概念格中多层次的属性约简理论

提出了形式背景的子概念格及形式背景关于概念、子概念格(包括概念格)的属性约简概念;定义了概念、子概念格(包括概念格)的特征函数,并以此为基础提出了属性约简定理,得出了具体的属性约简方法,同时研究了不同约简下属性间的关系,进一步完善了概念格属性约简理论,也为概念格用于数据处理及知识发现提供了新的工具.     

基于半监督流形学习的人脸识别方法

如何有效地将流形学习(Manifold learning,ML)和半监督学习(Semi-supervised learning,SSL)方法进行结合是近年来模式识别和机器学习领域研究的热点问题.提出一种基于半监督流形学习(Semi-supervised manifold learning,SSML)的人脸识别方法,它在部分有标签信息的人脸数据的情况下,通过利用人脸数据本身的非线性流形结构信息和部分标签信息来调整点与点之间的距离形成距离矩阵,而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简,提取低维鉴别特征用于人脸识别.基于公开的人脸数据库上的实验结果表明,该方法能有效地提高人脸识别的性能.     

粗糙集的划分贴近度及基于划分贴近度的属性约简算法

Rough集理论是近年来发展起来的一种处理不确定、不精确、不完整数据的数学工具.属性约简是粗糙集的核心内容之一.本文提出了一个新的不确定性度量一划分贴近度,并基于划分贴近度分别提出了对一般信息系统和决策信息系统进行属性约简的算法,对决策信息系统进行约简的算法不仅可以对一致决策表进行约简,还可以对不一致决策表进行有效的约简.     

基于分辨矩阵和属性重要度的规则提取算法

研究了Rough集理论中的属性约简和值约简问题,将分辨矩阵引入值约简中,从属性依赖度的角度重新定义了属性重要度,提出了基于分辨矩阵和属性重要度的分类规则提取算法。该算法在保持分类能力不变的前提下,得到最小属性约简,再经过值约简后得到精确的规则,与现有算法相比,能减少时间和空间耗费。实验结果验证了该算法的有效性。     

基于粒计算的属性约简算法

粒计算是一种基于问题概念空间划分的新的智能计算理论和方法,不相容决策表是粗糙集理论研究的一个重点。利用粗糙集中的等价关系来构建粒子,给出了决策表系统的粒子分解方法及在粒表示下以属性重要性作为启发信息的属性约简算法。实验结果表明该算法不仅具有高效性,而且能处理大型决策表。     

基于邻域粗糙集与支持向量机的油层识别研究

运用邻域粗糙集理论,对储层含油性的属性进行约简,并将约简后的属性作为支持向量机输入变量,对某油田的3口井油层类别进行实证研究,将结果与人工神经网络方法进行了比较,结果表明该方法是行之有效的方法。具体步骤为：先把邻域粗糙集作为前置系统对属性进行约减,剔除冗余信息,将剩余的属性作为支持向量机的输入变量。而支持向量机作为后置系统,不仅能消除指标之间信息重叠,而且可以降维。它们之间各司其责,相互配合从而得到好的评价结果。     

一种基于关系矩阵的信息系统属性约简算法

提出了一种新的信息系统属性约简算法。为此,首先建立了信息系统与关系矩阵之间的联系;其次,从关系矩阵的角度研究了合理刻画属性重要性的新指标;然后利用新指标作为启发式信息设计了一种新的属性约简算法。与现有算法相比,该算法具有较大的灵活性,它能从搜索空间中逐次删除不重要属性,避免对其重要性的重复计算。此外,对该算法的时间复杂度进行了详细的分析,并通过实例和实验验证它的可行性与有效性。     

基于粗糙集与神经网络的故障诊断研究

通过引入粗糙集理论,利用可辨识矩阵约简算法对故障诊断决策表进行属性约简,剔除其中不必要的属性,然后构造改进的BP神经网络作为粗糙集的后端处理机,构造了基于粗糙集与神经网络的故障诊断模型。仿真结果表明,该方法可以有效地减少输入层个数,简化神经网络结构,减少网络的训练时间,在故障诊断中有良好的应用前景。     

氨基羟基脲还原反萃高浓度Pu(Ⅳ)

采用氨基羟基脲(HSC)的硝酸水溶液研究了从30%(体积分数,下同)TBP/煤油中还原反萃高浓度四价钚(Pu(Ⅳ))的性能,并与羟胺-肼(HAN-HN)、N,N-二甲基羟胺-单甲基肼(DMHAN-MMH)在钚净化浓缩循环中反萃行为进行了对比。结果表明:在一定HSC浓度下,适当延长相接触时间、减小相比(o/a)、降低酸度和提高温度,均有利于Pu(Ⅳ)的还原反萃。HSC作为还原反萃剂,可以有效实现30%TBP/煤油中高浓钚的反萃,反萃效果较其它几种还原剂更好,有望在先进二循环流程的钚净化浓缩工艺中得到应用。     

基于差别矩阵的约简树构造方法

针对差别矩阵求约简过程中合取范式向析取范式等价转换的难题,提出一种基于差别矩阵构造约简树的有效方法。首先优化改进差别矩阵得到差别集,然后设计约简树描述约简获取的具体过程,最终所得约简树根节点到叶节点的每条路径即对应一个约简。该方法减少了生成和存储差别矩阵的时空开销,简化了获取决策系统全部约简的过程。