基于属性值变化的动态三支冲突分析

冲突分析有利于信息系统的问题处理。为了促进相关动态学习,将冲突分析模型推广到动态形式信息系统中,并结合三支决策思想研究基于属性值变化的动态三支冲突分析。首先,考虑单行属性值变化,研究距离矩阵的变化,得到关于冲突集、中立集、联合集的三支分析模型的变化结果。其次,类似考虑多行属性值变化,得到对应的三支分析模型的变化规律,并由此设计相关的动态更新算法。进而,针对列属性值变化,基于形式信息系统来转换成行属性值变化,从而调用行值动态更新方法。最后,实例分析说明了所得动态三支冲突分析的性质与算法的有效性。

基于改进蚁群算法的越野路径规划

针对车辆的越野路径规划问题,研究并分析了地形坡度和地表属性对于车辆路径规划的综合影响。引入了"窗口移动法"对地形进行先期的坡度计算和通行性分析,就轮式车辆和履带式车辆分别建立了地表属性的粗糙度评价指标,并采用"面积占优法"将地表属性栅格化。通过建立禁忌表,叠加了坡度与粗糙度的约束影响以减少搜索范围,提高搜索效率。构造了改进蚁群算法的估价函数,并结合路径表设计了考虑坡度和粗糙度约束的路径优化算法。仿真结果表明,该算法能够快速有效地实现符合真实地形环境的越野路径规划。

基于自适应蚁群算法的粗糙集属性约简

定义粗糙集理论的近似精度,引入信息素交流机制和交流概率,通过自适应调节每组蚂蚁间的信息素浓度改进传统蚁群算法,并将其应用于粗糙集属性约简算法中。实验结果表明,相比其他属性约简算法,该算法提高了获得最小属性约简的可能性,具有较好的收敛速度且不易陷入局部最优解。

改进的遗传混合蚁群算法在TSP问题中的应用

为了提高基本蚁群算法的收敛性能和全局求解能力,对基本蚁群算法进行了改进,提出了一种改进的遗传混合蚁群算法。在每代进化中保留最优解和次优解的公共解集后引入遗传操作中的交叉算子进行运算,并采用自适应改变信息素挥发系数的方法,加快了算法收敛速度,提高了解的全局性。通过对TSP问题的仿真运算表明,改进的遗传混合蚁群算法在收敛速度和解的全局性上都有较大的改善。

基于属性变化的增量关联规则挖掘

关联规则的挖掘是数据挖掘研究中的一个重要课题,目前已经提出了许多用于发现海量事务库中关联规则的算法以及更新已经发现的关联规则的算法。但是在关联规则的更新算法中,都是基于支持度变化和事务库变化的研究,目前没有人研究当事务库中的属性发生变化时,如何高效地更新关联规则的问题。针对这种情况,提出了三种基于属性变化的增量关联规则挖掘算法ACA+(Attribute Change Algorithm)和ACA-(ACA1-),从而解决了该问题。