关键词： 机器学习   人工智能   非精确环境   抗噪声   不完整数据  

摘要： 机器学习是当前人工智能和计算机领域研究的一个重要分支，并且得到了广泛的应用。但传统的学习方法研究的前提侧重于理想环境，即：在学习过程前，环境是精确的，易于描述的；在学习过程中，训练数据是完整的，所含噪声极少、甚至没有。但现实世界并非如此，往往专家知识是模糊的，难以描述的：训练数据受噪声干扰，出现畸变；训练数据缺少某些属性。即机器学习是往非确定性的环境下进行的。\n 本文主要研究此种情况下Agent的学习机制，力图使Agent的学习能力更强，适应性更好。本文提出了一系列解决方法，主要研究非精确的、动态的、含噪声的、数据不完整的环境下的机器学习问题。\n 本文主要研究工作和取得的成果包括：\n (1)分析非精确环境的建模，以模糊极小极大神经网络为核心构造一个模糊神经网络系统。对于大多数工程应用来说，有两种重要的信息来源：提供系统性能描述的专家及提供测量数据的传感器。其中，来自专家的信息通常为语言信息，常用文字表示，这类信息一般不太精确。本文利用模糊逻辑结合神经网络解决这一问题，并把有关技术应用于机器人仿真足球队NDSocTeam的射门和体力控制设计。\n (2)分析噪声对训练数据的影响，研究抗噪声的学习方法。噪声对PAC学习的影响，分为两种情况：各个属性受干扰的概率一样或不一样。本文研究了PAC学习对噪声承受能力的上限，试验分析不同噪声模型对BP神经网络的影响，设计实现了仿真足球队NDSocTeam的截球动作。\n (3)分析数据不完整对学习能力的影响，分析了使用C4.5、贝叶斯网络处理不完整数据的方法，提出一种改进的C4.5算法；该算法能较好的处理特定环境下的不完整数据，速度快、准确率高。本文用改进的C4.

关键词： 模糊综合评判系统   机器学习   模糊集   模糊权重   反馈示教学习法  

摘要： 在分析模糊综合评判的实际意义及其具体算法的基础上,指出了模糊综合评判系统在获取相关专家知识方面所存在的困难,进而提出了一种适合于模糊综合评判的新的机器学习方法———反馈示教学习法,并且对于在模糊综合评判中使用这种学习方法的具体思路进行了论述,并在模糊综合评判系统中得以实现。

关键词： GENE-EXPRESSION   MICROARRAY DATA   MOLECULAR CLASSIFICATION   DNA MICROARRAY   LEUKEMIA   APOPTOSIS   CANCER   CELLS   PROTEIN   HOXA9  

摘要： Three important areas of data analysis for global gene expression analysis are class discovery, class prediction, and finding clysregulated genes (biomarkers). The clinical application of microarray data will require marker genes whose expression patterns are sufficiently well understood to allow accurate predictions on disease subclass membership. Commonly used methods of analysis include hierarchical clusterin g algorithms, t-, F-, and Z-tests, and machine learning approaches. We describe an approach called the maximum difference subset (MDSS) algorithm that combines classification algorithms, classical statistics, and elements of machine learning and provides a coherent framework. By integrating prediction accuracy, the MDSS algorithm learns the critical threshold of statistical significance (the a or P-value), eliminating the arbitrariness of setting a threshold of statistical significance and minimizing the effect of the normality assumptions. To reduce the false positive rate and to increase external validity of the predictive gene set, a jackknife step is used. This step identifies and removes genes in the initial MDSS with low combined predictive utility. The overall MDSS provides a prediction that is less dependent on an arbitrary study design (sample inclusion or exclusion) and should thus have high external validity. We demonstrate that this approach, unlike other published methods, identifies biomarkers capable of predicting the outcome of anthracycline-cytarabine chemotherapy in cases of acute myeloid leukemia. By incorporating two criteria-statistical significance and predictive utility-the approach learns the significance level relevant for a given data set. The MDSS approach can be used with any test and classifier operator pair.

