共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
本文主要介绍把连续系统转换成断续系统的三种方法,即双线性变换法;系数修正法和状态转移矩阵法。以及计算机转换程序的设计法。 相似文献
3.
连续属性离散化是知识系统中的一个重要环节,一个好的离散化方法能够简化知识的描述和便于对知识系统的处理。而求取连续属性值的最优断点集合是一个NP难题。提出一种连续属性模糊离散化的Norm-FD方法:根据正态分布特点采用正态离散化算法(Norm-D算法),使其离散结果达到需要离散区间数,根据属性值和与其相邻的区间关系将具体属性值用F-Inter算法转化为用隶属度、分区号和偏向系数三个参数表示。 相似文献
4.
5.
提出了一种基于区间数据分布特征的决策表连续属性离散化的方法。方法在断点的选择上考虑了属性值的出现频率,在区间内的一致性和区间之间的差异性基础上,利用条件信息量作为反馈信息合并区间。通过实验分析表明了算法的有效性,能保持决策表较高的分类能力,提高约简效率。 相似文献
6.
一种连续属性离散化的新方法 总被引:6,自引:0,他引:6
提出了一种基于聚类方法、结合粗集理论的连续属性离散化方法。在粗集理论中有一个重要概念:属性重要度(Attribute significance),它常用来作为生成好的约简所采用的启发式评价函数。受此启发,在连续属性离散化方法中可把它用于属性选择,即从已离散化的属性集中选择出属性重要度最高的属性,再把它和待离散化的连续属性一起进行聚类学习,得到该连续属性的离散区间。文中介绍了该方法的算法描述,并通过实验与其他算法进行了比较。实验结果表明,由于这种方法在离散化过程中结合了粗集理论的思想,考虑了属性间的相互影响,从而产生了比较合理的划分点,提高了规则的分类精度。 相似文献
7.
8.
9.
一种新的基于连续属性离散化的属性约简方法* 总被引:1,自引:0,他引:1
通过将连续属性离散化和属性约简结合起来,首先对连续型的属性列进行离散化,得到新的决策表;然后再对新的决策表作属性约简,解决了属性约简过程中由于不考虑连续属性而无法求出准确约简属性的问题。最后通过具体案例表明了该方法具有较好的实用性、有效性,可以很好地应用在含有大量连续属性的数据挖掘项目中。 相似文献
10.
11.
黄士元 《自动化技术与应用》1993,12(4):56-59,45
按连续控制系统各环节的传递函数求系统动态响应的数字仿真程序,一般有两种,一种是基于龙格-库塔法的仿真程序,一种是基于离散相似法的仿真程序。前者每一步都要计算四个系数,计算速度较慢,后者的系数φ(T),φ_m(T),φ_m(T)可以一次求出,速度较快,且对非线 相似文献
12.
实际的数据挖掘过程中,经常遇到的一个难题就是数据库中的某些属性上的属性值是连续的,如果不对这些数据进行处理,那么给规则的提取带来了很大的困难。本文利用SOFM网络能够找到连续属性断点的功能,提出了一种基于SOFM网络的离散化方法,从而实现了对连续属性的离散化。算法分析和实验证明,本算法是切实可行的。 相似文献
13.
连续属性离散化在数据分析的数据预处理中非常重要。本文提出一种基于类信息熵的有监督连续属性离散化方法。该方法运用了粗集理论中决策表的一致性水平的概念。算法分成两部分:首先根据决策表的一致性水平动态调整聚类类别数目,运用分级聚类形成初始聚类。然后,基于类信息熵合并相邻区域,减少区间数目。实践证明该方法是可行的。 相似文献
14.
15.
16.
一种基于信息论的决策表连续属性离散化算法 总被引:2,自引:0,他引:2
连续属性离散化方法对后续阶段的机器学习和数据挖掘过程有着重要的意义。提出一种新的针对决策表的离散化算法,在该算法中,首先将信息熵用作判断标准,从候选断点集中选择合适的断点,然后删除一些冗余的断点来优化离散结果,在删除过程中为了尽可能保证决策表分类能力不变,使用不一致率对该过程进行控制。最后选取多组实验数据,使用当前流行的分类算法——支持向量机(SVM)对离散化后的数据进行分类预测,并与其它离散算法进行对比,结果表明本算法是有效的。 相似文献
17.
18.
使用信息论的方法进行连续属性的离散化,引入Hellinger偏差HD(Hellinger Divergence)作为每个区间对决策的信息量度量,从而定义切分点的信息熵,最终的离散化结果是使各区间的信息量尽可能平均,分析了HD度量在两种离散化方法中的作用,说明它在划分算法中运用比较理想,而在归并算法中则有局限。 相似文献
19.
20.
为了得到非线性状态参数延时系统的离散模型,提出 了一种非线性状态参数延时系统的离散方法.该方法基于泰勒级数和Scaling and Squaring技术,可以为非线性状态参数延时系统提供准确的离散模型.所得到的模型具有有限的维数,因此该模型可以用来设计相应的非线性控制器.当采样周期增大的时候,为了得到足够准确的离散模型... 相似文献