连续值属性决策表中的知识获取方法

 提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4.5决策树分类方法相比,有更高的分类准确率.     

基于粗糙集的多源通信网络信息分析方法

针对通信对抗多源传感器获取的通信网络信息挖掘问题,对通信信号外部技术特征和内涵信息进行形式化表示,根据传感器处理信息深度建立了域数据模型。深入分析了通信信息数据挖掘准备的方法,基于域数据模型和粗糙集理论,采用决策表分解知识发现的方法提取规则,对复杂通信网络信息挖掘过程进行了基于规则的非机理指示建模,按信号体制分类对通信网络信息挖掘模型进行组织,构建了基于规则的知识系统,应用粗糙集理论和方法实现了通联关系的挖掘,并提出了对数据挖掘模型的评价方法。     

电子称重仪表决策树建模研究

针对电子称重仪表属性的多参数集对仪表性能的影响程度不同,引入了基于粗糙集理论的属性约简进行属性的降噪和排序处理,然后结合决策树理论的C4．5算法来对自诊断电子称重仪表进行分析,取信息增益率最大的结点作为决策树的根。以此使分裂信息项惩罚了多值属性最后建立了决策树模型。结果表明：此方法得到了属性的影响程度排序,使得建树快速、建模准确,利于决策分析。     

基于优化的决策树算法在热轧工艺中的应用

决策树分类方法是一种非常有效的机器学习方法,具有分类精度高、对噪声数据有很好的健壮性以及形成树状模式等优点,对决策树算法的优化也主要是从分支属性的选择标准,对决策树的修剪,以及引入模糊理论、粗糙集理论、遗传算法和神经网络算法等几个方面进行优化。引入粗糙集理论中的属性重要性原理来对决策树进行优化,首先计算出每个条件属性对分类的重要度,然后根据重要度大小来对样本集进行一个筛选,在不损害分类准确率的同时减小决策树的规模。整个算法在Visual C++6.0环境下编程实现,并应用于热轧工艺模型中,通过对热轧数据的处理,验证了算法的有效性。     

基于本体的认知无线电知识表示与推理

对知识进行有效建模是认知无线电（CR）引擎设计中关键问题之一。本文提出基于本体的认知无线电知识表示模型。首先对自然语言描述的CR知识进行概念抽取和类分析,并利用网络本体语言实现CR知识本体,最后对本体进行推理。实验结果表明,该方法支持知识的共享与重用,能够对异构的无线电知识进行融合,并实现了CR对自身状态和外界环境的理解,为参数重构提供决策依据。     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域。在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格（ACL）的构建,由此提出概念格粗糙近似和规则挖掘算法（LCRA）。最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性。     

计算技术与计算机及网络设备 程序包、程序库、数据库、知识库

0627614粗糙集理论及其在数据归约中的应用〔刊,中〕/谷建军//信息技术与信息化.—2006,(3).—143-145(D)数据预处理在数据挖掘中占有重要地位,传统的数据归约方法都有其局限性。本文介绍了粗糙集的相关概念及数据预处理的一些知识,并利用区分矩阵求粗糙集中核的思想,提出了一种知识归约的方法,为进一步的数据挖掘做准备。参50627615决策树在数据挖掘中的新进展和发展前景〔刊,中〕/房祥飞//信息技术与信息化.—2006,(3).—139-142(D)决策树是数据挖掘分类方法的一种。本文简单介绍了决策树及其生成过程和算法;着重叙述了决策树近年来在数…     

决策树算法在老年性痴呆病因病机分析中的应用

通过决策树算法建立了老年性痴呆病型病因判断模型。文中详细研究了决策树算法C5.0及其修正方法,之后通过对太原市1500例数据的分析借助决策树C5.0算法构建了老年性痴呆的判断模型,并对其进行了修正,得到具有实际指导意义的判别模型。     

基于关联规则挖掘的电网设备差异化状态检测

WFP电网设备差异化状态检测方法在电网设备数量增加但数据量不变时加速比较低，因此设计一种基于关联规则挖掘的电网设备差异化状态检测方法。根据电网设备的实际参数，分析电网危害程度，简化风险评估分级，建立设备差异化状态风险矩阵；利用决策树模型挖掘得到设备历史运行数据中满足支持度要求的项集，并对决策树模型进行剪枝处理；最后得到数据之间潜在关联，完成电网设备差异化状态的检测。实验结果表明，在告警量较少的情况下，设计方法更加接近理想加速比，验证了方法具有较好的性能。     

