粗糙集和信息熵的属性约简算法及其应用

阐述粗糙集理论和信息熵的基本概念,并为寻找属性约简的有效方法,提出一种基于粗糙集和信息熵的属性约简算法。在决策表中添加某个属性引起的互信息变化的大小,以反映该属性的重要性,并求相对约简。研究表明,该算法不仅能得到最优的决策规则,而且能够减少信息系统所需的搜索空间,得到更优的属性约简效果。     

基于递归和表函数的一到多数据转换研究

针对关系表达式难以进行无限制一到多数据转换的问题,通过关系代数的扩展表达一到多数据转换,采用递归查询和表函数实现无限制一到多数据转换,在每个输入元组上产生一个或者多个输出元组。递归查询通过创建初始结果,递归获取结果集,并返回最终结果集;表函数声明变量集合,使用过程体和游标循环访问表,迭代输出元组。实验分析不同参数影响因素下有限制和无限制转换的不同方法,结果表明扩展方法能够改善系统性能。     

ZigBee中改进的Cluster-Tree路由算法

针对ZigBee网络的Cluster-Tree算法对簇首能量要求高、选择的路由非最佳路由等问题,结合节点能量分析和节点邻居表,提出一种改进的簇首生成方法,利用AODVjr算法为节点选择最佳路由。仿真结果证明,与原Cluster-Tree算法相比,改进的算法能有效提高数据发送成功率,减少源节点与目标节点间的跳数,降低端到端的报文传输时延,提高网络的使用价值。     

基于近似度的不完备信息系统属性约简

在容差关系下,针对属性集P在分类中的不同个体贡献,引入粗糙集的近似度概念,结合属于/不属于集合Rp(x)的元素贡献的不确定性,定义一种新的知识熵,从而实现基于近似度的不完备信息系统属性约简算法。仿真结果表明,与IEARA算法相比,该算法具有较高的约简效率。     

高光谱遥感影像降维的拉普拉斯特征映射方法

针对高光谱遥感影像数据量大、数据冗余度高的特点,引入拉普拉斯特征映射方法对高光谱遥感数据进行非线性降维。为了解决传统流形学习方法不能处理大数据量遥感影像的问题,本文提出了基于多元线性回归的拉普拉斯特征映射线性解法。实验证明,本文提出的降维方法能够保持数据集在原始特征空间分布的局部几何属性,降维后的影像具有更好的分类精度。     

基于QWS的Web服务集消减算法

在基于人工智能理论的Web服务自动组合推理中,推理的复杂度呈指数级增长,难以在实际中应用。针对上述问题,提出一种基于QWS数据集的Web服务集消减算法RfWss-QWS,从Web服务的评估、调用、监控和管理出发,选择效率、稳定性和价格等最优的服务,从而最大限度地消减服务集,得到一个精简且完备的服务集合用于服务的自动组合推理。     

误差分散半调图像的有损压缩算法

对误差分散半调图像进行无损压缩所得压缩率较低,而现有二值图像有损压缩算法对该类图像的压缩效果并不理想。为此,结合逆半调技术设计一种有损压缩算法。选用LUT逆半调算法对误差分散半调图像进行灰度化重建,对灰度图像的DCT变换系数量化压缩法进行改进,提高了压缩率,并构建出一种误差分散图像的有损压缩算法。实验结果表明,该算法能获得较高的压缩率和较好的压缩效果。     

基于互信息和粗糙集理论的特征选择

针对互信息方法在精度方面的不足,通过引入粗糙集,给出一种基于关系积理论的属性约简算法,以此为基础提出一个适用于海量文本数据集的特征选择方法。该方法采用互信息进行特征初选,利用提出的属性约简算法消除冗余,获得较具代表性的特征子集。实验结果表明,该特征选择方法能获得冗余度小且较具代表性的特征子集。     

WSN中基于分簇的实时传输算法

采用跨层技术,提出一种无线传感器网络(WSN)中基于分簇的实时传输算法。在WSN中找出簇头到基站的多条优化路径,采用基于平均队列长度的拥塞控制方法,在这些路径中找出一条耗能最小且实时性最优的路径,并沿着该路径将数据传送到基站。仿真分析表明,该算法能满足网络的实时性需求,并能有效进行拥塞控制。     

团分划问题的固定参数算法研究

图论中的团分划问题属于NP-完全问题,难以在多项式时间内解决。为此,对团分划问题的固定参数算法进行研究,提出一个针对K4-free图的新归约法则,结合深度限制搜索树技术对K4-free图中的团分划固定参数可解类算法做出改进。实验结果表明,与原算法相比,在稀疏图的情况下改进算法效率提高了30%。