基于规则综合质量的属性值约简算法

属性值约简是粗集理论的核心内容之一.将属性值约简和数据挖掘相结合,给出支持度、置信度、覆盖度的定义.在此基础上,提出了一种新的属性值约简算法一基于规则综合质量的属性值约简算法.通过算法复杂度分析说明,该算法在一定程度上解决了属性值约简的NP难问题.实例仿真表明该算法在解决一些相关实际问题方面是可行的,具有一定的实用价值.     

入侵检测中的数据约简研究

为解决入侵检测中的数据约简问题,提出一种基于粗糙集的入侵检测数据约简算法,其中包括特征选择与属性值约简。特征选择部分采用互信息的方法消除冗余特征,属性值约简部分采用归纳值约简算法消除冗余属性值。实验结果表明,该方法不仅能缩短训练及检测时间,减小数据存储代价,还能提高分类精确度。     

基于粗糙集的一种属性值约简算法及其应用

阐述粗糙集理论的基本概念,并且对属性约简和值约简算法进行研究,提出了一种基于粗糙集的属性值约简算法.通过实例介绍该算法的应用.研究表明,该算法不仅能得到最佳的决策规则,而且能够大大降低信息系统所需的存储空间,该算法可以解决各种有关的实际问题.     

基于Rough Set理论的一种属性值约简算法

属性值的约简是Rough Set理论的核心内容之一。它的口的就是在保持规则集的分类能力的条件下,删除多余属性值,进一步简化规则集。从而,得到最小的知识库。本文针对Rough Set理论中值约简这个重要问题进行了研究,提出了一种利用决策规则质量的属性值约简算法。该算法比现有的值约简算法更简化,并用实验证明了其有效性。     

基于Rough Set的属性值约简算法研究

从逻辑的角度分析了属性值约简的本质及过程,在此基础上构造辨识矩阵,提出了一种基于Rough set的属性值约简新算法,并对此进行了证明。该算法比以往的算法更简便、直观,易于编程实现,也更易从本质上理解属性值约简的实质及过程,并且算法不破坏决策系统中的不一致规则所蕴含的信息量。实例分析表明该算法是有效可行的。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

基于属性值重要性的Rough集值约简算法

值约简是Rough集理论的一个重要研究课题。很多学者对它进行了研究并提出了不同的值约简算法,但是在执行效率上还有待提高。在启发式值约简算法基础上,结合属性值的重要性,提出了一种改进的基于属性值重要性的Rough集值约简算法,该算法在执行效率上有很大的提高,通过实例分析验证了该算法的可行性和有效性。     

一种基于辨识矩阵的启发式属性值约简新算法

属性值约简是Rough Sets知识约简的核心内容之一.针对经典算法存在的不足,对属性值约简的本质及过程进行了深入研究,在此基础上构造辨识矩阵,提出了一种启发式的属性值约简新算法,并对其正确性进行了分析和证明.实验表明该算法有效可行,不仅可以得到更加简练的决策规则,而且不破坏决策系统中不一致规则所蕴含的信息量,弥补了经典算法的不足.     

一种专家系统知识获取时的属性值约简算法

知识获取是构造专家系统的"瓶颈",提供准确的推理知识是进行科学决策的关键。文中运用粗糙集理论,研究对决策表中每条记录的冗余条件属性值进行筛选并删除的属性值约简算法。首先研究属性值约简的理论基础,包括知识表示和知识约简与核两个方面;其次研究知识获取方式与知识获取过程;然后研究属性值约简算法,通过两个定义描述约简算法的基础上,给出了约简算法的5个步骤;最后以城市物流中心选址为例,运用属性值约简算法及其步骤,对决策表属性值进行约简。结果表明,属性值约简实现了决策表的最简化,突出了关键属性及其关键属性值对决策的影响。     

基于粗糙集的专家系统知识库约简研究

基于粗糙集理论提出一种改进的属性值约简算法;首先针对粗糙集中两种属性重要度定义存在的不准确性问题,提出一种加权平均的属性重要度定义;接着将此定义引入改进的属性值约简算法之中,在求得决策表中属性值核后,用它指导后续属性值的添加问题;改进后的算法可以在保证约简效果的前提下,从不相容决策表中获得完整的解空间;最后通过约简某型专家系统知识库的实例验证了所提算法的有效性。     

