基于粒度计算的覆盖算法

为了更好地解决高维海量数据的分类问题,本文提出一种基于粒度计算的覆盖算法.该算法以粒度计算为理论依据,指出在分析研究某一问题时,可以适当将其属性、论域或者结构粗化,求得某个商空间,在该商空间中抓住事物的本质对其研究,对某些在同一个粗粒度世界无法识别或者彼此特征区别很弱的对象可以换一个粒度世界对其分析,从而全面了解整个问题;以构造性学习算法--覆盖算法为具体实现工具,得到多个商空间中的结果,最终由商空间理论中的函数合成法获得完整结果.实验证明这种基于粒度计算的覆盖算法在解决分类问题时是行之有效的.     

基于商空间理论的模糊粒度计算方法

商空间信息粒度模型可以从不同角度、不同层次观察问题.本文首先将商空间理论中论域合成技术进行推广,根据已知的粒度知识给出了粒度搜索范围,在问题求解中,降低了计算复杂度.然后讨论了模糊商空间粒度计算和分层递阶结构的关系,用不同粒度的商空间模型来表示聚类的结构.据此提出了基于Gaussian型函数的模糊聚类算法(G-FCluster算法),算法用距离表示信息粒度,不需要定义隶属函数和求出相似矩阵,并且不需要讨论参数的选择.将算法应用于中国证券市场,并与FCM算法进行比较.实验说明了算法可以很直观地从不同粒度(距离)观察聚类结果,大大降低了计算复杂度和空间复杂度,适于处理大数据量的样本.     

基于商空间的煤矿瓦斯浓度预测研究

针对瓦斯浓度预测存在多因素影响的特点,在商空间理论下,采用多种粒度,从不同的角度(层次)来分析瓦斯预测的数据,同时利用商空间的合成和多侧面递进算法,提出一种神经网络模型和覆盖算法结合的模型来对瓦斯浓度进行预测.通过对测试样本进行实验,结果表明,该方法比传统方法具有更好的预测效果.     

基于粒度计算的覆盖算法在文本挖掘中的应用研究

该文首先分析了粒度计算的研究现状和原覆盖算法里面存在的缺点,即测试样本识别时拒识的概率较大以及当所得的覆盖存在交叉时,测试样本的类别确定问题,然后应用基于商空间的粒度计算理论针对覆盖算法的第一个缺点进行改进和优化,即对覆盖算法中的拒识样本进行二次处理。通过改变处理问题的粒度,使覆盖粒度在由粗到细的变化过程中,实现对拒识样本的渐进识别,在更细的空间中减少拒识的样本数,提高识别率。最后在中文文本数据库中使用优化后的覆盖算法,该数据库已进行过预处理。实验结果显示,这种优化后的方法减少了测试样本识别时的拒识样本数量,降低了识别样本时的出错率,有效地提高了实验结果的精度。     

优化的覆盖算法在文本挖掘中的应用研究

文章首先分析了覆盖算法中存在的两个主要缺点,即由于分类边界的粗糙而造成的测试样本拒识的概率较大以及当所得的覆盖存在交叉时,测试样本的类别确定问题,在此基础上应用基于商空间的粒度计算理论针对覆盖算法中的第二个缺点进行优化,即对覆盖算法中的由于覆盖交叉而误判的样本进行二次识别。通过减小识别样本的粒度,使覆盖粒度在由粗到细的变化过程中,实现对误判样本的渐进识别,在更小的空间上实现对误判样本的二次识别,从而提高了识别率。最后在已进行过预处理的中文文本数据库中使用优化后的覆盖算法,实验结果表明,优化后的方法减少了误判样本的数量,降低了识别样本时的出错率,有效地提高了分类的精度。     