关键词： AGREEMENT  

摘要： This article describes a corpus-based investigation of quantifier scope preferences. Following recent work on multimodular grammar frameworks in theoretical linguistics and a long history of combining multiple information sources in natural language processing, scope is treated as a distinct module of grammar from syntax. This module incorporates multiple sources of evidence regarding the most likely scope reading for a sentence and is entirely data-driven. The experiments discussed in this article evaluate the performance of our models in predicting the most likely scope reading for a particular sentence, using Penn Treebank data both with and without syntactic annotation. We wish to focus attention on the issue of determining scope preferences, which has largely been ignored in theoretical linguistics, and to explore different models of the interaction between syntax and quantifier scope.

关键词： 机器学习   学习策略   系统结构   特性分析   人工智能   知识获取  

摘要： 描述了机器学习系统的基本结构模型,结合几种主要策略的基本思想,比较和分析了它们的优越性和各自的局限性,重点介绍了机器学习方法的技术应用。

关键词： 数据挖掘   分类   预测   决策支持系统   数据仓库  

摘要： 当今社会是一个信息爆炸的时代，如何充分利用各种各样的信息为人类服务已显得越来越重要。作为新兴的知识发现技术——数据挖掘以及辅助决策工具——决策支持系统已越来越受到人们的关注，它们为人们从大量数据中获取感兴趣的、有用的信息提供了便捷之道。 在数据挖掘众多的研究分支中，分类和预测问题一直是一个十分引人注目的主要分支，许多学者从各个角度如统计、信息理论、神经网络等方面做了大量的研究，取得了一系列的重要成果。本文基于已有的研究成果，主要做了如下的工作： 1、探讨了分类和预测的处理模型，对现有分类和预测算法进行分类，比较了各自的优缺点及适用性，分析了现存算法的不足之处。 2、针对现存算法的不足，提出了构建概念层次的方法，对空缺值的处理方法也进行了探讨。 3、提出一种基于概念分层的分类挖掘算法，通过偏序、格构建概念层次，利用信息增益选择最佳属性集，并且探讨了算法的增量学习版本，最后针对该算法在超大型数据处理方面的不足，还给出了一种解决方法。 数据挖掘作为一种新的信息获取技术，为了将之更好的应用于生产生活实践，本文还探讨了它在决策支持系统中的应用。具体来说，主要做了如下的工作： 1、分析了传统决策支持系统的研究落入低谷的原因，指出了其不足之处，探讨了数据挖掘技术在决策支持系统中的地位和作用。 2、介绍了数据仓库的体系结构以及国内外应用状况，研究了数据挖掘技术和数据仓库技术结合的有效性。 3、提出了一种新的基于数据仓库和数据挖掘的决策支持系统，并指出了这种新型决策支持系统的体系结构和关键技术，分析了这种框架构成的特点，最后对在银行决策支持系统中的应用进行了初步探讨。

ISBN: (纸本)780073708X

关键词： 数据挖掘   机器学习方法   神经网络方法   关联规则发现   数据库技术   多维数据分析  

摘要： 一、引言随着计算机信息技术、数据库技术的迅速发展以及数据库管理系统的广泛应用,无数个数据库被用于商业管理、政府办公、科学研究和工程开发等领域。要想使数据真正成为一个公司的资源,只有充分利用它为公司自身的业务决策和战略发展服务才行,否则大量的数据可能成为包袱,甚至成为垃圾,人们正面临'数据丰富而知识贫乏'的挑战。因而数据挖掘技术应运而生,得以蓬勃发展,并越来越显示出其强大的生命力。

