决策单调约简的启示

决策粗糙集模型源于贝叶斯决策准则,利用代价矩阵生成了构建概率粗糙集所需的一对阈值.但决策粗糙集并不具备经典粗糙集理论中常用的单调性,这给研究决策粗糙集的约简问题带来了机遇与挑战.通过考虑决策粗糙近似集是否变化,分析了决策粗糙集的决策保持约简与决策单调约简,并提出了两种不同的属性重要度以求解这两种约简.实验结果表明,相较于决策保持约简,通过决策单调约简,可以获得更多的由下近似与上近似所支持的决策规则,但同时也需付出更大的决策代价,从而揭示了想要得到更多,就必须付出更多的哲学道理.     

人脸识别中多目标最优不相关图像鉴别分析研究

考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。     

企业重组过渡期防止知识型员工流失问题探讨

在当代瞬息万变的市场环境下,企业需要不断调整自己的战略部署,适时进行兼并收购即不同形式的企业重组以提高自身竞争力。企业重组必然经历产品结构、人员结构、管理制度、企业文化等内容的调整和适应过程,因此需要一个过渡时期来完成该过程。企业平稳过渡的核心问题是如何留住企业的知识型员工。本文根据知识型员工成就欲望强,流动性强,自主选择工作的可能性高等特征分析了其流失给新公司事业部带来的风险,并针对人力资源管理中薪酬管理,员工沟通,员工关系,绩效管理与培训等几个方面对如何防止知识型员工流失问题进行了探讨。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。