基于扩张矩阵理论的汉语韵律短语分析

提出了一种新的、基于扩张矩阵理论的归纳学习算法 :分组覆盖算法 ,并将其应用于汉语文语转换系统中的韵律短语分析问题 .算法以扩张矩阵为基础 ,在反例样本集背景下 ,将正例样本集划分为若干个一致的组 ,每一组对应于一个一致的规则 ,它覆盖了这组正例而且不覆盖任何的反例 ;建造了一个用于韵律短语分析的语料库 ,并提出了一组与韵律有关的特征 ;将数据分为训练集和测试集对算法进行了验证 .实验结果表明 ,新算法在正确率、规则个数和可懂性等各方面均优于传统的决策树方法 ,并接近于手工制定的规则 .

结合粗糙集理论与扩张矩阵理论的数据挖掘方法

提出将粗糙集理论、扩张矩阵理论进行有机结合的新方法 ,该方法吸收了两者的优点同时消除了两者的缺点 .实践证明 ,该方法可以十分有效地从数据库中挖掘出准确而精悍的知识 .

基于扩张矩阵和GA的入侵检测新方法

提出了一种新的基于扩张矩阵和遗传算法理论产生最优检测规则的方法。该方法产生的规则简单、能够反映问题的本质。实验结果表明,它的检测效果优于同类的其它方法。

特征选择的优化算法研究

目标识别成为战争胜败的关键,而对目标识别的关键之一是对目标特征的提取与选择。因此,特征的选择尤为重要。为了提高效率,通过一种算法选择较少(优化)的特征是所希望的。鉴于此该文简单介绍基于扩张矩阵与粗集理论的算法、启发式搜索算法、自适应神经网络、混沌神经网络等几种典型特征选择的优化算法的原理,并比较它们的性能,在此基础上提出了一种结合混沌神经网络和自适应神经网络的特征选择的改进方法,并对其原理进行简单介绍。最后用MATLAB编程验证启发式搜索算法特征选择的有效性。

最优概念获取的模型研究

特征选择是示例学习的关键 ,直接关系到获取的概念的优劣。基于扩张矩阵理论和粗集理论 ,将特征子集的选择问题转化为数学优化问题 ,提出了相应的优化模型。这种优化模型易于理解 ,采用现有的软件即可求解 ,克服了以前许多特征选择算法的不足。