Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据.基于Rough集的有关理论,提出了一个在决策树生成过程中简单高效的识别、处理不相容数据,生成不一致决策叶节点的方法,并引入决策质量参数来刻画不一致叶节点,从而为利用决策树推理和决策提供更多有用信息.将这些方法结合进ID3算法,使算法对相容和不相容数据均可进行有效地处理.     

基于证据理论的知识发现分类算法

决策树方法是一种重要的可完成分类任务的知识发现技术 ,目的是通过构造一个分类模型 ,把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛 ,但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限 ,利用证据理论是对概率论的扩展 ,将置信函数与概率的上下值相联系 ,可用于不确定数据的表达这个有力工具 ,把决策树分类技术扩展到含有不确定数据的环境中 ,提出了 D- S决策树分类算法。实验结果表明 D- S决策树分类算法能有效的对不确定数据进行分类。     

Rough集在不一致决策树生成中的应用

现实世界中存在大量不相容数据．基于Rough集的有关理论，提出了一个在决策树生成过程中简单高效的识别、处理不相容数据，生成不一致决策叶节点的方法。并引入决策质量参数来刻画不一致叶节点，从而为利用决策树推理和决策提供更多有用信息．将这些方法结合进ID3算法，使算法对相容和不相容数据均可进行有效地处理．     

基于属性离散和特征度量的决策树构建算法

针对基于信息熵的决策树算法中存在多值属性偏向、连续属性处理不佳和时间复杂度较高等问题,提出一种基于离散比概念的决策树特征度量方法.首先采用K-means聚类算法对连续性数值属性进行离散化处理,其次利用属性在各个分类中的权重以及在整个条件属性中的权重比值,计算出该属性的离散比,避免了计算熵过程中复杂的对数运算,最后根据离...     

基于证据理论的知识发现分类算法

决策树方法是一种重要的可完成分类任务的知识发现技术，目的是通过构造一个分类模型，把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛，但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限，利用证据理论是对概率论的扩展，将置信函数与概率的上下值相联系，可用于不确定数据的表达这个有力工具，把决策树分类技术扩展到含有不确定数据的环境中，提出了D-S决策树分类算法。实验结果表明D-S决策树分类算法能有效的对不确定数据进行分类。     

基于多源数据融合的高速公路路网短时交通流参数实时预测

针对高速公路路网交通数据中存在大量噪声数据与缺失数据,数据完整度较低,导致预测精度下降的问题,提出一种基于多源数据融合的高速公路路网短时交通流参数实时预测方法。采用小波分析阈值法对高速公路路网交通数据进行去噪处理,在最小二乘支持向量机基础上采用组合阈值填补方法填补交通数据序列中存在的缺失数据,提高交通数据的完整度。结合小波神经网络和遗传算法建立短时交通流参数预测模型,采用遗传-小波神经网络处理多源检测器采集到的交通流参数,通过最小二乘动态加权融合算法融合多个检测器的交通流参数,将交通流参数输入预测模型中,得到高速公路路网短时交通流参数实时预测结果。实验结果表明,采用本文方法处理后的交通数据序列中不存在缺失数据,数据完整度较高,且所得预测结果与实际车流量变化曲线较为贴近,预测精度高,可以广泛应用在交通流预测领域。     

发动机测试中温度数据的融合方法

由于发动机测试过程中存在着许多不可避免的疏忽误差,如不对数据进行必要的消除误差的处理,将直接影响对发动机运行状态的客观评价,而采用传统的数据处理方法并不能满足越来越高的测试精度要求,提升硬件系统又将大大增加系统成本投入,不适合大多数小型测试系统的开发和使用.本文介绍了在发动机测试实验中,一种用于温度(冷却水温度、机油温度等)数据采集,基于多传感器(N<10)的数据处理方法:采用分布图法剔除疏忽误差并利用算术平均值算法与分批估计相结合的方法对数据进行融合处理,以估算出温度真值.     

多源信息的模糊决策树融合算法研究

针对不确定性问题，提出了一种新的基于知识发现的信息融合的方法.对不确定问题采用精确的数学方法解决会得到不精确的结论，模糊决策树算法可以很好地解决这类问题，并能有效地提取出模糊规则.即利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理，建立准确的评估模型，提取隐含其中的规则，最终获取新的知识.此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统.实验证明，这种知识提取方法对处理大量无序、不确定的数据很有效.     

一种适用于航天大数据的深度决策树模型

常规处理百万网格航天大数据的物理量回归分析方法不适用于复杂的流场环境，可使用多种机器学习模型解决该问题。但已有的机器学习模型无法同时具备高预测精度、模型可解释性和大数据处理能力。对此，提出了一种新型深度决策树模型。基于堆叠的深度森林模型，通过自适应多粒度扫描和自生长级联森林对隐藏特征进行提取和利用。使用航天大数据进行实验，结果表明所提模型在预测精度、泛化性能和核心功能增益等方面优于随机森林、XGBoost和LightGBM模型。     

利用FME实现CASS数据到GIS数据库属性的匹配

FME为一套完整的访问处理空间数据的解决方案,可以满足数据快速访问和处理的要求.利用FME处理CASS数据转换到GIS数据库中,为进行数据属性的匹配,展示了FME软件一些功能在数据处理中的应用,为CASS数据入库提供了一种效率更高更便捷的途径.     

