共查询到20条相似文献,搜索用时 62 毫秒
1.
基于可分性判据排序的RBF神经网络属性选择方法 总被引:2,自引:0,他引:2
提出一种基于数据属性重要性排序的神经网络属性选择方法,该方法只需对部分属性进行洲练,即可进行降维,它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端,大大提高了属性选择的效率。该方法先用本文提出的一种简单的可分性判据方法对数据属性进行重要性排序,然后按重要次序用RBF神经网络进行属性选择。仿真实例表明,该方法具有良好的效果。 相似文献
2.
3.
离群点检测是数据挖掘领域的一个重要的研究方向.针对高维数据空间中离群数据的挖掘速度和准确度的问题,提出一种基于单元格的离群点检测算法.该算法在高维数据空间中对数据进行降维,并且将数据依据属性权重划分成若干空间单元,从而减少查询次数,提高离群数据的挖掘速度.另外,通过对属性的加权处理能够更有效地突出属性的特殊性,从而提高挖掘的准确度.理论分析和实验结果表明了该方法是有效可行的. 相似文献
4.
5.
6.
针对高维连续数据的降维问题,提出一种新的非线性降维方法,称为连续自编码(Continuous autoencoder,C-autoencoder)神经网络,该方法采用限制玻耳兹曼机的连续形式(Continuous restricted Boltzmann machine,CRBM)的网络结构,通过训练具有多个中间层的双向深层神经网络将高维连续数据转换成低维嵌套并继而重构高维连续数据.这种连续自编码网络提供了高维连续数据空间和低维嵌套结构的双向映射,有效解决了大多数非线性降维方法所不具备的逆向映射问题,特别适用于高维连续数据的降维和重构.将C-autoencoder用于连续帧图像的实验表明,C-autoencoder不仅能发现嵌入在高维连续帧图像中的非线性低维结构,也能有效地从低维结构中恢复原始高维图像数据,而且还能对连续帧图像有效地进行内插重构. 相似文献
7.
8.
9.
为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析(PCA)法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示:先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。 相似文献
10.
董飞 《计算机光盘软件与应用》2013,(4)
对高维数据离群点降维方法进行研究,从而提高挖掘算法的准确度以及挖掘的速度。针对传统的离群点挖掘算法对于高维数据的不适用性,提出了基于属性的局部离群点挖掘算法,该算法以局部线性嵌入降维算法为基础,利用研究对象的特征属性和环境属性来实现降维的目的。实验证明,该方法可以通过约简对象属性的方式达到降维的目的,相比于传统算法更为有效。 相似文献
11.
作为形式概念分析理论中的一个重要工具,属性探索算法能够以问题为导向,交互式地逐步发现系统知识,在知识的发现和获取中居于核心地位。但是,当形式背景的规模较大时,属性探索算法的计算过程过于耗时,严重制约了算法在当前大数据时代的推广与应用。耗时瓶颈主要存在于“寻找下一个与专家交互的问题”这一环节,传统算法在此过程中存在大量冗余计算。针对这个问题,在分析伪内涵和内涵与蕴涵集合的内在逻辑关系的基础上,提出并证明了3个定理,根据定理给出了一种基于不相关属性集合的属性探索算法,该算法在计算伪内涵与内涵的过程中,借助提出的定理,跳过违反该逻辑关系的属性集合是否为伪内涵或者内涵的判断过程,减小了算法的搜索空间,从而降低了算法的时间复杂度。所提算法最好的时间复杂度为O(mn2P2),最坏的时间复杂度为O(mn3P2)。实验结果表明,与传统算法相比,该算法具有较为明显的时间性能优势。 相似文献
12.
不确定性知识处理是人工智能研究中经常遇到的问题,基于定性映射的属性Petri网模型在动态表示认知思维中不确定性知识与逻辑推理方面具有优势。在属性拓扑空间中,给出了属性粒的基本定义和基本推理,在属性Petri网中对不确定性知识进行表达,并基于属性Petri网给出归结推理的基本形式和基本算法。结果显示,这种方法可以使定性映射和Petri网更易于动态和显式地表达认知不确定性知识,可为进一步研究Petri网在认知模型中的作用提供参考。 相似文献
13.
14.
提出了一种基于属性区分能力和AP聚类的属性粒化方法(Attribute Granulation based on attribute discernibility and AP algorithm,AGAP)。该方法首先依据属性依赖度计算属性的区分能力;然后将所有属性作为潜在的聚类中心,使用AP算法聚类,得到若干个属性簇类;最后采取选用代表属性的方法得到较粗的属性粒子,从而达到属性粗粒化的要求。对高维数据的特征降维,这种算法比传统的属性约简算法大大提高了运算效率,在属性粒化精度要求不是很严格的情况下,所提算法优势明显。 相似文献
15.
16.
T.H. Gossling 《Computer Graphics Forum》1989,8(2):129-132
The'linetype'attribute in GKS and PHIGS is required to cover a wide variety of renderings of the polyline primitive. The results are strongly implementation-dependent, widi virtually no user control. Splitting'linetype'into a one-dimensional'line-pattern'and a two-dimensional'line-picture'gives much greater flexibility, without the need to go through a registration process for every new style. The line-picture attribute, consisting of a single glyph repeated at intervals along a linear primitive, can answer many requirements in draughting for process industries, and should also be applicable elsewhere. 相似文献
17.
Modular Attribute Grammars 总被引:1,自引:0,他引:1
18.
19.
基于有序差别集和属性重要性的属性约简 总被引:1,自引:0,他引:1
针对粗糙集理论的属性约简问题,提出新的差别矩阵简化算法,该算法在无需排序和较少通历次数的情况下
简化了差别矩阵,明显提高了简化速度并最终得到简化的有序差别集。实验验证了该算法的高效性;给出度量属性重
要性的新标准,即根据属性所在差别矩阵元素的权重、在差别集中出现的频数和吸收能力3方面来度量其重要性;在
上述两者基础上,提出一种基于有序差别集和属性重要性的属性约简新方法,理论分析证明新方法的最坏时间复杂度
低于其它基于差别矩阵的属性约简算法。大量实验结果也表明,新方法的有效性甚至可以在很大程度上得到最小属
性约简。 相似文献