基于关联规则和拓扑序列的分类器链方法

在分类器链方法中,如何确定标签学习次序至关重要,为此,提出一种基于关联规则和拓扑序列的分类器链方法 (TSECC).首先结合频繁模式设计了一种基于强关联规则的标签依赖度量策略;接下来通过标签间依赖关系构建有向无环图,对图中所有顶点进行拓扑排序;最后将得到的拓扑序列作为分类器链方法中标签的学习次序,对每个标签的分类器依次迭代更新.特别地,为减少无标签依赖或标签依赖度较低的“孤独”标签对其余标签预测性能的影响,将“孤独”标签排在拓扑序列之外,利用二元关联模型训练.在多种公共多标签数据集上的实验结果表明, TSECC能够有效提升分类性能.

基于拓扑序列更新的值迭代算法

提出一种基于拓扑序列更新的值迭代算法,利用状态之间的迁移关联信息,将任务模型的有向图分解为一系列规模较小的强连通分量,并依据拓扑序列对强连通分量进行更新。在经典规划问题Mountain Car和迷宫实验中的结果表明,算法的收敛速度更快,精度更高,且对状态空间的增长有较强的顽健性。

关于拓扑序列熵的一点注记

当(X,f)是紧系统时,拓扑熵满足性质:en t(fm)=m.ent(f),对于由递增的正整数序列A={ai}i∞=1所确定的en tA(f)的拓扑序列熵不完全具有此类性质。它的性质和A的结构有着直接的关系。

基于拓扑序列和量子遗传算法的贝叶斯网结构学习

贝叶斯网是处理不确定性问题知识表示和推理的最重要的理论模型之一,其结构学习是目前研究的一个热点。提出了一种基于拓扑序列和量子遗传算法的贝叶斯网结构学习算法,新算法首先利用量子信息的丰富性和量子计算的并行性,设计出基于量子染色体的拓扑序列生成策略提高了搜索效率,并为K2算法学得高质量的贝叶斯网结构提供了保障;然后采用带上下界的自适应量子变异策略,增强了种群的多样性,提高了算法的搜索能力。实验结果表明,与已有的一些算法相比,新算法不仅能获得较高质量的解,而且还有着较快的收敛速度。

航迹拓扑序列的SVD相关匹配算法

基本拓扑序列法为适应雷达系统误差需要步进旋转拓扑序列,造成过大的计算量。通过推导系统误差与拓扑序列的近似线性关系,得到了一种基于奇异值分解(singularity value decomposition,SVD)的修正匹配算法,可以一次性地计算出匹配情况下的序列旋转角度,不但极大地提高了计算效率,而且避免了基本拓扑法中选择角度旋转步长的难题。通过仿真测试,SVD算法能减少计算时间90%以上,而且在相同系统误差情况下的正确相关概率和误相关概率性能指标都有较大的提高。

拓扑序列复杂性和混合

本文给出动力系统的拓扑序列复杂函数和族F-扩散的概念,利用序列复杂函数给出一致刚性、等度连续性和F-混合的特征,并讨论了族F-混合与一致刚性、相关族扩散、混沌及序列等度连续点存在性的关系.

基于拓扑序列归约的Web服务组合QoS度量算法

考虑有向无环图(DAG)描述的组合服务模型,提出了一种新的组合服务QoS度量方法———基于拓扑序列归约的Web服务QoS度量方法(QCMTSR)。其借鉴迭代归约度量方法中的基本结构及QoS计算公式,定义了DAG图中的两类基本结构,串归约结构和并归约结构,并给出了两种基本结构的QoS属性计算公式;通过逐步归约DAG图拓扑序列中的每个节点,直至最后一个节点的QoS属性值就是组合服务的各QoS属性的度量结果。从理论上证明了QCMTSR算法适用于所有DAG描述的组合服务,并实验证明QCMTSR算法对可靠性和可用性能够更准确的度量。

一些紧致系统的拓扑序列熵和广义specification性质

研究了紧致度量空间上的连续满射f:X→X和逆极限空间上移位映射σf:Xf→Xf的拓扑序列熵的性质和逆极限空间上移位映射的广义spec ification性质.

测度空间的拓扑序列熵(英文)

给定一个拓扑动力系统(X,T),记M(X)为X上Borel概率测度的全体,其上的拓扑由弱拓扑所诱导.如果系统(X,T)具有零拓扑序列熵,则它称为拓扑-null的.对于给定的一个伪度量空间以及其上的一个自映射(不必连续) ,引入并研究沿着给定序列的拓扑熵,包括由空间上连续实值函数所诱导的伪度量.作为应用可以证明,给定一个序列A Z+,如果X为零维的,那么,系统(X,T)沿着A具有零拓扑熵当且仅当(M(X) ,T)沿着A具有零拓扑熵.特别的,当X为一个零维空间时,系统(X,T)为拓扑-null的当且仅当(M(X) ,T)为拓扑-null的.

