摘要：针对节点计算能力相同但故障分布不同的集群系统的性能分析问题,基于k-to-l-out-of-n结构对集群系统的性能进行建模,并提出了一种基于二元决策图(BDD)的分析方法。针对k-to-l-out-of-n结构的BDD模型生成问题,分析了BDD的结构特征并设计自顶向下生成算法,克服了传统的自底向上生成算法必须生成大量中间冗余节点的缺陷;然后利用生成的BDD模型高效地计算出系统处于一个特定性能级别的概率;最后通过实例说明了BDD方法能够有效分析节点具有不同故障分布的集群系统性能。

摘要：本文提出了一种面向时象系统的系统定义方法。这种方法借助状态谓词来指称类的方法，用一种三元组演算来描述系统，在系统框架设计后能进行系统合理性的自动验证。与其它面向对象系统的描述方法相比，这种方法较为形式化，也有一定的实用性。

摘要：网络可靠度BDD分析方法的计算复杂度与BDD尺度线性相关,而BDD尺度严重依赖边排序质量。由于求解最优边排序是一个NP问题,在实际应用中,通常采用启发式边排序策略如BFS(Breadth-First-Search)和DFS(Depth-First-Search)。针对边排序问题,从分析基于边界集(Boundary Set)的BDD构建方法 BDD-BS出发,将边界集思想应用于边排序过程,提出了一种新的启发式边排序策略。性能分析和大量实验表明,新设计的边排序策略性能优于经典的DFS和BFS策略,该结果为网络可靠度BDD分析方法在大规模网络中的应用拓展了新的空间。

摘要：决策树技术在数据挖掘的分类领域中被广泛采用。采用决策树从一致决策表(即条件属性值相同的样本其决策值相同)中挖掘有价值信息的相关研究较为成熟,而对于非一致决策表(即条件属性值相同的样本其决策值不同)采用决策树进行数据挖掘是当前研究热点。本文基于贪心算法的思想,提出了一种非一致决策表的决策树分析方法。首先使用多值决策方法处理非一致决策表,将非一致决策表转换成多值决策表(即用一个集合表示样本的多个决策值);然后根据贪心选择思想,使用不纯度函数和不确定性相关指标设计贪心选择策略;最后使用贪心选择设计决策树构造算法实现决策树构造。通过实例说明了所提出的权值和贪心选择指标能够比已有的最大权值贪心选择指标生成规模更小的决策树。