粗糙集理论及进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点，主要阐述了几种粗糙集理论的扩展模型，然后讨论了近来粗糙集理论与其他方法的结合，并进一步讨论了粗糙集理论研究的前景。     

KFDA and clustering based multiclass SVM for intrusion detection

To improve the classification accuracy and reduce the training time, an intrusion detection technology is proposed, which combines feature extraction technology and multiclass support vector machine （SVM） classification algorithm. The intrusion detection model setup has two phases. The first phase is to project the original training data into kernel fisher discriminant analysis （KFDA） space. The second phase is to use fuzzy clustering technology to cluster the projected data and construct the decision tree, based on the clustering results. The overall detection model is set up based on the decision tree. Results of the experiment using knowledge discovery and data mining （KDD） from 99 datasets demonstrate that the proposed technology can be an an effective way for intrusion detection.     

基于决策树的空袭目标数据挖掘

为了更好地辅助决策人员进行空袭目标选择,首先分析了影响空袭目标选择的因素;利用Netica软件得到训练样本集;利用ID3算法构造决策树模型,并从中挖掘出空袭目标选择的14条规则;最后总结出目标选择遵循的6条指导原则。仿真结果表明,利用决策树进行空袭目标数据挖掘,准确率比较满意,是一种目标选择的新思路。     

基于二维极化特征的PolSAR图像决策分类

决策树模型在极化SAR数据分类中有着极大的应用价值,既能描述分类结果的极化散射机制,又能获得较好的分类精度。但在对散射机制相似的地物进行分类时,由于经典决策树模型的节点采用的是单个特征,分类精度不理想。因此,该文提出了节点采用2维特征的方法,即在特征集相同的前提下,每次取两个特征组成特征矢量用于节点,提高了经典决策树难以区分的地物的分类精度;并且利用分类结果的混淆矩阵准确定位了导致分类误差的节点,进而对节点进行有针对性的反馈调整,进一步提高了指定地物的分类精度。利用AIRSARFlevoland数据验证了该方法的有效性,并结合极化特征描述了Flevoland地区多种植被的极化散射机制。      

Generalized Input Preshaping Vibration Control Approach for Multi-Link Flexible Manipulators using Machine Intelligence

In this study, an open-loop vibration control through parameter tuning method for multi-link flexible manipulators is generalized using the machine learning paradigm. The experimental studies part of the study consists of two stages. In the first stage, a decision tree model is created using the C4.5 algorithm to predict transient (during motion) and residual (stationary) vibration levels, and decision rules are derived from this model. The paper utilizes the C4.5 (decision tree) algorithm on a broad experimental dataset and compares its performance to that of other four well-known traditional machine learning algorithms (Naive Bayes (NB), Multilayer Perceptron (MLP), Support Vector Machine (SVM), and k-Nearest Neighbor (kNN)). The reason for choosing the decision tree method is that it has a transparent decision-making mechanism that works in tandem with the Explainable Artificial Intelligence (XAI) perspective. The experiments showed that the C4.5 algorithm achieved the best classification performance for predicting both root mean square (RMS) values of residual and transient vibrations (RMSres and RMStrans) with 92.25% and 83.75% accuracy rates. In the second stage, the generalized coefficients for use in parameter tuning were found by interpreting the rules obtained from this model. Furthermore, the rules derived from the tree in this study were applied to different systems. Control applications showed that an average of 93.9% and 84.5% suppression ratios in residual and transient vibrations could be achieved with this method. In addition, vibration settling times were shortened by an average of 41.4 seconds. Following the experimental studies, the simulation was used to compare results with the aid of Matlab Simscape-Multibody. The results prove that the rules obtained from the tree in this study generate successful results in several different systems.     

一种肿瘤基因表达数据的知识提取方法

本文以多发性骨髓瘤的基因表达数据为例,利用数据挖掘技术,提出了一种针对基因表达数据进行知识发现的方法.该方法通过计算基因的信息增益,结合神经网络,找出了特征基因集合,最后利用决策树进行特征规则的提取,给出了基于多发性骨髓瘤数据样本的产生式规则,为生物医学研究提供了一种分析和研究基因表达数据的参考方法.实验结果表明了该方法的有效性.     

