偏序集上的弱Scott拓扑与弱测度拓扑

讨论偏序集的s_(2)连续性和弱Scott拓扑的一些性质:给出s_(2)连续偏序集上伴随的一些性质;定义弱测度拓扑,研究s_(2)连续偏序集上弱测度拓扑的性质;利用弱测度拓扑给出s_(2)交连续偏序集的等价刻画;研究弱Scott拓扑的连通性.

偏序集上非自映射的最佳逼近点定理

给出广义收缩非自映射的概念,证明了该非自映射在偏序集上的最佳逼近点定理,并举例支持本文的研究结果.所得结果推广了相关文献的结论,尤其无偏序关系的距离空间中非自映射的最佳逼近点定理是本文结论的一个特殊情况.

直觉模糊软集上的新型运算及其在决策问题中的应用

直觉模糊软集从参数化和程度化两个方面来表述对象,这种表述可以更全面地刻画对象的特征。直觉模糊软集的正规化运算是在保持直觉模糊软集的表达能力的同时,降低其计算复杂度的一种重要手段。本文通过引入犹豫度偏好参数,提出直觉模糊软集正规化运算的一种拓展模型。首先,利用犹豫度偏好参数将犹豫度按照偏好重新分配给隶属函数和非隶属函数,使二者之和为1,得到一种新的正规化运算。其次,讨论这种正规化运算的基本性质。最后,通过一个实际问题验证基于直觉模糊软集正规化运算的模糊决策方法具有合理性和有效性。Intuitionistic fuzzy soft sets characterize objects from the perspective of parameterization and degree, which can describe objects more comprehensively. The normalization operation of intuitionistic fuzzy soft sets is an important means to reduce the complexity of the computation in the process of application while maintaining the expression ability of intuitionistic fuzzy soft sets. In this paper, an improved model of normalization operation of intuitionistic fuzzy soft sets is proposed. Firstly, the hesitation degree is redistributed to membership function and non-membership function according to the preference of decision maker, making the sum of membership value and non-membership value is 1, and a new normalization operation is obtained. Secondly, some elemental properties of this new necessity operation are discussed. Finally, a practical example is used to verify the rationality and effectiveness of the fuzzy decision-making method based on the normalization operation of intuitionistic fuzzy soft sets.

区间集上非交换剩余格〈∈,∈■Q〉-fuzzy滤子的构造

以区间集和滤子理论作为研究区间集上非交换剩余格〈∈,∈■Q〉-fuzzy滤子的工具,通过引入区间集上非交换剩余格〈∈,∈■Q〉-fuzzy滤子的概念,讨论了生成〈∈,∈■Q〉-fuzzy滤子的几种方法,彰显模糊逻辑推演系统被视为代数滤子的镜像.

区间集上非交换剩余格〈∈,∈∪Q〉-Fuzzy滤子的特征刻画

基于区间集思想与滤子理论,讨论区间集上非交换剩余格与区间集上非交换剩余格Fuzzy滤子,给出了区间集上非交换剩余格〈∈,∈∪Q〉-Fuzzy滤子的代数结构及若干等价性特征刻画的表示定理.

区间集上非交换剩余格Fuzzy布尔滤子的特征性质

运用区间集思想方法、滤子理论和广义Boole格,引入了区间集上非交换剩余格Fuzzy布尔滤子的定义,给出了区间集上非交换剩余格Fuzzy布尔滤子的等价刻画表示定理和特征性质.

任意基数集上的拟阵的约束

根据Betten和Wenzel于2003年提出的任意基数集上的拟阵的定义,将有限拟阵的约束的概念推广到无限,并讨论此类无限拟阵的约束所具有的性质,最后利用图论知识,定义一个无限拟阵,验证该推广的正确性.

区间集上非交换剩余格广义fuzzy奇异滤子的特征刻画

在研究区间集思想、滤子理论和奇异概念的基础上,给出了区间集上非交换剩余格与区间集上非交换剩余格广义fuzzy奇异滤子的定义,得到了I(2U)的广义fuzzy奇异滤子的基本结构特征与基本性质表示定理,以凸显基于非交换逻辑的区间集上非交换剩余格的代数结构的多样性。

数据挖掘算法在大规模数据集上的高性能计算实现与效果评估

本文以“数据挖掘算法在大规模数据集上的高性能计算实现与效果评估”为主题,针对当今大规模数据集背景下,数据挖掘算法在计算性能方面面临的挑战,提出了一种高效的计算实现方法,并对其在实际应用中的效果进行了评估。文章从算法层面入手,通过优化算法结构和设计,提升了算法在大规模数据集上的计算效率,同时基于高性能计算平台,对优化后的算法进行了实际部署,确保了其在大规模数据集上能够快速、稳定地运行。通过对多个真实场景的数据集进行实验验证,充分评估了所提方法在不同应用场景下的性能表现,验证了其在大规模数据集上具有显著的计算效果。

区间集上非交换剩余格的〈∈,∈∪Q〉-fuzzy布尔滤子及其特征性质

基于区间集思想、滤子理论和广义Boole格概念,引入了区间集上非交换剩余格fuzzy布尔滤子及其相应的〈∈,∈∪Q〉-fuzzy布尔滤子的概念,给出构成区间集上非交换剩余格〈∈,∈∪Q〉-fuzzy布尔滤子的充要条件,以及I(2U)上的〈∈,∈∪Q〉-fuzzy布尔滤子的特征性质.

