WILD:基于加权信息损耗的离散化算法

现实应用中常常涉及许多连续的数值属性 ,而目前许多机器学习算法则要求所处理的属性具有离散值 .基于信息论的基本原理 ,提出一种新的有监督离散化算法WILD ,该算它可以看成是决策树离散化算法的一种扩充 ,其主要改进在于考虑区间内观测值出现的频度 ,采用加权信息损耗作为区间离散化的测度 ,以克服决策树算法离散不均衡的问题 .该算法非常自然地采用了自底向上的区间归并方案 ,可以同时归并多个相邻区间 ,有利于提高离散化算法的速度 .实验结果表明该算法能够提高机器学习算法的精度 .

发现金融市场预测模型的计算智能方法

文章首先扼要论述了金融市场数据以及计算智能方法学的基本性质及其在数据发掘中的应用前景，提出了一个用遗传算法配合神经网络进行优化训练后，用于发现股票市场价格变化趋势和预测模型的实验系统．文章着重论述了这一系统的设计思想和实现技术．最后，随意选择上海中百一店股票行情为实验研究对象。

论计算智能及其应用

文中论述了计算智能（ｃｏｍｐｕｔａｔｉｏｎａｌｉｎｔｅｌｉｇｅｎｃｅ，ＣＩ）这一新兴研究开发领域的形成背景、内容、方法特征及其与人工智能（ＡＩ）的区别与联系．指出主要的ＣＩ算法，如神经网络的训练算法、遗传算法、演化算法等，实质上是一类准元算法，适合于解决那些难以建立确定性数学／逻辑模型，或不存在可形式化模型的问题．文中还提出并讨论了演化计算的生态学模型及一般算法．进一步论述了ＣＩ＋ＡＩ多元复合协同计算系统结构及其在非线性随机动态或混沌系统分析，例如市场价格变化趋势分析，或ＮＰ难问题求解等方面的应用前景．

智能超媒体编辑工具的设计与实现

本文提出了一个内含专家系统构架的智能超媒体编辑工具（ＩＨＭＴ）。