基于CART决策树的HEVC帧间CU快速划分算法

针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题归为二分类问题,以当前CU的空间相邻CU的深度划分信息作为最优特征属性,建立CART模型且进行测试评估;然后利用建立的CART模型对当前CU进行快速划分。实验结果表明,在保持编码性能的同时,该算法比HM16.0算法节省43.34%的编码时间,有效地提高了编码效率。     

一个改进的决策树算法

Iterative Dichotomiser version3（ID3）算法是数据挖掘中经典的决策树分类算法,其核心是分裂训练集属性的选择标准,即分裂前后的信息增益量最大,用该标准选择属性时对于取值较多的属性具有较强依赖性。剖析了ID3算法存在的不足并加以改进,引入了属性关注度,提出了改进算法AAID3算法。实验表明改进算法对原ID3算法的取值偏向问题有所克服并使分类更加准确,决策树更加简明。     

数据挖掘技术在CRM中的应用研究

介绍了数据挖掘技术和CRM的基本概念,分析了数据挖掘技术在CRM中的应用,并着重对决策树技术进行了研究。针对SPRINT算法在数值型属性分裂过程中计算量大、效率低的缺点,提出了一种新的数值型属性的分裂方法,并对SPRINT算法进行了改进,并用改进的SPRINT算法构建了客户信用卡的分类模型。     

移动医疗机会网络中基于时间窗口的数据转发算法

移动医疗机会网络中存在不稳定的端到端的连接问题,该网络的数据转发是一个值得研究的重要问题.而现有的机会网络中的数据转发算法大多关注的是节点的静态属性,往往忽略了节点属性随时间变化而造成网络拓扑结构的改变.文章在分析了移动医疗机会网络中节点与相邻k跳邻居结构属性的基础上,提出了基于时间窗口的数据转发算法(DFTW).该算法的主要思想是通过比较在相邻时间窗口节点的转发属性来选择合适的中继节点,进而提高网络的转发性能.通过仿真实验,与Epidemic、Label、Greedytotal算法相比,DFTW算法在保证较高传递率的同时,可以明显降低网络开销.     

一种基于节点优化部署的k度覆盖算法

针对无线传感器网络在覆盖过程出现的空洞以及能量快速消耗等情况,本文提出了一种基于节点优化部署的k度覆盖算法。该算法首先建立传感器节点与目标节点之间的关联属性,通过关联属性确定覆盖集合;其次通过概率相关知识给出了最少传感器节点数量的求解方法;最后,通过仿真实验与其他算法进行对比,验证本文算法的有效性和稳定性。     

B样条曲面的节点插入算法

Boehm算法和Oslo算法是B样条曲线节点插入的经典算法，本文将该算法推广到了B样条曲面上．由于该算法只对B样条定义域内的节点插入有效，而对于靠近节点矢量两端附近进行节点插入，将产生错误的计算结果．为此本文提出了两个改进的节点插入算法，并分析了9种情况，使这两个算法能够将节点插入到各种B样条曲面之中，弥补了原算法中的不足．同时，改进的算法还进一步完善了B样条曲面的升阶算法．     

蚁群算法融合粗糙集理论的属性约简算法

为了克服属性约简过程中寻找最小属性集算法存在时间复杂度高搜索空间大等不足,把属性抽象为节点,通过蚁群算法搜索得到节点的最少组合,使得其能代替原有的属性节点并保持决策系统的粗糙分类能力.针对蚁群算法初期信息素匮乏,收敛速度慢的问题,将蚁群算法和粗糙集理论融合,采用粗糙集理论的相关算法确定属性核,并将其作为蚁群算法的初始节点.利用蚁群算法的搜索能力,用于最小属性集的搜索.理论分析和实验结果表明,该算法可行有效.     

无人机集群网络节点重要性的多属性决策

针对无人机集群网络关键节点识别与保护问题,文中选取网络节点的局部属性、全局属性以及节点间的相关重要性等指标,通过变异系数法确定指标权重,基于多属性决策,提出了一种无人机集群网络节点重要性的评估算法。采用不同算法对ARPA网络节点重要性进行排序,以识别出ARPA网络重要节点。通过计算网络重要节点去除后所生成的子图数与子图最大规模,分析网络重要节点失效对网络连通性的破坏情况和分割情况。结果表明：相较于重要度评价矩阵法、信息熵法、贡献矩阵法等传统算法,多属性决策算法实现了ARPA网重要节点的有效识别,且识别性能优于传统算法,为无人机集群网络健壮性评估提供了新方法。     

稀疏图像重构非凸Lp问题的分裂方法

由于稀疏图像重构Lp(0相似文献   

基于R树的k-匿名技术研究

现有的隐私保护算法都是针对静态数据集的匿名处理,但是频繁接触的数据集大多是动态的,针对动态数据集隐私保护算法的研究将是未来的热点.基于R树的k-匿名技术,适用于动态变化的数据集.在动态R树的创建过程中,针对已有二路分裂算法不能保证孩子节点的相似性,提出了基于k-means多路分裂算法的R树k-匿名技术,较好地解决了对于固定的M,随着k值的增加,孩子节点的相似性问题.实验结果表明,融入了k-means多路分裂算法的R树k-匿名技术,有效地提高了k-匿名的质量和匿名表的查询效率.     

