信息系统的一种启发式属性约简算法

针对文献[8]中加权平均属性重要度中权值人为确定的不足,提出改进的属性重要度定义,并以实例说明其应用情况.提出约简质量的定义,从属性约简率和近似质量两方面来衡量约简效果.基于改进的属性重要度定义（标准）,构造了两种启发式属性约简算法,并利用UCI数据库中的一些典型算例验证了算法的有效性;说明在某些情况下,提出的属性约简算法在一定程度上能够提高数据的约简质量.     

改进的FUP算法在五金产品质量分析系统中的应用

以阀门作为五金产品质量数据分析的实例,对阀门产品质量数据进行分析,主要是分析阀门产品的缺陷数据。针对传统的增量式关联规则算法FUP没有考虑到数据的时间属性,在FUP算法的基础上提出一种改进算法,并且将改进的FUP算法运用到产品质量分析系统中。通过实验结果对比发现,使用了改进算法以后,原来的许多规则已经不在生成的规则列表中出现,而一些新的规则被生成了。     

投影多属性决策法与常用水质评价方法比较

目的将属于区间数理论的投影多属性决策方法用于水环境质量评价并验证它的适用性,解决常用水质评价方法评价过程中将水质标准视为一个点值,且常采用实际监测数据的平均值作为准确值代替实际监测的区间型数据来进行水质评价的问题．方法对辽河同一断面分别用投影多属性决策方法与常用水质评价方法的内梅罗指数法、灰色关联度法、物元可拓法、模糊综合法5种方法进行水质评价,并进行比较分析各评价方法的优缺点．结果常用方法评价结果为V类或劣V类;投影多属性决策方法评价结果为劣V类,投影多属性决策方法与常用评价方法基本一致,且投影多属性决策法比常用水环境质量评价法更准确．结论投影多属性决策方法不仅可适用于地表水水环境质量评价．而且能直接采用实际地表水监测数据的区间型数据进行评价,为地表水环境质量评价提供新的应用方法．     

空间数据质量不确定语言评价研究

为解决空间数据质量评价遇到用不确定语言且各属性指标权重不明的问题,引入Vague集理论对不确定语言进行科学量化,利用属性区分度来确定权重,用正理想方案距离进行空间数据质量评价。研究结果表明:基于Vague集和属性区分度的评价结果反映了评价者对空间数据质量信息认识的模糊性和不确定性,能正确确定各指标权重,评价结果更能反映实际空间数据质量,使评价结果增加客观性减少主观性,从而使评价结果更科学。本研究结果可为空间数据质量定性评价提供一种参考方法。     

网络舆论意见领袖特征研究

为了发现网络舆论的意见领袖,利用从网络中采集到的基本数据,构造网络话题参与者的"属性矩阵",提出意见领袖综合评价算法,以排序方式列出意见领袖.通过实际示例说明应用该评价算法的基本步骤和计算方法.该模型具有一定的理论指导意义和实际使用价值.     

基于数据分区的连续属性整体离散化方法研究

实际问题中经常涉及连续的数值属性,然而许多归纳学习算法却是针对离散属性空间的.因此,对数据进行预处理的离散化算法一直受到人们的重视.兼顾所有属性间关系的整体离散化是一个重要方法,该文提出基于数据分区的整体离散化算法,它首先对例子集合在各个连续属性上的取值进行统一的放大处理,选出包含最多聚类信息的属性,将整个例子集合粗略的划分为多个分区;然后在各个分区中分别进行聚类、合并.该方法改进了基本的整体离散化算法,并利用农业专家系统中的土壤分类数据对算法进行了验证.     

基于多模态音视频融合的质量评价算法

针对传统客观评价方法中仅采用调查问卷的数据进质量评价和分类,存在数据不足和相对片面的问题,提出了一种基于多模态音视频融合的客观质量评价算法.该算法充分考虑了客观质量评价过程中产生的视频、语音和文本数据,并分别提取了各类数据中与评价结果相关的特征,通过对多模态数据特征进行加权融合和分类后,得到客观评价结果.以教学质量评价为例,采用自行搜集整理的客观评价数据构建的质量评价数据集进行评估分析.结果表明,与现有方法和基于调查问卷的传统方法相比,所提方法能够明显提升客观质量评价的精度.     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。     

基于频域的SSIM立体图像评价方法

针对空域SSIM(Structural Similarity)在立体图像评价中存在的人类视觉系统感知敏感性问题,提出了基于频域的SSIM立体图像质量评价算法。实验结果表明,相比其他图像质量评价方法,该算法更符合人类视觉系统的特性。     

基于变精度粗糙集模型的属性约简方法研究

提出了一种对存在噪声和不完整数据的决策系统在变精度粗糙集模型下进行属性最小相对约简的方法,将由属性对分类的影响程度和β近似精度共同定义的属性重要性度量作为启发式信息引入遗传算法,通过修正操作算子修复个体,使得个体所对应的属性子集的分类能力不变;修正操作算子中对各属性的属性重要性使用贪心策略进行局部寻优.对遗传算法的各操作算子进行优化,既保证遗传操作过程中种群的多样性,又保证算法能快速收敛.最后通过实例验证了算法的有效性.     

Reduced-reference image quality assessment based on fuzzy classification

Image quality assessment is an important branch in the fields of image processing. It would be employed for calibrating image processing system or algorithms, and be applied for algorithm optimizing and parameter setting. Reduced-reference image quality assessment (RR-IQA) has become to be one of the focuses in image processing fields. Inspired by the fuzzy human evaluation, an efficient RR-IQA framework is proposed in this paper. In the framework, the images are allocated into several fuzzy sets with their degrees of memberships. The natural scene statistics (NSS) in wavelet domain is used for extracting features. After that, a multi-class fuzzy classifier is training for assigning image features into fuzzy sets with their corresponding degrees of memberships. Contrast to the typical RR-IQA methods, the proposed one relates well with the human evaluations and has low computational complexity. The experimental results demonstrate that the proposed framework outperforms the state-of-the-art reduced-reference methods.     