Data Caching for XML Query

Webapplicationssupportedbydatabaseretrieve desiredinformationfrommultipledatabasebyissuing queriesagainstremotedatabaseserversacrossInter net.Delayeddatatransmissionsandlostdatapack agesoftendecreasetheirefficiency.Hence,aconsid erableamountofworkhasfocusedontheproblemof semanticcachingfortheseapplications[1-3],but mainlyfocusontherelationaldatabases.Asthenum berofwebapplicationsthatbackedbyXMLdatabase increases,sodoestheneedtoprovideefficient cachingmechanismssuitableforthenatureoftheex ten…     

基于平衡因子判定完全二叉树的算法

完全二叉树是数据结构中讨论的重要内容之一,目前对完全二叉树的判定方法较为单一,通过分析和研究完全二叉树和平衡二叉树中平衡因子的性质,得出了基于平衡因子判定完全二叉树的方法及判定算法。     

基于骨架提取的树木主枝干三维重建算法

为了实现树木主枝干的三维重建,提出了一种基于骨架提取的算法.首先,根据Dijkstra距离对点云数据进行分段.然后,提取出每个连通部分的骨架,并采用线性规划的优化模型求出距离与角度的权值,根据加权后的匹配度进行骨架的连接,得到整株树的完整骨架.最后利用圆柱体拟合出树木枝干的模型,对含笑树和樱花树分别进行了实验,得到了令人满意的实验结果.     

一种基于粗糙集理论的决策规则提取方法

粗糙集理论是一种新兴的数学工具,用于分析、处理不确定或不完整的复杂信息,适合于从大量复杂的数据中发现隐含的、潜在有用的规律。提出了一种基于粗糙集理论的决策规则提取方法,通过重要度分析和属性约简,找出影响决策属性的关键因素。通过值约简,得出决策规则。运用该方法对大学生自主学习风气与能力培养之间的关系进行研究,实例分析表明,这种新的方法具有实际应用价值。     

基于粗糙集理论的多传感器信息融合

利用粗糙集理论的属性约简、值约简、核和不完备信息系统等概念来进行多传感器信息的融合,除了传感器测量的数据之外,无需任何额外的信息.针对完备信息系统和不完备信息系统分别提出了相应的融合算法,为解决传感器数据超载以及不完整传感器信息融合提供了有效的方法.     

基于数据挖掘的高校信息管理系统研究

充分利用高校信息管理系统中的有效信息,可以提高高校管理工作的质量和效率。针对高校信息管理系统的特点,通过分析数据挖掘的过程、主要工作量和技术方法,提出数据挖掘技术在高校信息管理中的具体应用,从而为高校管理人员提供有指导价值和参考意义的信息,更好地完成高校管理工作。     

XML弱多值依赖的推理规则

数据约束是数据库规范化理论的基础,不完全信息引入XML文档后,需要重新定义数据约束。基于XML Schema、符合XML Schema的不完全XML文档树、子树信息等价和子树信息相容等定义给出了XML弱多值依赖的定义和性质;为了研究数据依赖的逻辑蕴涵问题,给出了XML弱多值依赖的推理规则集,并对其正确性进行了证明。以上研究为不完全信息环境下存在XML弱多值依赖的XML文档的规范化研究奠定了基础。     

基于蚁群算法的贝叶斯网结构学习

针对具有丢失数据的贝叶斯网结构学习问题,提出了一种将数据的完备化与结构的蚁群优化相结合的学习方法.随机初始化未观察到的数据,得到完整的数据集,并利用蚁群算法学习得到初始网络结构;然后进行迭代学习,在每次迭代中根据当前最好的贝叶斯网结构,利用EM估计和随机的采样插入对数据进行完备化,在完备数据下,利用改进的蚁群优化过程使结构不断进化,直到获得全局最优解.实验结果表明,该方法能有效地从不完备数据中学习贝叶斯网结构且与新近的MS-EM、EGA、BN-GS方法相比,具有更高的学习精度.     

基于改进Prim算法的变电站巡检机器人路径规划

变电站巡检机器人主要代替人进行变电站设备巡检,全面实现变电站无人值守。通过GPS定位技术获取机器人及设备位置信息,并将其抽象成网状存储结构,利用改进Prim算法生成最小生成树,同时,设计遍历算法遍历最小生成树,使路径回溯花费最小,完成机器人巡检路径规划。仿真实验结果表明,算法具有数据结构简单、执行效率高的特点。     

一种基于属性频率划分的决策树算法

决策树是数据挖掘任务中分类的常用方法。在构造决策树的过程中,节点划分属性选择的标准直接影响决策树分类的效果。基于粗糙集的属性频率函数等方法度量属性重要性的概念,将其用于分枝划分属性的选择,提出一种决策树学习算法。该方法仅利用区分矩阵就可以计算出属性的出现频率函数值,计算简单。实验结果表明,用该方法构造的决策树与传统的基于信息熵方法构造的决策树相比较,结构简单,且能有效提高分类效果。