【摘要】样本分类一直是数据挖掘领域的研究热点,传统的样本分类是单标签分类,这类样本只与单个标签相关,然而现实生活中的样本往往同时属于多个范畴,对这类样本的处理被称为多标签学习问题。由于多标签数据的特殊性,使得传统的分类方法无法直接对其进行处理,因此人们相继提出了多种方法用于处理多标签数据分类,这些方法总体来说可以分为两类：基于问题转化的方法与基于算法转化的方法。基于问题转化的方法将多标签数据通过某 […]

【摘要】网络最大流问题是网络流理论的重要组成,是介于连续型和离散型问题的分界线上,可作为特殊的线性规划以及组合优化问题。其在现实的实践应用中,例如现实中的信息流、交通中的车流、电力网络中的电流、物流网络和社交网络中的各种信息流等,网络流都有着对应的权重大小,求解网络最大流问题变得富有意义。在过去的几十年中,网络最大流理论迅速发展,解决了运筹学以及计算机科学中的诸多问题。而在如今的社交网络中,已有超 […]

【摘要】粗糙集理论是由波兰数学家Pawlak于20世纪80年代初提出的用于处理不完全信息的一种数据分析工具。该理论是经典集合论的一种推广形式，它已经被证明在专家系统、机器学习、模式识别、决策分析、过程控制、数据库知识发现等人工智能领域获得了成功应用。近似空间是Pawlak粗糙集理论的一个基本结构，它由一个论域和定义在论域上的一个二元等价关系所构成，由近似空间可以构造性地定义集合的下近似与上近似。而 […]