基于支持向量回归的无参考屏幕内容图像质量评估

提出一种新的基于支持向量回归的无参考屏幕内容图像质量评估算法. 首先,利用高斯差分函数计算边缘图,通过边缘图提取边缘特征; 其次,通过局部归一化获得亮度图,根据亮度图统计亮度特征; 最后,利用支持向量回归算法将质量感知特征映射为主观分数. 在两个数据集上的实验结果表明,所提算法的性能优于大部分现有算法.     

双离合器式自动变速器换档品质评价与优化

从控制的角度出发将双离合器式自动变速器(DCT)换档品质评价指标进行了细分定义。基于MATLAB/Simulink搭建了某DCT样车整车模型。设计了控制品质评价系统。通过整车系统模型与评价系统的联合仿真,确定了控制目标,即各个评价指标的控制期望区间,从而为双离合器式自动变速器控制策略、控制算法提供参考和指导。在换档控制中以换档品质评价等级最高为目标函数,通过遗传算法的多目标优化方法,针对扭矩相、惯性相离合器切换时序的控制策略进行了优化,得到了离合器分离/接合速度的最优解集。基于双离合器式自动变速器整车系统模型和评价系统的仿真平台,给出了换档品质优化前后的仿真结果。整车试验结果表明:换档控制策略和控制算法优化方案是正确的,从而改善了DCT的换档品质。     

基于S变换和决策树算法的电能质量扰动识别

提出一种基于S变换和数据挖掘中决策树算法的电能质量扰动识别的方法.该方法首先用S变换对电能质量扰动波形进行时频分析,并使用统计方法提取相关特征量,然后用决策树算法对提取的特征量样本进行分类,并获得明确的分支规则.仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应速度快.     

基于图像复原的无参考质量评价

利用图像复原产生全参考质量评价所需的参考图像.文中提出一种新颖的含噪音图像的无参考质量评价算法,利用小波去噪算法获得近似的参考图像,通过人眼视觉系统处理,计算待测图像与参考图像的峰值信噪比.LIVE图像数据库上,文中提出的算法以及NPSNR和HVSPSNR与主观感知质量的相关系数分别是93.02%,91.29%和90.62%.实验结果表明,该方法的性能表现要优于传统的NPSNR和HVSPSNR.     

一种基于OFDM的具有QoS保证的无线IP分组调度算法

根据无线OFDM（Orthogonal Frequency Division Multiplexing）系统的多载波并行传输特性及多用户无线通信系统的特点,利用跨层交互算法,提出了1种适用于IP分组业务的无线多业务分组调度算法（AS-OFDM）。该算法通过在系统的网络层、链路层及物理层之间传递系统信息,实现了无线资源的自适应分配和IP分组的自适应调度。仿真试验表明,同传统的IP调度算法相比,该调度算法在保证不同业务的QoS的条件下,能够实现对无线资源更为有效的利用和保证具有相同业务需求的不同用户之间的公平性。     

基于PCA和半监督聚类的入侵检测算法研究

针对网络入侵检测数据存在大量冗余信息和传统聚类算法对离群点检测不足的问题,提出一种基于主成分分析(principal component analysis, PCA)和半监督聚类的入侵检测算法。首先使用PCA对数据进行特征提取,消除数据间的冗余属性;然后利用少量已标记样本和成对约束信息,通过引入竞争凝聚让系统主动学习,以实现对大量未知样本的检测。在入侵检测数据集和UCI基准数据集上的实验结果表明,该算法能有效提高系统的性能。     

无线多媒体传感器网络信息质量评估模型

媒体数据的引入使得对无线多媒体传感器网络（WMSNs）的信息质量进行定性和定量评估更为复杂.针对WMSNs中多种类型数据的不同特点,联合网络质量评估和数据质量评估,构建无线多媒体传感器网络信息质量综合评估模型,并提出信息质量综合评估指标体系.首先,根据WMSNs业务特点定义综合评估指标体系的各项评估指标;其次,针对综合评估模型中的网络评估和数据评估,定义了网络域和数据域各评估参数的计算方法;最后,给出了综合评估体系中各项评估指标的综合评测方法.     

Blind Image Quality Assessment Based on Hybrid Fuzzy-Genetic Technique

A new method for no-reference image quality assessment based on hybrid fuzzy-genetic technique is proposed. Noise variance and edge sharpness level of the restored image are two basic metrics for assessing the performance of the restoration algorithm, then a fuzzy if-then inference system is developed to combine the two metrics to get a final quality score, and the parameters of the fuzzy membership function are trained with genetic algorithms. Experiments results show that the image quality score correlates well with mean opinion score and the proposed approach is robust and effective.     

自适应控制深度学习和知识挖掘图像分类

针对传统分类方法的局限性,提出了一种深度学习结合知识挖掘的零样本图像自适应控制图像分类算法.利用对图像属性的深度学习来实现图像深层次特征及属性的学习和预测,基于图像的属性-类别映射使分类器性能有较大差异,通过稀疏表示模型挖掘图像类别和属性之间的关系并设计自适应控制的属性分类器实现对图像的分类操作.结果表明,与DBN和SVM算法相比,在监督模式和零样本模式下,该算法具有较高的属性预测准确度.在零样本情况下对Shoes数据集进行分类时,该算法具有最高的准确分类识别率,比其他算法的分类识别率提高了15%.