基于变精度粗集和搜索树的增量规则获取算法

基于可变精度粗糙集模型和搜索树提出了一种新的增量式规则获取算法。该算法引入可变精度粗糙集模型以已获取规则集为启发信息,通过对解空间进行深度优先启发式搜索产生新的不确定性规则;并通过对原有规则置信度的更新,给出了原有规则集的更新算法;最后给出了实例分析。

粗糙集理论及进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点,主要阐述了几种粗糙集理论的扩展模型,然后讨论了近来粗糙集理论与其他方法的结合,并进一步讨论了粗糙集理论研究的前景。

协同进化多代理系统

协同进化与进化稳定遗传算法相结合,并应用于多代理系统形成协同进化多代理系统。协同进化多代理系统将每个代理看作一个群体,所有代理按顺序进化,以达到最高适应度。本文采用进化稳定遗传策略,采用稳定参数控制下的突变因子,使算法具有较高的全局寻优能力和较快的收敛速度。同时采用基于适应度大小顺序的选择算子代替常用的轮盘赌选择法,避免了群体中各个染色体适应值相差不大而导致优秀个体得不到足够的后代。

基于MRU列表的计算机使用痕迹提取

人们的日常工作生活越来越离不开计算机及各类应用程序的使用。Windows注册表中的MRU(MostRecently?Used)列表记录了用户对计算机的各类操作,这些记录对事后调查用户对计算机的操作具有重要现实意义。基于此,介绍了一种基于MRU列表的计算机使用痕迹提取方法。通过该方法,可以直观方便获取用户对Windows系统下各类文件的访问信息、执行命令信息和程序运行信息。