数学期望型水平值逼近全局最小值的方法

郑权在1978年提出的一种积分水平集算法概念性算法.由于水平集一般情况下难以求出,此算法通过Monte-Carlo随机取点来实现.本文提出了数学期望型水平值逼近全局最小值的概念性算法,它利用了相对熵主要思想,通过改变重要样本密度函数,克服了郑权算法水平集不易求得而难以求出水平值的困难.本文还给出了求全局最小值的收敛准则并证明了它的渐进收敛性.     

基于Shadowed Sets的连续属性离散化

基于Shadowed Sets理论研究了粗糙集连续属性离散化问题,提出一种新的基于Shadowed Sets 理论的候选断点集提取算法.该算法根据实例在单属性上的分布,对数据样本进行分类,采用Shadowed Sets计算出各类的上下近似,最终提取出候选断点集.使用多组UCI数据对此算法的性能进行检验,同时还与其它候选断点集提取算法做了对比实验.实验结果表明,此算法能有效地减少数据集候选断点的数目,提高离散化算法运行速度和识别率.     

点到集映像族与最优化算法

自从 Zangwill 把点到集映像引入数学规划以来,十多年来出现了不少这方面的专门文章.以点到集映像为手段来建立算法的统一理论,已成为数学规划的一个研究方向.Denel 和越民义进一步发展了 Zangwill 的工作,他们分别考虑了单降和单增点到集映像族,给出了由单降和单增点到集映像族构造的一些最优化一般算法,并在适当的条件下证明了这些算法的收敛性.在本文中,我们用一般的点到集映像族构造了若干算法,其     

Julia集的逼近

提出了一个逼近 Julia集的算法 ,并与反函数迭代算法及逃逸时间算法进行了分析比较 .该算法具有较好的通用性 ,可用于绘制许多有理映照动力系统的 Julia集 ,包括用现有算法无法绘制的某些 Julia集的计算机图     

点到集映象族与最优化算法

1.引言文献[1]和[2]分别考虑了单降和单增点到集映象族,给出了由单降和单增点到集映象族定义的一些最优化的一般算法,并在适当的条件下证明了这些算法的收敛性.本文用一般的点到集映象族定义这些算法,改进了[1]和[2]中的某些假设,在较弱的条件下证明了这些算法的收敛性.特别,我们不需要点到集映象族的单降或单增性,以及[1]中假设     

解线性等式约束优化问题的模式搜索过滤集方法

提出一个解线性等式约束无导数优化的模式搜索过滤集算法,该算法将过滤集技术嵌入无导数优化算法中以改善算法的效率. 建立了新算法的总体收敛性, 初步的数值试验结果表明新算法是有效的.     

基于信息量的集值信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在集值信息系统中引入信息量和属性重要性,给出它们的性质及与属性约简之间的关系.针对集值信息系统提出了一种基于信息量和属性重要性的属性约简算法及算法的时间复杂度.通过实例说明,该算法是有效的.     

解线性等式约束优化问题的模式搜索过滤集方法（英文）

提出一个解线性等式约束无导数优化的模式搜索过滤集算法,该算法将过滤集技术嵌入无导数优化算法中以改善算法的效率.建立了新算法的总体收敛性,初步的数值试验结果表明新算法是有效的.     

一种新的基于K-means改进SMOTE算法在不平衡数据集分类中的应用

在实际应用中,经常遇到数据分类集合中某一类的样本数量明显少于其他类的样本数量的数据不平衡问题.在二分类数据集中,一般称样本数目多的一类数据集合为正类,样本数目少的一类数据集合为负类.为了提高算法在不平衡数据集下的分类性能,提出了首先利用K-means找出负类中心点,再根据SMOTE基本原理,得出新的数据集.通过对比新数据集和原不平衡数据集在不同算法中的分类应用,结果表明本文改进算法的分类效果得到明显提升,最后用两两配对T检验验证算法的有效性.     

无单调性集值变分不等式的一种投影算法

本文给出了求解无单调性集值变分不等式的一个新的投影算法,该算法所产生的迭代序列在Minty变分不等式解集非空且映射满足一定的连续性条件下收敛到解.对比文献[10]中的算法,本文中的算法使用了不同的线性搜索和半空间,在计算本文所引的两个数值例子时,该算法比文献[10]中的算法所需迭代步更少.     

Banach空间中均衡问题和弱相对非扩展映射的强收敛定理及其应用(英文)

本文在Banach空间中设计了一些新的杂交迭代算法用以逼近一类均衡问题解集和弱相对非扩展映射不动点集或极大单调算子零点集的公共元.得到了一些强收敛的结论,并将它们推广到逼近一类均衡问题解集和有限个弱相对非扩展映射公共不动点集或有限个极大单调算子公共零点集的公共元的情形.最后,展示了本文的迭代算法在最优化问题上的应用.     

