属性名词研究综述

属性名词是名词中的非典型成员。目前学界主要从组合结构得以成立的原因、词语的配价能力和缺省的内在机制三个方面对属性名词进行考察,取得了丰富的研究成果。但从总体上看,这些研究还存在着缺乏针对性、平衡性、系统性以及分析不够深入等问题,尤其是语义特征分析,应作为属性名词研究努力的方向。     

基于属性权重的区分矩阵启发式约简算法

介绍了基于区分矩阵的属性约简算法,通过分析,说明了算法的不足,提出相应的改进策略。将启发性知识结合区分矩阵,提出基于属性特征权重的区分矩阵的启发式约简算法,较以往的算法意义更加直观,计算也更加简单,提高了约简算法的速度。     

基于组合权重的交通网络路径选择方法

针对城市交通网络路径选择过程中路径属性权重确定方法不合理的问题,考虑属性的主观权重不能更好地反映路径的客观信息并承载了较多的主观随意性、客观权重则对驾驶员的主观偏好兼顾不够等因素,提出了一种基于组合权重决策的最优路径选择算法。基于信息熵理论、路径的旅行时间和费用等属性对路径进行评价,属性的权重用主观权重和客观权重相结合的方法确定,根据计算得到的各路径的综合属性值,对可能的路径方案进行排序,从而得到最优路径。利用算例说明了本文最优路径选择算法的正确性和合理性。算法兼顾了专家的知识和出行者的主观偏好,同时有效地利用了路径的客观信息,得到的最优路径更合理。     

一种基于粗糙集的属性权重新算法

给出了属性重要度新定义,提出了一种新的基于粗集理论的属性权重的计算方法,并通过实例进行了验证。结果表明,这种权重计算方法更符合实际,可以解决原有粗糙集计算方法存在的问题。     

一种基于遗传算法的特征选择和权重确定方法

在模式识别中,特征选择是其中非常重要的步骤,特征集的选择直接影响分类器的精度.该文提出了一种基于遗传算法的特征权重确定方法,首先使用传统遗传算法进行特征的初步选择,得到一个粗选的特征集;然后使用实数编码的遗传算法在第一步的基础上进一步精选特征,并确定每个入选特征的权重.通过实验和一些传统特征选择方法进行对比,结果显示,该文提出的算法取得了较好的效果.     

名词的选择方法

一、细看上下文,在语境理解中确定选项完形填空题中,几乎所有选项的设置都建立在篇章理解的基础之上。名词的选择也一样,几乎90%与名词有关的题都要分析语境,结合上下文,理解其蕴含的逻辑意义才能判定。如果不看上下文,解     

名词的属性与“程度副词+名词”的凸显作用

从名词范畴的属性角度,重新解读了"程度副词+名词"结构的语义特征,认为:1.名词有典型属性和非典型属性,"程度副词+名词"结构对名词进行标记并说明非典型属性的凸显程度,但其凸显选择必须依赖于语境;2.不同类的名词进入"程度副词+名词"结构的难易程度由典型属性和非典型属性间关系的紧密程度决定     

基于方案模糊偏好信息的一种多属性决策方法

针对决策者对方案有模糊偏好信息的多属性决策问题,提出一种新的方法.通过构造优化模型,反映决策者对方案的主观偏好信息,求出属性权重向量,从而对方案进行排序.最后利用实例说明该方法的可行性.     

初选供应商的一种多属性决策方法

目前供应商选择方法多数是解决如何从少中选优的问题,而现实中企业面对的问题往往是如何从众多的供应商中首先选择出少数几个需要进一步考虑的供应商。针对这一问题。本文将ELECTRE Ⅰ（Elimination et Choice Translating Reality Ⅰ）方法引入到供应商选择中来,用以分析供应商初选问题,并结合算例加以说明,结果表明该方法具有可操作性和实用性。最后,在此研究的基础上提出未来的研究方向。     

基于综合期望值最大化的模糊多属性决策方法

针对只有部分属性权重信息,而属性指标表示形式多样的多属性决策问题,给出了把属性指标表示为梯形模糊数的方法；并提出了通过一个线性规划模型求解最优权重向量,把方案的综合模糊期望值,用以确定方案的优劣次序的决策方法最后,通过实例表明了该方法的实用性和有效性。     

基于粗糙集核计算的遥感图像波段优选算法

针对遥感图像波段选择传统手工方法的不足，应用粗糙集理论，从纹理分析的多个角度选择特征，多方面挖掘数据的关键属性；通过核属性时方法计算达到简化决策表中的条件属性的目的，得到图像分类的关键波段和一些次关键波段；实现了波段的自动选择．该算法比传统方法更客观更简便，为遥感图像波段选择提供了崭新的方法．     

基于优化的有理Bezier曲线权因子的估计方法

本文研究了有理Beizier曲线的逼近问题.用有理Bezier曲线来逼近控制多边形,其中权因子是可以调节的.通过调节权因子的大小使得得到的有理Bezier曲线一致逼近控制多边形.得到了一个关于权因子的最优化问题.通过该问题的求解,得到了权因子的计算公式.     