关键词： 径向基函数神经网络   层次遗传算法   并行计算   机群系统   数据挖掘   数据分类   预测   时间序列数据库  

摘要： 随着现代信息技术的迅速发展，许多领域都积累了大量的数据。我们渴望发现潜在于这些数据中的知识与规律。正是这一需求造就了数据挖掘学科的兴起及数据挖掘技术的发展。作为一个多学科交叉的综合性领域，数据挖掘涉及了数据库、统计学、机器学习、高性能计算、模式识别、神经网络和数据可视化等学科。数据分类与预测作为一种重要的挖掘技术有着广泛的应用。在这一研究方向，目前已提出了多种分类方法（如决策树归纳分类、贝叶斯分类、神经网络分类和K-最邻近分类等）和一些预测技术（如线性回归、非线性回归等）。然而，尚未发现有一种方法对所有数据的处理都优于其他方法[1]。 由于时间序列数据库的日趋庞大及其挖掘的潜在意义，目前，时序数据挖掘研究已成为一个热点;然而,时间序列数据的非线性混沌特点，使得对它的挖掘成为难题。本文在分析与比较以上几种分类及预测方法的基础上，引入了径向基函数神经网络（Radial Basis Function Neural Network，简称RBFNN）对时间序列数据进行预测。在介绍该神经网络优点的同时，也阐述了其中较为棘手的难点。文中使用了层次遗传算法作为神经网络学习方法。在分析该方法可行性及效率的基础上，本文提出了用粗粒度并行方法进行径向基函数神经网络训练的思想，并建立了求解模型，旨在取得较好的预测效果。 最后，本文应用上述并行模型优化的RBF神经网络对非线性函数值以及证券个股收盘价进行预测。实验结果表明，当数据无噪声时，预测效率与精度都非常高;在处理带噪声，并呈现混沌特性的数据时，虽有一定的误差，但预测结果还是在可以接受的范围内。

关键词： 足球机器人系统   多智能体系统   机器学习   对手建模   路径规划  

摘要： 足球机器人是目前人工智能领域研究的热点之一。它通过提供一个标准问题来促进人工智能和智能机器人的研究。这个领域可以集成并检验很大范围内的技术，同时也是推动信息领域产、学、研结合的重要途径。 足球机器人系统中，每个队的队员通过相互协作的运动控制完成比赛的任务。每个机器人不断观察环境的状态，通过决策过程给出对机器人左右轮速的信号。在这个过程中，高层决策往往给出一个运动目标点，经过路径规划后输出对机器人的控制信号。因此在足球机器人系统中，高层决策的智能度和路径规划算法的性能决定了足球机器人系统的控制性能。 机器人足球比赛的环境是一个动态、复杂、对抗的环境，并且每个机器人只能得到场上的不完全信息，如何使机器人能通过不断的学习提高自己的性能是开发足球机器人系统的关键内容。 机器人足球比赛过程中，由于存在竞争的一方，实时跟踪对手的行为状态、分析对手的思维和意图是对抗活动的基本前提，建立对手模型很有必要。本论文以Agent的BDI模型为思维模型，在概率信念逻辑基础上，引入换位原理，给出了一种多智能体对手建模的新思路并将之应用到机器人足球比赛中。通过对敌对的足球机器人团队进行建模，对对方的行为进行合理预测，并且采取相应的行动以创造机会遏制对方的行动。本文提出的方法，还可以达到在动态开放环境下，特别是信息不完全的情况下实时推断机器人团队中其他同伴的思维状态，为团队协作提供支持。另外，对手建模的过程也是学习对手的过程，可以将从对手那里学习到的有效的策略加入到自己的知识信念库里，以丰富本方策略。 足球机器人系统中，路径规划是高层决策和底层控制间的衔接部分，路径规划算法的性能在很大程度上影响机器人队员的性能。本论文将增强式学习算法和人工势场法相结合，提出状态评价函数和势场的对应关系，以及控制策略和势场力方向的对应关系，通过机器人的自适应学习，来形成优化的人工势场，使机器人能够以最短路径绕过障碍，到达目标。同基于传统人工势场法相比，此方法避免了不合理势场方程所引起的局部极小值问题，而且通过学习得到的策略，可以得到从任意起始位置开始的最优路径。通过实验表明本文方法能有效解决多障碍环境中机器人避碰和导航问题，实现了动态环境中实时、无碰和优化的路径规划，并具有较好的实时性能。