突发事件的连锁反应网络模型研究*

基于复杂网络的相关理论和方法,首先建立了一个突发事件的连锁反应网络模型:a)收集近十年来的四类典型突发事件案例;b)把每一突发事件抽取为单一的节点;c)若一个事件的爆发引起了另一次生事件,则两个事件之间建立连边;d)构建突发事件的连锁反应网络模型。其次,分析了所建立的突发事件的连锁反应网络模型的网络拓扑特性,发现突发事件连锁反应网络服从无尺度分布,网络的平均路径长度为3.2,集聚系数为0.15,度相关系数为负相关。在针对突发事件连锁反应网络的拓扑特性研究的同时,以期对突发事件的应急预警与综合减灾起到辅助作用。     

支持向量机组合分类及其在文本分类中的应用

针对标准支持向量机对野值点和噪音敏感，分类时明显倾向于大类别的问题，提出了一种同时考虑样本差异和类别差异的双重加权支持向量机。并给出了由近似支持向量机结合支持向量识别算法，识别野值点和计算样本重要性权值的方法．双重加权支持向量机和近似支持向量机组合的新分类算法尤其适用于样本规模大、样本质量不一、类别不平衡的文本分类问题．实验表明新算法改善了分类器的泛化性能。比传统方法具有更高的查准率和查全率．     

基于支持向量的文本特征评估和系统优化

提出了一种基于支持向量且能识别噪音特征的文本特征评估方法,以及一种具有自我反馈学习能力的文本分类系统。该系统能够根据分类结果识别样本噪音句子、调整分类器参数、维护和优化文本库、提高分类器性能并使分类器能适应实际情况的不断变化。实验结果表明该方法能有效改善自动文本分类系统的性能。     

基于最大公约子范畴的应急决策知识匹配研究

在范畴化知识结构的基础上,提出一种基于最大公约子范畴的知识匹配方法,其解决的主要问题就是通过对决策者的需求和背景知识的匹配,有效量化决策知识的语义处理,提高决策背景知识的萃取效率.实验结果表明,该方法能够同时提高知识匹配过程中的精度和召回率.

     

基于知识的阶层型神经网络结构及参数的一种确定方法

神经网络具有优秀的学习能力，但神经网络的权值及阈值却无法解释与理解，给进一步的应用带来了困难。国内外学者就这一问题进行了各种探讨，研究怎样从神经网络中抽取规则，但算法较复杂，规则的可理解性较差。从不同的视角出发，提出一种从知识的角度来考察阶层型神经网络的结构及参数的思路。利用从样本数据中获得的知识（模糊规则），来确定网络的大小，即中间层的结点数目，以及网络的参数，即网络的双重及结点的阈值。该方法的特点是不用精简网络的结构，也不用改变网络以往的BP学习算法。按照这种方法构造出的神经网络，即使不学习，其输出也会大致地跟踪样本，网络的学习时间将会缩短。与此同时，网络的参数，即权重及阈值的意义可以解释，为直接从神经网络中提取知识提供了依据。仿真算例验证了所提出的方法的有效性。     

一种设计层次支持向量机多类分类器的新方法*

层次结构的设计是层次支持向量机多类分类方法应用中的关键问题,类间可分性是设计层次结构的重要依据,提出了一种基于线性支持向量机度量类间相似程度的方法,并给出了一种基于类间可分性设计层次支持向量机多类分类器的新方法。实验表明,新方法有效地提高了层次支持向量机多类分类器的分类精度和速度。     

基于最大公约子范畴的应急决策知识匹配研究

在范畴化知识结构的基础上,提出一种基于最大公约子范畴的知识匹配方法,其解决的主要问题就是通过对决策者的需求和背景知识的匹配,有效量化决策知识的语义处理,提高决策背景知识的萃取效率.实验结果表明,该方法能够同时提高知识匹配过程中的精度和召回率.     

机器人弹性手臂的模型与控制

本文介绍了弹性机器人的建模方法及其控制。给出了在单连杆条件下采用模态分析法的模型.对约束模态、非约束模态的应用进行了比较,并讨论了采用模态分析法时截断高阶模态后产生的溢出现象.最后给出了单连杆的仿真结果.     

一种便于管理的动态站点设计方法

该文提出了运用ASP动态网页技术进行动态网站管理的思想。在建立前台信息发布网站的同时,还要建立一套具有友好用户界面的后台管理维护系统,以支持整个网站的运作,帮助普通用户对前台的网站进行日常管理和信息发布。其优点是占用系统资源少、信息量大、站点维护方便,便于扩充和更新,易于继承和保护历史数据。     

利用模糊神经网络实现数值信息与语言信息的融合

提出一种数值信息与语言信息融合的实现方法,融合是通过一个模糊神经网络完成的。该方法可用于对既有语言型变量,又有数值型变量的系统建立模型。实现融合的关键是对语言变量定义隶属函数。给出一种考虑决策者的偏好来描述语言变量的隶属函数的方法,仿真结果验证了算法的有效性。