图像滤波的商空间粒计算算法

针对传统滤波器在噪声检测和滤除中存在的不足,提出了基于商空间粒度理论的噪声检测和粒度逆谐波均值滤波算法。该算法将受噪声污染的图像划分成不同粒度层次的商空间,形成商空间半序格,结合保假原理选择适当的粒度空间实施噪声分类检测和分别滤除。实验结果表明,该算法在滤除噪声的同时能够较好地保持图像的细节纹理特征、改善图像质量、提高信噪比等。     

基于商空间的气象时间序列数据挖掘研究

论文从一种新的角度,针对气象时间序列的特点,在商空间粒度计算理论框架下,采用多种粒度,从不同的层次分析复杂的气象数据信息,利用商空间的合成技术,和多侧面递进算法进行综合信息处理。并提出了一种灰色模型GM(1,1)与构造性机器学习方法(交叉覆盖算法)结合的模型对气象时间序列进行数据挖掘(产量预测)。最后,通过该模型在真实数据上的实验(冬小麦产量预测),取得了令人满意的结果。     

基于商空间的构造性分层竞争网络算法

构造性学习方法根据学习样本构造神经网络,有效地解决了神经网络结构难以确定和学习速度慢的问题.文中在此基础上,利用商空间的粒度原理和霍夫曼编码的思想,对样本分布极其不均匀的分类问题,构造分层竞争覆盖网络.实例表明这种算法可以进一步提高训练的速度和识别的精度,减少拒识样本.     

覆盖粒度空间的多层次粒度结构研究

针对覆盖粒度空间中的知识表示、基本运算、层次结构及粒度结构度量问题进行分析与研究.首先,定义覆盖近似空间中对象的相容类,构造覆盖粗糙集模型的相容关系,定义相容类中对象之间的相容度,由此相容关系诱导出覆盖粒度空间的概念.其次,给出覆盖粒度空间下对象的矩阵表示,定义覆盖粒度空间中基本运算,并诱导出覆盖信息粒的概念,从而对覆盖粒度空间中粒度的大小进行了度量.接着,定义覆盖粒度空间的三种偏序关系,以此揭示覆盖粒度空间的层次关系.最后,定义覆盖粒度空间的信息粒度、粗糙度和粗糙熵,研究在覆盖粒度空间中多层次粒度结构度量的各种关系.研究结果统一了覆盖粒度空间下信息粒度的相关度量,从而为粒计算的多层次粒结构理论进一步的完善提供依据.     

图像分割的商空间粒度原理

从商空间粒度理论角度分析图像分割概念,研究已有的图像分割方法,提出图像分割的商空间粒度原理．用商空间的三元组（X,f,Г）-（[X],[f],[Г]）来描述图像分割过程,阐述基于商空间粒度计算理论的图像分割原理及基于粒度分层、合成及其综合技术下图像分割的方法,并提出了基于粒度合成原理的复杂纹理图像的分割算法．该算法通过分别提取多纹理图像中纹理区域的方向性及粗细度特征,形成图像的不同粒度,然后根据粒度合成原则,对所形成的粒度进行合成,从而实现对纹理图像的分割,实验表明该算法对复杂纹理图像分割是有效的．     

一种适合于复杂电磁环境下短波跳频信号的检测方法

分析短波波段复杂电磁环境下跳频信号检测存在的难点,并根据短波通信信号的特点,提出一种时间、频谱和幅度关联的检测方法,称之为时频幅三维关联法.文章主要结合商空间粒度分析理论,提出改进的覆盖聚类算法,并对截获的海量复杂数据进行预处理,消除了噪声,然后运用时频幅三维关联法,排除定频信号、突发信号等.实验结果说明该方法能够有效地检测出跳频信号,验证了方法的实效性.     

