基于区分矩阵的多粒度属性约简

多粒度是粒计算领域的重要研究方向之一,它在两个或多个不同的粒度下进行问题求解,已经成为解决复杂问题的一种新的范式。属性约简作为粗糙集理论的核心内容之一,已被成功地应用于粒计算、数据挖掘等领域。将多粒度思想应用于属性约简将是一个有意义的研究方向。为此,本文运用粒计算理论中的粒化思想进行属性粒化,构造多个属性粒;然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度;最后利用这两种重要度设计了一种多粒度属性约简算法。通过在不同的粒中挑选属性,该算法得到的约简结果更具有代表性和差异性。本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试,实验结果表明了提出算法的有效性。     

多元受限的航班时刻优化模型与方法研究

针对我国空域的实际，结合航班时刻制定的特点，在多元受限地面等待策略的基础上，建立了一个多元受限航班时刻优化模型，提出了一套求解该优化模型的改进启发式算法。并在所提模型和算法的基础上，开发了航班时刻优化系统，对全国实际的航班时刻进行了优化，验证了理论模型和方法的可行性。     

基于LightGBM的航班延误多分类预测

航班延误是民航业的一大难题,提前对航班的延误情况进行预测,以采取合理的应对措施,对缓解航班延误产生的负面影响有着重要意义。为提升预测性能,提出一种基于轻量级梯度提升机（Light gradient boosting machine,LightGBM）的航班延误多分类预测模型。该模型结合航班信息与天气信息,运用方差过滤与递归特征消除进行特征筛选,并采用合成少数过采样技术（Synthetic minority oversampling technique,SMOTE）与Tomek Link对数据进行不平衡处理,最后使用LightGBM进行建模,实现对航班延误时长的多分类预测。为验证模型的合理性,将所提模型与其他先进算法构建的模型进行对比。实验结果表明,所提模型在各种预测性能指标上结果更优,将预测精度提升至90%以上,同时大幅度降低了训练时间成本。     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。     

模糊聚类在特征选取中的应用

提出了一种基于模糊聚类算法的高维特征选取方法。首先,利用Bhattacharyya距离过滤样本类别无关的特征;然后,基于递归特征剔除过程,提出了基于模糊迭代自组织数据分析技术(Interactive self-organizing dataanalysis technique,ISODATA)聚类方法,以样本与聚类中心的加权距离作为可分性指标,产生候选特征子集;最后,以候选特征子集分类和聚类的接受者操作特征曲线下面积(Area under the receiver operating characteristiccurve,AUC)值和正确率作为目标函数,确定最佳特征子集。将该方法用于选取5个基因表达谱数据集的特征基因,结果显示该方法所选特征具有较好的分类和聚类能力,说明了提出的特征选取方法的有效性。     

面向复杂场景的鲁棒KCF行人跟踪方法

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。     

基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成， 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection，MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection， KMCCS）。在所提出的算法中，如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示，在此基础上给出了学习器之间距离的计算方式。此外， 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析，实验结果表明了所提算法的有效性。     

基于多观测器的一类过驱动系统主动容错控制设计

以四旋翼直升机姿态控制系统为对象,针对一类过驱动系统,由控制分布阵列不满秩而引起的执行器故障诊断难的问题,本文采用了一种新颖的多观测器故障诊断方法对执行器故障进行检测和估计,进而设计一种具有故障补偿并且满足H∞性能的动态输出反馈跟踪控制器。该方法不仅能够快速的检测和估计出单通道执行器故障,而且能够有效的补偿故障对系统稳定性的不利影响,保证系统在单通道执行器故障下具有一定的姿态跟踪能力。相对于状态反馈控制器,所提算法有效的避免了模拟状态量而带来的误差,一定程度上提高了系统的控制精度和可实现性。最后通过Quanser3-DOF Hover半物理仿真平台验证所提算法的可行性和有效性。     

基于动态评价方法的多态电路进化设计

针对传统多态电路进化设计算法有效性问题,提出了基于动态评价方法的多态进化设计算法。在进化算法适应度评价阶段,利用适应度评价扩展对于不同模式下的电路分别进行评价,采用比较选择进行电路最优结构配置,防止了潜在解的丢失。将多态门与普通门混合使用,进行了Multiplier/Sorter及Majority/Parity两种多态电路的进化设计实验。实验结果表明,与传统多态电路进化算法相比所提算法进化代数减少了31.2%~77.7%,成功概率提高了11%~52%,具有进化迭代次数少、成功概率高的优势,提高了算法有效性。     

航空器着陆调度问题的一种新型元启发式方法（英文）

基于一种新型复合分派规则,提出了一种新型元启发式算法以期求解进场航班排序与调度问题(Aircraft landing problem,ALP)。首先,将ALP等价为最小化加权总延误(加权总提前和加权总滞后)的机器调度问题。其次,提出了一种复合分派规则,即含截止时间约束和顺序决定准备时间约束的最小成本规则(Minimized penalty with due dates and set-ups,MPDS),以此确定航班的着陆次序。然后,提出一种结合MPDS复合分派规则和CPLEX求解器的高效启发式算法:在第一阶段,由复合分派规则确定航班的次序;在第二阶段,使用CPLEX求解器优化着陆时间。接着,对由复合分派规则生成的潜在可行解进行本地搜索,将新型元启发式策略引入启发式算法得到优化序列。最后,使用从OR Library数据库中获取的多组通用数据来评估所提出方法的性能。结果证明了所提出方法的有效性和高效性。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

基于多特征综合的角点检测算法

角点检测是计算机视觉处理的首要步骤，本提出一种平面曲线角点检测的方法。首先，从人类视觉感知出发．给出角点两个重要性质作为对传统角点性质的补充，基于上述两个性质，模糊集合的概念被引入到检测问题。然后，给出三组包含角点隶属度的特征提取公式，综合三组特征，给出角点检测、定位、优选的判据。中最后给出算例检测结果和感兴趣部分的特征曲线，以及对历史献测试图像的检测结果。结果表明，本算法使用模糊集合理论，在实现上非常简单，检测效果也很理想。     

不完备系统中的变精度多粒度粗糙集

以不完备信息系统为研究对象,将变精度粗糙集方法与多粒度粗糙集方法进行融合,构建了基于容差关系的可变精度乐观和悲观多粒度粗糙集模型.这两种可变精度多粒度粗糙集模型都是基于容差关系的可变精度粗糙集与多粒度粗糙集的拓展形式.对可变精度多粒度粗糙集的基本性质进行了讨论,为采用粗糙集方法处理不完备信息系统提供了新的技术手段.     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

应用于传感器网络覆盖问题的能量有效性启发式机制

提出了一种解决无线传感器网络覆盖问题的分布式启发式机制。该机制在节能前提下,得到优化的目标覆盖集合,以实现对目标监控区域的完全覆盖,并通过对其中重点目标集合的冗余覆盖来满足对重点目标集的可靠监控。同时,该目标覆盖集合与数据汇集点在通信结构上保持连通性。本文采用了改进的蚁群优化算法（最大最小蚁群混合算法）来实现上述启发式机制。通过构造新颖的启发式因子,人工蚂蚁能够由局域信息感知传感器网络的能量状况和覆盖能力,从而自适应地建立具备通信连通性的数据汇集路径。此外,将信息素浓度调节因子和评价函数引入了信息素更新规则的设计,使得蚁群在扩大搜索范围的基础上,提高了解的质量,且避免了求解过程陷入局部最优。算法的输出为能量有效的优化解集,具备较长生命周期,能够在保证与数据汇集点可靠连通的同时实现对目标区域的有效覆盖。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。