基于优化决策树的时延敏感流智能感知调度

目前流量调度策略无法做到智能按需化,尤其对于网络突发故障造成的拥塞以及高价值业务的护航场景,无法按需保障时延敏感的业务体验。通过分析研究不同网络业务流量时延敏感性属性需求,探索挖掘不同网络业务流量的行为特征与其时延敏感性需求之间的内在关联关系。然后利用AI技术对这种内在的关联关系进行学习,构建其映射关系,实现了时延敏感流智能感知调度。同时,考虑AI模型的可解释性及可部署性实际问题,采用强化学习剪枝优化可解释性决策树模型,提高模型的鲁棒性同时使模型更轻量化,易于设备部署实现。通过真实网络流量实验,强化学习优化后的决策树模型在单次推理情形下感知正确率提高1.75%,推理速度提升约30%;同时,实验也证明了使用局部微观统计特征多次推理有助于提高模型感知正确率。在所有实验中,强化学习优化的决策树模型规模缩小了60.0%～87.2%,并且Saras比Q-learning具有更好的优化表现。     

基于数据挖掘的财务管理预警模型

为了提升财务管理预警精确度,构建基于数据挖掘的财务管理预警模型.首先利用财务管理预警指标体系,然后通过数据挖掘技术中的决策树算法实现财务环境和财务活动中财务风险的有效预警,最后进行了财务管理预警仿真实验,试验结果表明,该模型的预警精准度可达98％,可清晰判断财务指标异常情况,具有较高的实际应用价值.     

Applied data science in patient-centric healthcare: Adaptive analytic systems for empowering physicians and patients

We define the emerging research field of applied data science as the knowledge discovery process in which analytic systems are designed and evaluated to improve the daily practices of domain experts. We investigate adaptive analytic systems as a novel research perspective of the three intertwining aspects within the knowledge discovery process in healthcare: domain and data understanding for physician- and patient-centric healthcare, data preprocessing and modelling using natural language processing and (big) data analytic techniques, and model evaluation and knowledge deployment through information infrastructures. We align these knowledge discovery aspects with the design science research steps of problem investigation, treatment design, and treatment validation, respectively. We note that the adaptive component in healthcare system prototypes may translate to data-driven personalisation aspects including personalised medicine. We explore how applied data science for patient-centric healthcare can thus empower physicians and patients to more effectively and efficiently improve healthcare. We propose meta-algorithmic modelling as a solution-oriented design science research framework in alignment with the knowledge discovery process to address the three key dilemmas in the emerging “post-algorithmic era” of data science: depth versus breadth, selection versus configuration, and accuracy versus transparency.     

认知无线电智能学习决策研究现状

认知无线电由于其灵活的频谱使用和智能参数重配置能力,引起了国内外的广泛关注。目前认知无线电（CR）大部分的研究都集中在动态频谱访问上,而认知无线电智能学习与决策研究正起步并逐步受到重视。现对认知无线电智能技术,包括学习方法、知识表示、智能决策方法等进行了描述,并介绍了CR智能学习决策的研究现状。通过对两类CR智能学习决策方法的分析研究,指出基于学习的决策方法能更好地实现认知无线电适应新环境的能力。     

高重频KrF准分子激光器能量特性控制

能量稳定性和剂量精度是半导体光刻用高重频准分子激光器的重要指标,必须采用高精度的控制算法对其进行控制。针对准分子激光器,首先对准分子激光器的单脉冲能量特性进行了分析,并在分析的基础上建立了准分子激光器的出光能量仿真模型。然后,分别设计了能量稳定性控制算法,基于PID的双闭环剂量精度控制算法和基于决策算法的剂量精度控制算法,并通过在仿真模型上实验对于算法控制效果进行了分析,证明了基于决策算法的剂量精度控制算法的适应性更强。最后,将基于决策的控制算法在一台重频为4 kHz的KrF准分子激光器上进行了验证。该激光器在基于决策的控制算法的控制下,能量稳定性的3σ小于5%,剂量精度小于0.4%,满足半导体光刻的需求。在仿真实验和实际实验中都证明了研究中设计的能量特性控制算法的有效性。