基于商空间的构造性分层竞争网络算法

构造性学习方法根据学习样本构造神经网络,有效地解决了神经网络结构难以确定和学习速度慢的问题。文中在此基础上,利用商空间的粒度原理和霍夫曼编码的思想,对样本分布极其不均匀的分类问题,构造分层竞争覆盖网络。实例表明这种算法可以进一步提高训练的速度和识别的精度,减少拒识样本。     

基于商空间粒度聚类的异常入侵检测*

针对异常入侵检测技术中传统聚类方法需要被检测类大小均衡的问题,在商空间粒度理论的基础上,论述了商空间粒度变换可以使复杂问题在不同的粒度世界求解,最终使整个问题得到简化。分析了商空间划分与聚类操作的相似性,提出了基于商空间的粒度聚类方法,并将该方法与入侵检测技术相结合,构建了基于商空间粒度聚类的入侵检测系统,用于对KDD CUP 1999数据集的异常入侵检测。实验结果表明,该入侵检测系统的性能明显优于基于传统聚类方法的入侵检测系统,从而证明了该方法的正确性和有效性。     

基于商空间粒度聚类的异常入侵检测

针对异常入侵检测技术中传统聚类方法需要被检测类大小均衡的问题,在商空间粒度理论的基础上,论述了商空间粒度变换可以使复杂问题在不同的粒度世界求解,最终使整个问题得到简化。分析了商空间划分与聚类操作的相似性,提出了基于商空间的粒度聚类方法。将该方法与入侵检测技术相结合,构建了基于商空间粒度聚类的入侵检测系统,用于对KDD CUP 1999数据集的异常入侵检测,实验结果表明该入侵检测系统的性能明显优于基于传统聚类方法的入侵检测系统,从而证明了该方法的正确性和有效性。     

求解大规模谱聚类的近似加权核k-means算法

谱聚类将聚类问题转化成图划分问题,是一种基于代数图论的聚类方法.在求解图划分目标函数时,一般利用Rayleigh熵的性质,通过计算Laplacian矩阵的特征向量将原始数据点映射到一个低维的特征空间中,再进行聚类.然而在谱聚类过程中,存储相似矩阵的空间复杂度是O(n²),对Laplacian矩阵特征分解的时间复杂度一般为O(n³),这样的复杂度在处理大规模数据时是无法接受的.理论证明,Normalized Cut图聚类与加权核k-means都等价于矩阵迹的最大化问题.因此,可以用加权核k-means算法来优化Normalized Cut的目标函数,这就避免了对Laplacian矩阵特征分解.不过,加权核k-means算法需要计算核矩阵,其空间复杂度依然是O(n²).为了应对这一挑战,提出近似加权核k-means算法,仅使用核矩阵的一部分来求解大数据的谱聚类问题.理论分析和实验对比表明,近似加权核k-means的聚类表现与加权核k-means算法是相似的,但是极大地减小了时间和空间复杂性.     

模糊层次商空间的快速属性约简算法

针对传统属性约简算法利用等价关系计算过程繁琐,样本集较大时运行时间长的问题,提出一种利用模糊欧氏距离的快速属性约简算法.定义模糊欧氏距离计算属性间距离;应用层次商空间结构构建约简粒层空间;以粒层空间聚类结果作为约简基础,实现样本集属性约简.仿真结果表明,该算法约简速度不受样本集样本数量限制,运算速度较快,能够在不删除样...     

基于分层递阶粒度聚类法的空气质量评价

针对气候变化与空气质量评价问题,考虑到空气质量数据具有复杂、不确定、不完备、海量高维的特点,提出基于分层递阶商空间的粒度聚类分析法。利用分层递阶模型,通过属性函数对原问题的论域进行划分,获得问题求解的不同层次粒度空间,可以将不确定信息转换成确定性信息,降低问题复杂性,易推广至高维海量数据分析中。宣城市空气质量评价实验结果表明,这种方法能很好地反映该市空气质量的日变化和季节变化,进一步验证了其有效性。     

基于构造型神经网络和商空间粒度的聚类方法

采用构造型神经网络对大规模模式进行聚类,其中利用商空间粒度分析法选择最优粒度聚类。该方法既发挥了构造型神经网络计算复杂度低的优点,又利用了商空间理论选取最优粒度聚类。对大规模复杂数据聚类实验结果表明该方法是实效的。