基于量子混合协同进化的自适应多级联属性约简(英文)

针对传统生物启发式方法在决策表中属性约简求解效率不高和难以协同约简等问题,提出一种基于量子混合协同进化的自适应多级联属性约简算法. 首先设计了一种新型高效的自适应量子角旋转策略,指导参与属性约简的进化种群自适应相互演进,加速算法收敛. 然后构建了合作和竞争混合的协同进化级联模型,根据执行经验记录分割属性种群集,提高约简子种群的多样性,并产生种群精英以增强其寻优经验共享,快速找到全局最小属性约简集. 实验结果表明,与同类典型算法相比,该算法在最小属性约简效率和精度方面具有明显优势.     

基于属性分析的断层检测实验教学设计

断层检测是油气勘探的一个重要环节。文章设计了基于属性分析的断层检测实验,介绍了实验的基本原理和实验环节,分析并处理了地震数据体。通过该实验,学生深化了对理论知识的理解,锻炼了处理实际问题的能力,激发了进行理论学习的兴趣,教学质量得到显著提高。     

不同类型语言信息下的多属性决策

介绍了精确语言变量和不确定语言变量的距离测度,并且基于精确语言变量和不确定语言变量,给出了属性值的正语言理想解和负语言理想解的概念.为了对决策方案进行排序和择优,基于2种语言变量的距离测度和语言理想解,提出了一种不同类型语言信息下的多属性决策方法.该方法不仅易于对语言变量进行计算,而且在求解过程中不会丢失任何语言决策信息,从而保证了决策结果的合理性和有效性.最后,利用算例对方法的运算过程进行了具体分析和说明.     

基于梯形模糊语言变量的多属性决策方法

研究了决策者的偏好信息（属性值）为梯形模糊语言变量（TFLV）的模糊语言多属性决策问题．定义了2个梯形模糊语言变量比较的可能度公式并研究了它的一些基本性质,给出了基于可能度公式的梯形模糊语言变量多属性决策的方案排序方法．这种方法通过对决策信息进行TFLWA算子加权集结,并通过比较梯形模糊语言变量的可能度得到所有方案的排序结果．在不损失模糊语言信息的条件下,该方法计算过程简单,决策结果合理且有效．最后,通过一个实例说明了该方法的操作过程．     

基于语义相似性的web服务选择

基于语法匹配的服务发现无法适应web的开放性和动态性环境.为了对语法匹配产生的web服务候选集进行二次选择,提出一种基于语义相似性的web服务选择方法.该方法首先定义了包含QoS和上下文的web服务本体.服务本体提供了一个接口描述的通用术语集合,以此作为服务描述的语义支撑.然后,通过相似理论和web服务本体计算web服务接口之间的语义距离.与已有的方法相比,由于提供了概念化的形式语义说明,web服务的接口能在本体下得到准确的解释,同时服务选择的效率和准确性得到了改进.     

基于DOM和显示属性的网页信息除噪技术研究

提出了一种基于文档对象模型(DOM)和网页显示属性的信息除噪方法.通过对网页内容进行结构和特点分析,把一个网页信息内容划分为信息块和噪声块两个部分,利用解析器把网页转化成DOM模型并对网页信息噪声进行判断,根据网页的显示属性对DOM模型进行简化,最终实现对DOM模型噪声信息的有效去除.     

基于熵的特征选择的AdaBoost改进算法

在模式分类领域,分类器特征输入的选择对分类效果是至关重要的.我们提出了一种新的基于相对熵的特征选择AdaBoost方法.在该算法中,引入相对熵度量两类间的距离.在每一轮中,选择最优特征作为二维分量分类器的输入.随着权值的改变,在每一轮中特征的选择也不同.最后,由一组弱分类器结合而成的强分类器.实验表明,与遍历搜索的AdaBoost算法相比,该算法的检测正确率提高了5%,而时间缩短了20%以上.