L-拟序集上的广义Alexandroff拓扑与广义超度量空间上的广义Alexandroff拓扑

证明 [1 0 ]中定义的 L -拟序集上的广义 Alexandroff拓扑是 [2 ]中定义的广义超度量空间上的广义 Alexandroff拓扑的推广 ,并且广义超度量空间中有关广义 Alexandroff拓扑的许多性质都可以推广到 L

任意基数集上的拟阵的圈及连通性

通过研究任意基数集上的拟阵圈的性质,继而得出当此拟阵连通时,它可由含任一给定元素的圈集唯一确定的结论.

四元素集上拓扑个数的计算

介绍了计算四元素集上拓扑个数的主要方法和用微型计算机计算的结果．运用四元素集的基本性质，分析了四元素集上拓扑的结构，给出了四元素集上拓扑个数的主要计算过程．

不均衡数据集上文本分类的特征选择研究

文本自动分类是信息检索与数据挖掘领域的研究热点与核心技术.文本分类中数据集的不均衡问题是一个在实际应用中普遍存在的问题.如何在不影响整体分类性能的基础上,提高稀有类别的分类效果是解决不均衡数据集问题的基本要求.从特征选择的角度出发,提出选择具有较强类别信息的词条是提高稀有类别分类性能的关键.一般而言,具有较强类别信息的词条不是高频词,甚至有倾向于稀有词的趋势.提出了解决不均衡数据集问题的一个途径--构造形如DFICF的特征选择方法.在Reuters语料上进行实验,实验结果表明该特征选择方法的效果比IG,DF都要好,特别是在微平均指标上.从而表明该方法对稀有类别的分类效果有明显的改进.

Vague集上基于蕴含算子I(,■)的三I算法

给出区间集上蕴含算子的定义和一个蕴含算子。利用三I思想,给出了Vague集上基于蕴含算子I(x,y)的三IVMP算法的计算公式,分析了三IVMP算法的还原性,并给出了基于区间集上蕴含算子I(x,y)的三IVMP算法具有还原性的本质条件.由于Vague集具有表达不确定性知识比Fuzzy集更为丰富的特点,三I思想更为可信,故在不确定性的推理中,三IVMP算法是较为令人满意的算法。

不平衡数据集上的Relief特征选择算法

Relief算法为系列特征选择方法,包括最早提出的Relief算法和后来拓展的ReliefF算法,核心思想是对分类贡献大的特征赋予较大的权值;特点是算法简单,运行效率高,因此有着广泛的应用。但直接将Relief算法应用于有干扰的数据集或不平衡数据集,效果并不理想。基于Relief算法,提出一种干扰数据特征选择算法,称为阈值-Relief算法,有效消除了干扰数据对分类结果的影响。结合K-means算法,提出两种不平衡数据集特征选择算法,分别称为K-means-ReliefF算法和K-means-Relief抽样算法,有效弥补了Relief算法在不平衡数据集上表现出的不足。实验证明了本文算法的有效性。

不平衡数据集上的文本分类特征选择新方法

针对不平衡数据集上进行文本分类,传统的特征选择方法容易导致分类器倾向于大类而忽视小类,提出一种新的特征选择方法 IPR(integrated probability ratio)。该方法综合考虑特征在正类和负类中的分布性质,结合四种衡量特征类别相关性的指标对特征词进行评分,能够更好地解决传统特征选择方法在不平衡数据集上的不适应性,在不降低大类分类性能的同时提高了小类的识别率。实验结果表明,该方法有效可行。

在大规模数据集上进行快速自适应同步聚类

现有的同步聚类方法Sync在同步过程中需要将样本中的每一个分量看作相位振子进行计算,具有较高的时间复杂度,因此在大规模数据集上聚类时具有相当大的局限性.为了解决这一问题,提出了快速自适应同步聚类方法(fast adaptive KDE-based clustering by synchronization,FAKCS).FAKCS首先引入基于压缩集密度估计和中心约束最小包含球技术的快速压缩方法对大规模数据集进行压缩,然后通过使用Davies-Bouldin指标,在压缩集上进行ε参数自适应的同步聚类,并采用新定义的序列参量来评价局部同步的程度.另外,研究了序列参量和核密度估计间的联系,从理论上揭示了样本点的局部同步在概率密度意义下的本质.FAKCS可以在大规模数据集上得到任意形状、个数、密度的聚类而无需预设聚类数目.在图像分割和大规模UCI数据集上的实验验证了FAKCS的有效性.

区间集上的格蕴涵代数、FI-代数、MV-代数的研究

区间集是一个新的重要的研究方向,在近似推理、模糊控制等领域中有着广泛的应用。在区间集上,重新定义了区间蕴涵,构造了格蕴涵代数,讨论了格蕴涵代数的一系列性质。同时在区间集上也重新定义了可换FI-代数和MV-代数,证明了格蕴涵代数、FI-代数和MV-代数3种不同的代数系统是等价的。

不均衡数据集上文本分类方法研究

文本分类中数据集的不均衡问题是一个在实际应用中普遍存在的问题。从特征选择优化和分类器性能提升两方面出发,提出了一种组合的不均衡数据集文本分类方法。在特征选择方面,综合考虑特征项与类别的正负相关特性及类别区分强度对传统CHI统计特征选择方法予以改进。在数据层上,采用数据重取样方法对不均衡训练语料的不平衡性过滤减少其对分类性能的影响。实验结果表明该方法对不均衡数据集上文本可达到较好分类效果。