基于海量属性数据的索引构建方法研究

基于全球地理信息中海量属性数据,提出了利用已有数据构建索引和批量插入索引数据的改进算法。使用自底向上构建索引算法建立索引树,提高了空间利用率和建库速度;采用缓冲页法批量插入数据,提高了插入效率,减少了节点分裂次数。该算法不但适用于建立索引库,而且适用于更新索引库。     

改进的ID3算法在远程教学系统中的应用

当前,远程教学系统缺少智能性,不能提供个性化教学,引入ID3算法后可以根据学习者的特征对其分类,从而实现对不同学习者的针对性教学.然而传统的决策树ID3算法存在多值倾向的问题,选择分裂属性不符合客观事实.运用一种基于灰色关联分析的修正因子属性选择方法予以改进,对取值较多但灰色关联度低的属性,在计算其信息增益时通过灰色关联度的正弦值作为修正因子,克服传统ID3算法的不足.将改进的ID3算法引入到远程教学系统中,可以更好地对学习者进行分类以实现智能化导学.     

基于叠前资料的新型属性优选算法

为了实现属性优选的定量化评价,提高属性优选的准确率,提出了一种新型属性优选算法,将非线性支持向量回归机(SVR)引入到遗传算法(GA)当中,在适应度评价时,使用SVR建立属性集与储层特征参数的定量计算关系,并且,首次将该新型属性优选算法应用到叠前叠后属性的优选。该方法在胜坨地区沙四纯上段进行应用,一方面避免了基于叠后地震属性的预测方法存在不确定性的问题,另一方面预测出了更加符合地质认识的储层展布结果。     

一种改进的粗糙集属性约简启发式算法

作为数据挖掘的重要工具,粗糙集理论被广泛的应用于关系数据库中属性相关性描述、属性集约简、属性重要性度量、规则发现等方面。该文在分析基于信息系统的粗糙集理论的基础上,对基于分辨矩阵的属性约简算法进行了详尽的描述。针对该算法存在的时间和空间性能不理想问题,提出度量单个条件属性对系统概念贡献程度的关联度的概念,以此作为启发式信息对原算法进行改进,得到条件属性的约简。理论分析及实验结果表明该算法具有较好的约简效果及更高的运行效率,为粗糙集理论更广泛地应用于具体的实践提供了一种方法。     

基于集对分析的指标属性测度确定方法

以大坝安全监测资料为基础,将评价指标和评价目标的实质特性有序分割为多个内在属性,利用集对分析中的联系度概念,提出了一种确定大坝安全综合评价指标属性测度的方法,建立了适合于大坝安全评价的梯形分段属性测度函数,并给出了一个评价实例,为大坝安全综合评价中指标属性测度的确定方法提供一条新的途径.实例表明:将集对分析方法应用于大坝安全属性识别评价方法中,采用集对分析来确定指标属性测度是合理、可行的,具有信息利用充分、结构形式简单的特点,能较好地描述评价指标与属性子集之间的内在属性关系.     

基于分类回归树(CART)方法的统计解析模型的应用与研究

分类回归树是基于统计理论的非参数的识别技术，它具有非常强大的统计解析功能，对输入数据和预测数据的要求可以是不完整的，或者是复杂的浮点数运算。而且，数据处理后的结果所包含的规则明白易懂。因此，分类回归树已成为对特征数据进行建立统计解析模型的一个很好的方法。本文首先介绍了一种构建分类回归树的算法，并对其剪枝策略进行了简单的探讨，最后用统计解析软件S－PLUS对一个应用实例进行了分析，给出结果。     

商业数据挖掘中的核心算法

为了使企业的管理层能够根据市场需求进行数据挖掘,并基于挖掘出来的规则做出决策,在数据仓库、粗糙集方法等理论的基础上提出了一种核心算法,应用于商业数据挖掘.核心算法从信息表开始,通过属性泛化、求核心属性、属性归约,最终得到由正确率表示的规则.在求核心属性的部分对粗糙集理论中求核心集的方法进行了改进,并给出了相应的证明.核心算法利用SQL语言的功能强大、容易开发、运行稳定等特点,通过SQL语言编程来实现.核心算法具有针对性强、可操作性强等优点.     

Coupled Attribute Similarity Learning on Categorical Data for Multi-Label Classification

In this paper a novel coupled attribute similarity learning method is proposed with the basis on the multi-label categorical data (CASonMLCD). The CASonMLCD method not only computes the correlations between different attributes and multi-label sets using information gain, which can be regarded as the important degree of each attribute in the attribute learning method, but also further analyzes the intra-coupled and inter-coupled interactions between an attribute value pair for different attributes and multiple labels. The paper compared the CASonMLCD method with the OF distance and Jaccard similarity, which is based on the MLKNN algorithm according to 5 common evaluation criteria. The experiment results demonstrated that the CASonMLCD method can mine the similarity relationship more accurately and comprehensively, it can obtain better performance than compared methods.     

一种交互学习的属性划分算法

首先给出了属性分割的有效性测试算法,它能检测基于当前分割的交互学习算法是否优越于传统的不划分属性的单一数据集的学习算法;进一步,给出了渐进式自动属性集合的划分算法。基于大规模卫星环境监测数据的实验表明,上述两种算法能对有效地分割数据集合,使学习能力得到明显提高。     

基于模糊综合评判和长度过滤的SNM改进算法

为了提高数据库的数据质量,需要对相似重复记录进行清洗,基本邻近排序算法是目前常用的清洗算法之一. 针对判重过程中属性权值计算主观性过强的问题,提出通过多用户综合评判确定属性权值的方法,该方法能更客观地评判属性的重要性程度. 在此基础上,结合属性权值计算两条记录的长度比例,排除不可能构成相似重复的记录,减少了比较次数,提高了检测效率. 实验结果表明改进算法在查全率、查准率及时间效率等方面均有所提高