改进的概念格属性约简算法

提出了一种改进的启发式算法,与已有启发式算法相比,能从搜索空间中逐次删除冗余属性,避免了对其重要性的重复计算,同时减少对非冗余属性重要性的计算,从而降低了时间复杂度。通过实例表明了该约简算法的可行性与有效性。     

基于余弦相似度的改进C4.5决策树算法

针对传统C4.5算法存在容易产生冗余规则、决策树规模过大、分类速度过慢等问题,提出一种基于余弦相似度的改进C4.5决策树算法。计算每个属性的信息熵和增益率,如果任意属性的任意两个属性值的信息熵之差在一个很小范围内时,计算两个属性值的余弦相似度;合并相似度在阈值范围内的属性值,重新计算合并后属性的信息增益率,依据传统的C4.5算法进行计算。抽取某医院普检数据进行仿真,仿真结果表明,所提算法能够有效降低分裂属性维度,缩减了决策树规模,减少了冗余规则,提高了分类速度。     

基于粗神经网络的数据挖掘方法及其应用

为了从大量数据中获取知识,本文提出了一种改进的属性约简算法,并将该算法与神经网络相结合应用于市场营销系统中.首先建立决策表,用辨识矩阵计算核,再用改进约简算法去除大量的冗余属性信息,最后采用BP神经网络来训练约简表并得出规则.实验结果表明,该方法是有效的.     

数据缺失条件下的贝叶斯优化算法

针对朴素贝叶斯算法存在的三方面约束和限制,提出一种数据缺失条件下的贝叶斯优化算法。该算法计算任两个属性的灰色相关度,根据灰色相关度完成相关属性的联合、冗余属性的删除和属性加权;根据灰色相关度执行改进EM算法完成缺失数据的填补,对经过处理的数据集用朴素贝叶斯算法进行分类。实验结果验证了该优化算法的有效性。     

粒计算中基于属性分类的形式概念属性约简

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类关系;然后,由属性分类关系制定约简规则,并在此基础上提出基于属性分类的形式概念约简算法,该算法在保持目前最低时间复杂度不变的情况下,减少了冗余计算和存储开销,提高了属性约简的计算效率;最后,通过实例和仿真实验对基于属性分类关系的形式概念属性约简算法的有效性进行了验证.     

最小相关性最大依赖度属性约简

在经典粗糙集中,基于重要度的决策表属性约简算法只考虑了决策属性与条件属性之间的依赖度,没有考虑约简中条件属性之间的相关性,由此求出的约简中可能依然包含冗余属性。针对这一问题,提出了一种改进算法,它利用最小相关性和最大依赖度准则求决策表属性约简。与基于重要度的决策表属性约简算法相比,本算法求出的约简包含的属性个数少、冗余小。实验结果显示,本算法优于基于重要度的决策表属性约简算法。     

粗糙集属性约简的极限学习机网络入侵检测算法

针对网络入侵数据量大、属性冗余及属性之间线性相关导致分类算法计算速度慢、准确度不高等问题,提出一种改进粗糙集属性约简的极限学习机网络入侵分类算法。对训练集采用粗糙集正域和分辨矩阵相结合的方法获得属性核,筛选出只有属性核的数据集得到无冗余属性的特征集合;使用极限学习机(ELM)作为分类模型进行分类,使用支持向量机(SVM)、神经网络、极限学习机比较证明提出方法的有效性,为网络入侵检测提供一种新的解决方法。     

基于论域压缩的启发式属性约简算法

论证在简化的信息系统上进行属性约简的可行性,指出某信息系统属性约简快速算法的计算结果可能含冗余属性,且在时间复杂度计算上存在错误。在此基础上,提出一种基于论域压缩的启发式属性约简算法,将相对支持度作为启发信息,缩小搜索空间,加入二次约简过程以消除冗余属性。实例分析表明,该算法具有较好的约简效果。     

基于粗糙集的启发式属性约简算法

对现有启发式属性约简算法进行分析,通过实例说明一般启发式算法求得的相对约简有冗余属性存在的问题.针对这一不足,利用粗糙集理论中的条件熵作为启发信息,来缩小搜索空间,并在算法中加入消除冗余属性的二次约简过程,得到一种改进的启发式属性约简算法.提供了实例分析,验证了该改进算法具有较好的约简效果.     

粗糙集多目标并行属性约简算法

粗糙集理论(RST)中,求解最小属性约简MAR (minimal attribute reduction)是一种NP-难(non-deterministic polynomialhard)组合优化问题.蚁群优化算法ACO(antcolonyoptimization)是进化算法中的一种启发式全局优化算法,粗糙集理论与ACO相结合,是求解属性约简的一种有效、可行的方式.针对蚁群优化算法易于陷入局部最优解、收敛速度慢等问题,首先以一种改进的信息增益率作为启发信息,提出了冗余检测机制,对每个被选属性和每代最优约简集合进行冗余检测,并提出了概率提前计算机制,可避免每只蚂蚁在搜索过程中相同路径上的信息反复计算;针对大数据集的属性约简问题,考虑到蚁群优化算法具有并行能力以及粗糙集中“等价类”计算的可并行性,提出一种将ACO与云计算相结合用于求解大数据集的属性约简算法,在此基础上,进一步提出一种多目标并行求解方案.该方案可以同时计算出其余属性相对于当前属性或约简集合的重要度.实验结果表明,该算法在处理大数据的情况下能够得到最小属性约简,计算属性重要度的时间复杂度由O(n2)降至O(|n|).     