基于遗传模拟退火算法的矢量量化码书设计

首先介绍了遗传算法和模拟退火算法等全局优化算法,并针对遗传算法的早熟现象和容易陷入局部最优的缺点,将模拟退火算法引入到遗传算法中,提出了遗传模拟退火矢量量化码书设计(GSAKVQ)算法.此外,针对基于划分的染色体编码方式的特点,算法提出了新的有效的交叉算子和变异算子.同时,将算法从输入空间映射到特征空间,提出了相应的遗传模拟退火核矢量量化算法,改善了算法在某些数据集上的不足.最后,通过实验表明,GSAKVQ算法,在大部分的数据集上都能取得较好的结果,从而验证了算法在数据聚类问题上的有效性.     

基于关系数据库的频繁项集挖掘算法研究

Apriori算法及其改进是目前应用最为广泛的频繁项集挖掘算法,但其在关系数据库中挖掘频繁项集时,产生大量候选项集,导致重复扫描数据库,从而导致其效率低下.本文在深入研究Apriori算法及其改进算法和关系数据库特征的基础上,提出了基于关系数据库的频繁项集挖掘算法,并详细描述了其实现和优化方法.本算法不产生候选项集,只需一次事务扫描,大幅提高算法执行效率,此外,本算法经过简单修改就能满足大部分的关联分析需求.在零售业中的应用实验证明:该算法在一定的条件下比经典的Apriori算法具有更高的效率.     

相对优集及其在不可约算法中的应用

从优集出发,提出了相对优集的定义及其计算算法.并将其应用到不可约零点分解中,提供了一种新的不可约零点分解算法.从实例计算结果可知,就某些多项式方程组而言,相对于原来已有的算法,使用相对优集修改后,能够很好地进行分解,减少了冗余分支的出现.     

基于直觉模糊软集的群决策方法研究

研究了专家权重未知情况下基于直觉模糊软集的群决策问题.首先利用距离提出了一种基于直觉模糊软集的决策算法.然后通过考虑专家个体提供信息本身的不确定性和专家之间提供的信息间的一致性,定义了直觉模糊软集的知识测度和基于α-相似关系的一致度,由此提出了一种确定专家权重的方法.进而给出了一种基于直觉模糊软集的群决策算法.最后通过实例说明所提出算法是有效的与合理的.     

半监督支持向量机及其在县域可持续发展综合实力评价中的应用

给出了基于全部风险(ORM)最小化基础上的半监督支持向量机分类算法,该算法通过加入工作集进行训练,提高了标准SVM对训练集提供信息不充分的数据集的分类泛化能力,而且能有效地处理大量的无标示数据.并将凹半监督支持向量机算法应用于县域可持续发展综合实力评价中.通过邯郸15个县作实证分析,论证了该算法的可行性和有效性.     

Vague集综合评价中单值指标规范化研究

不同指标值的规范化是使用Vague集综合评价的第一步.针对现有算法的不足,根据Vague集理论,提出了效益型、成本型、固定型、区间型、偏离型、偏离区间型等六种类型单值指标Vague集规范化新算法,通过实例验证了新规范化算法的有效性,合理性和高分辨性.     

最小权点覆盖问题的一个近似算法

在点、边赋权的简单图中,关于最小权点覆盖问题,以经典的最短路算法-Dijkstra算法为基础,提出了一个求解该问题的近似算法.首先,在给定的赋权图中任选一点作为初始点,并给出允许集及相关定义.然后,利用经典的最短路算法-Dijkstra算法,求出初始点到允许集中各顶点的最短路径,并按照一定的原则选择近似最小权点覆盖集.最后,通过算例阐释了算法的实现过程的合理性及有效性.     

非线性最优化的广义梯度投影法

梯度投影法已有许多有效算法,但这些算法还存在三个问题:1)为了保证算法的收敛性,在算法的每一迭代步,需要选取δ-主动约束集,计算量较大.2)在迭代过程中,需要跟踪主动约束集.3)只能处理非线性不等式约束问题.本文讨论非线性等式与不等式约束的优化问题,给出了一个广义梯度投影法,证明了算法的收敛性并且完满地解决了上述三个问题.本文算法结构简单且其处理技巧有普遍意义.     

偏微分方程(组)完全对称分类微分特征列集算法

给出了一个确定含参数偏微分方程(组)的完全对称分类微分特征列集算法,该算法能够直接、系统地确定偏微分方程(组)的完全对称分类.用给出的算法获得了含任意函数类参数的线性和非线性波动方程完全势对称分类.这也是微分形式特征列集算法(微分形式吴方法)在微分方程领域中的新应用.