换和概念提升方法来刻画属性因素的概念云模型,并对每个因素都分配相应的云权重;使用X-条件云和极大判定法,找出每个因素的最佳评判语言云模型;让云权重参与综合评判,最终通过云计算得到基于云滴分布的综合评价结果,实验结果表明,与传统的模糊决策分析相比,它更具有易理解性、广普适性和高准确性等特点.     

基于不确定性人工智能的概念软与方法

基于概念“软与”操作在不确定性人工智能云模型中的重要性,提出了两种概念“软与”的新方法,分别为投影映射法与神经网络“软与”法。前者将云模型产生的云滴投影到新论域中,再通过多维X条件云发生器机制获取“软与”结果;后者通过基于案例推理方法与神经网络相结合,经过神经网络的训练学习,最终预测出云概念的“软与”确定度。算例分析表明,两者能对概念进行客观地“软与”操作,为概念“软与”操作提供了固定有效的方法。