高斯图像噪声实现的两种改进

该文对传统的高斯图像噪声的实现从高斯特性和噪声率等方面提出了两种改进方法,并给出按改进方法和传统方法产生的高斯噪声图像的直方图。改进方法较传统方法有高斯特性更准确,噪声率(图像中受噪声影响的像素数与总像素数之比)可调,“白”性不变等特点,更适于成为图像处理研究的噪声源。     

渐进/分布式网页聚类算法PG+与PG++

用户行为分析是Web站点信息推荐中的重要方法,被广泛应用在该领域的诸多算法中.PageGather算法是其中有代表性的一种.旨在解决静态PageGather算法输入数据量过大、时间复杂度高的问题,使其更具实用性.通过引入渐进学习和分布的机制,给出了改进的算法PG+和PG++,并进行了实验分析.改进后,既保证了算法的等效性,又明显提高了效率.     

优化设计中的多目标进化算法

近十多年来多目标进化算法是人工智能领域的一个相当活跃的研究热点。该文从非Pareto方法、基于Pareto方法及贝叶斯多目标优化算法等角度对当今多目标进化算法进行了分析,归纳了新出现的各种方法和技术,探讨了这个领域发展中存在的问题,并进一步给出了发展方向。此外文中分别对后两类提出了解决一般问题的计算效果较好的改进算法和新的算法。     

Improved imperialist competitive algorithm with mutation operator for continuous optimization problems

Imperialist competitive algorithm is a nascent meta-heuristic algorithm which has good performance. However, it also often suffers premature convergence and falls into local optimal area when employed to solve complex problems. To enhance its performance further, an improved approach which uses mutation operators to change the behavior of the imperialists is proposed in this article. This improved approach is simple in structure and is very easy to be carried out. Three different mutation operators, the Gaussian mutation, the Cauchy mutation and the Lévy mutation, are investigated particularly by experiments. The experimental results suggest that all the three improved algorithms have faster convergence rate, better global search ability and better stability than the original algorithm. Furthermore, the three improved algorithms are also compared with other two excellent algorithms on some benchmark functions and compared with other four existing algorithms on one real-world optimization problem. The comparisons suggest that the proposed algorithms have their own specialties and good applicability. They can obtain better results on some functions than those contrastive approaches.

     

两种改进的模板匹配识别算法

在开发在线轮胎编码图像自动识别系统时,通过对现有常用的几种识别算法分析与研究,提出了两种改进的标准模板匹配识别算法,分别是基于特征加权的模板匹配算法和基于特征块的模板匹配算法,两种改进的算法都以抽取字符特征为基础,结合模糊原理进行识别,经过理论分析与实际测试,两种改进的识别算法都进一步提高了图像字符的识别率。     

Polynomial-time algorithms for probabilistic solutions of parameter-dependent linear matrix inequalities

A randomized approach is considered for a feasibility problem on a parameter-dependent linear matrix inequality (LMI). In particular, a gradient-based and an ellipsoid-based randomized algorithms are improved by introduction of a stopping rule. The improved algorithms stop after a bounded number of iterations and this bound is of polynomial order in the problem size. When the algorithms stop, either of the following two events occurs: (i) they find with high confidence a probabilistic solution, which satisfies the given LMI for most of the parameter values; (ii) they detect in an approximate sense the non-existence of a deterministic solution, which satisfies the given LMI for all the parameter values. These results are important because the original randomized algorithms have issues to be settled on detection of convergence, on the speed of convergence, and on the assumption of feasibility. The improved algorithms can be adapted for an optimization problem constrained by a parameter-dependent LMI. A numerical example shows the efficacy of the proposed algorithms.     

三维无线传感器网络节点定位算法研究

在二维DV-Hop算法和APIT算法的基础上,各提出了一种可适用于三维无线传感器网络的非测距定位算法DV-Hop改进算法和APIT改进算法.DV-Hop改进算法通过在节点上设置接收阈值,使未知节点只接收距离较近的局部范围内的锚节点信息,而APIT改进算法则以四面体质心扫描取代了网格扫描.介绍了 2种算法的原理,并进行仿...     

求解装备保障任务调度问题的改进粒子群算法

装备保障任务调度是否合理、高效是取得现代信息化战争胜负的决定性因素之一,提出了两种改进的粒子群算法对该问题进行优化。针对问题的特点,两种算法均采用基于任务编码的粒子结构,且都采用子群划分的方法以保持种群多样性,①改进算法采用了基于维度分解的分群策略,使算法避免进入高维优化领域,②改进算法采用了杂交操作,有效避免了算法陷入局部最优。仿真结果表明,改进算法相比标准粒子群算法具有更好的性能。     

基于改进倒排表和集合的最频繁项集挖掘算法

最频繁项集挖掘是文本关联规则挖掘中研究的重点和难点,它决定了文本关联规则挖掘算法的性能。针对当前在最频繁项集挖掘方面的不足,将集合论引入倒排表以对其进行改进,然后以此为基础提出了几个命题和推论,并结合最小支持度阈值动态调整策略,提出了一个基于改进的倒排表和集合理论的最频繁项集挖掘算法,最后对所提算法进行验证。实验结果表明,所提算法的规则有效率和时间性能比常用的两个最频繁项集挖掘算法,即NApriori和IntvMatrix算法都好。     

集群VOD系统中磁盘Cache替换算法研究

根据VOD的特点开发了两种基于访问频率的替换算法：LFRU(least frequeney and recently used)和PLFU(period least frequency used)算法，它们都试图将访问频率大的视频数据保留在Cache中。LFRU算法结合了数据的访问频率和访问时间信息，对访问模式的变化具有一定的适应性。PLFU算法用周期法和预测法解决TLFU算法中的Cache“污染”问题。