基于拓扑序列的DAG子图包含查询算法研究

图模型具有强大的表达能力,被广泛用于各种应用领域的数据建模.如何在大规模图数据库中进行高效子图包含查询是当前的研究难点之一.由于子图同构是一个NP完全问题,在现有的子图包含查询算法中,基于图特征的索引技术被广泛用来提高查询处理性能,但是这些索引结构的维护代价较高.针对有向无环图提出了一种基于拓扑序列的子图包含查询算法,首先根据图中节点的偏序关系将有向图分层拓扑为一个序列,然后利用序列间的匹配关系过滤出候选结果集,最后通过子图同构检测验证得到最终结果集.相关性能测试表明,该算法无需构造复杂的索引结构,便于图数据库的动态维护,在有向无环图在线查询性能上表现出色.

图映射拓扑序列熵的可交换性

主要研究图上连续自映射拓扑序列熵的可交换性，证明了对任意无界的正整数递增序列A=（ai）i^∞=1和任意的连续图映射f，g都有hA（fog）=hA（gof）．解决了Balibrea F等人在相关文献中提出的一个猜想。

关于代换系统拓扑序列熵的注记

Goodman证明了对两符号等长代换系统,如果代换规则中0和1对应的词只有一个位置不同,那么对应的代换系统为null的,即此系统沿着任意正整数序列的序列熵均为0.在本文中,我们针对系统的结构特征,通过考察因子系统,给出了此经典结果的另外一种证明.同时,对此类代换系统沿着给定序列的复杂性,我们得到了比Goodman更为精确的估计.

用序列刻画L-余拓扑

定义了L^X上的极限算子、L~*-空间以及(?)~*-空间.由(?)~*-空间中的极限算子可以导出L^X上的一个闭包算子,从而得到了L^X上的一个Frechét L-余拓扑.随后定义了L^X上的序列式L-余拓扑.讨论了Frechét L-余拓扑与序列式L-余拓扑的关系,给出了序列式L-余拓扑成为Frechét L-余拓扑的一个充要条件.

相容拓扑概念的推广与序列相容拓扑

对拓扑向量空间理论中的相容拓扑概念作了推广 ,引入了更为抽象的 P( T) -相容拓扑的定义 ,它包容原有的相容拓扑概念 ,对 P( T) -相容拓扑的一种特别情形—序列相容拓扑进行了深入的讨论 。

并行拓扑排序算法PTSA的设计与实现

文章对AOV网首次提出了一种基于层次的混合数据结构,按分层处理的方法实现并行拓扑排序算法PTSA,求得了AOV网中顶点的所有拓扑序列,克服了以往基于栈结构只能求得一种拓扑序列的缺陷。PTSA算法为工程中各子工程的串行或并行安排提供了确定的选择,提升了拓扑排序算法的实用价值。

AOV网中全拓扑排序算法的设计及应用

以顶点表示活动的网络(AOV网)可用来表示整个工程中各个子工程的先后次序制约关系,利用拓扑排序算法能求得子工程的线性序列———拓扑序列。按此序列安排各子工程,能保证整个工程的顺利完成。传统的拓扑排序算法基于栈结构实现,只能求得实际存在的多个拓扑序列中的一种,削弱了算法的实用价值。文中为了弥补这一缺陷,设计全拓扑排序算法求出了AOV网中实际存在的全部拓扑序列。给出了AOV网的定义及拓扑排序算法思想,分析了传统拓扑算法的不足,提出了一个全拓扑排序求解算法。并讨论了算法中用到的数据结构,以及算法的伪代码实现,通过一个应用实例验证了全拓扑排序算法的实用性和正确性。

关于《偏序集上的一种拓扑排序》一文的几点意见

就文献《偏序集上的一种拓扑排序》一文提出了几点看法,探讨了文献中给岀的祖先数算法、支配排序算法中的问题.并就其中的dominate函数、函数的时间复杂度的计算以及文献中给岀的定理2的正确性进行了分析和论证,并指岀了文献中所举例子中存在的差错.最后,对拓扑序列的合理性做了简单的讨论.

偏序集上的一种拓扑排序

拓扑排序是有向图的一种重要运算.用一种线性的算法得到有向无圈图的一个更趋于合理的拓扑序列.

一种新的AOV网络拓扑排序算法

通过表达每个顶点在图中相对其他顶点的位置,提出的后序集的概念。基于此将图用二维数组存储,构造出一种新的基于后序集的AOV网拓扑排序算法,给出了算法的思路和实现步骤,采用一个装配生产线作业顺序规划问题为实例,验证了算法的正确性和可行性。

层次序列索引的大规模动态标签图子图查询

标签图常用于智能交通网、生物信息网等新兴领域的建模。子图查询作为图数据分析的关键问题,引起了研究者的广泛关注。对现有子图查询算法的研究发现,随着图数据规模增大且频繁更新,传统子图查询算法普遍存在查询效率低,存储开销大,忽略顶点标签信息等问题。为此,提出了一种支持大规模动态标签图子图查询的层次序列索引(Dynamic Hierarchical Sequence,DHS),该索引提取数据图中带有顶点编号的层次拓扑序列关系以实现子图查询;针对图的动态变化,提出了更新点拓扑扩展式索引维护策略,仅从局部变化顶点及边开始进行增量式更新,大大降低了重建索引造成的巨大开销;提出了基于DHS索引的子图查询方法,仅需将查询图与数据图的层次序列进行匹配即可获得候选集,并在其上利用关系匹配策略获得最终查询结果。实验证明提出的方法在保证高效查询的同时降低了索引的创建及维护时间,提高了子图查询效率。