一种基于Rough集的属性值约简算法

文章将Rough集理论应用于不同类型的决策表(一致决策表和不一致决策表)的约简,给出了广义决策、决策规则的一致程度、属性值重要性等定义,在此基础上提出了一种基于Rough集的属性值约简算法。该算法不仅能得到更为简洁的决策规则,而且能保持决策规则的一致程度不变。实例分析表明该算法是可行的。     

基于BP神经网络的图像识别研究

BP神经网络具有较强的容错性和自适应学习能力,因而在数字图像识别领域有着广泛的应用。本文在经典BP神经网络的基本算法的基础上,对BP算法的参数设置进行了优化,实现了一种基于分类的改进BP神经网络算法。通过探讨BP神经网络在数字图像分类识别中的应用,详细考察了各种参数对识别效果的影响。实验结果证明改进后的算法有很好的实用价值。     

冗余数据约简的研究与设计

Z. Pawlak于1982年提出的Rough集理论有效地分析了不确定、不精确、不一致等各种不完备信息,其优点是无需任何关于数据的初始的或附加的信息,如统计学中的概率分布。该文介绍了Rough集的基本理论在数据约简中的应用。在分析基于信息系统的粗糙集理论的基础上,描述了一种基于核与重要度的约简算法,从降低约简算法计算复杂度角度出发,修改了属性约简算法,计算了算法修改前后的复杂度。实验结果表明,修改后的算法在降低时间复杂度的同时得出了次优属性集的约简。     

基于遗传算法的生物芯片反应仪温控箱PID控制系统

为了改进原有的常规PID控制器,从传热学原理出发,针对生物芯片反应仪温控箱的数字式温度控制系统,建立了该温控箱的传递函数模型,并通过大量实验确定了模型的系数;由此提出了一种较实用的遗传算法PID方案;仿真结果表明,改进的温控器较原控制器,有更小的振荡幅度和更短的调整时间;将所得结果应用到生物芯片反应仪温控箱表明,改进的PID控制器提高了系统动态性能,增强了系统稳定性和快速性;此算法以实际工程为基础,因此具有一定的理论价值和较大的实际意义.     

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转化,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。本文提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值的方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差提高算法精度。     

一种区间型数据的离散化方法

随着数据挖掘和知识发现等技术的迅速发展,出现了很多数据离散的算法,但是,已有的离散化方法大多是针对固定点上的连续属性值的情况,实际应用中大量存在着连续区间属性值的情况。针对这一问题,提出了一种连续区间属性值离散化的新方法。通过区间数的相似度来描述对象间的相似关系,定义相似度阈度确定离散关系,来实现对区间数据的离散化,经过分析相似度在算法中的作用,提出了一种新的变量——关联度,改进了算法。采用多组数据对此算法的性能进行了检验,与其他算法做了对比试验,试验结果表明此算法是有效的。     

基于二维模糊熵的GA在SAR图像分割中的应用

SAR图像中目标和背景的分割是SAR图像分割中的重要内容,阈值方法是其中比较简单实用的方法。阈值分割的核心问题是如何选择合适的阈值,最简单和常用的方法是从图像的灰度直方图出发,得到各个灰度级的概率分布密度,依据某一准则选取一个或多个合适的阈值,以确定每个像素点的归属。该文借助遗传算法工具,对基于二维直方图的模糊熵法做了改进和设计,提出了寻找最优阈值的分割算法,经MSTAR数据测试,对于含噪SAR图像目标和背景的分割具有很好的效果,抑噪功能强。     

基于节点影响力的理性节点标签传播算法

社区发现能够揭示真实社会网络的拓扑结构和重要节点.由于具有线性时间复杂度,无需定义目标函数及目标参数,标签传播算法(LPA)作为经典社区发现算法被广泛应用在学术和实践领域.针对LPA算法更新顺序的无序性和标签选择的随机性,提出基于节点影响力的理性节点标签传播算法(RLPBNI).将节点影响力排序作为更新顺序,引入理性节...