粗糙集理论中基于属性重要性的离散化方法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。目前已有许多离散化方法,存在的主要问题是断点集的选取带有很大的主观性,导致大多数的离散化算法难以得到较满意的离散效果。分析了当前研究中常用的离散化方法,提出了一种基于属性重要性的离散化方法,利用遗传算法,把最小断点集作为优化目标,利用遗传算法,以属性重要性构造适应度函数,保证了原决策系统的不可分辨关系,避免了决策表信息的损失,所得结果相对来说比较客观。     

基于深度学习和模糊C均值的心电信号分类方法

针对长时海量心电信号自动分类系统中,心电专家诊断费时、费力和成本高,心电信号形态复杂导致特征提取困难,异常诊断模型适应性差、准确度低等问题,本文提出一种基于深度学习和模糊C均值的心电信号分类方法.该方法主要包括心电信号降噪预处理、心电信号分段和采样点统一化、无监督心跳特征学习、模糊C均值分类4个步骤,给出了模糊C均值深度信念网络FCMDBN模型结构和学习分类算法.仿真实验基于MIT-BIH心率异常数据库表明,与基于传统心电特征人工设计的分类方法相比,本文提出的信号诊断方法具有较高的适应性和准确度.     

一种采用WUSB的物流车辆油耗监控系统

为监控物流企业车辆的油耗使用状态,解决异常油耗等问题,设计开发了基于无线USB(WUSB)的物流车辆油耗监控系统.首先,分析介绍了油耗系统的三部分组成结构,即下位机嵌入式车载智能终端、上位机车队管理子系统和上位机无线USB数据采集子系统;然后,设计实现了上下位机之间的通信协议;最后,设计开发了主机应用程序,以实现上位机的管理和控制.试验表明,该系统稳定性高,能较好地解决车辆油耗监控问题.     

嵌入式Linux下PC/104数据采集模块驱动实现

为扩展PC/104嵌入式系统的应用环境,开发了Linux环境下PC/104数据采集模块DIAMOND-MM-32-AT的驱动程序。首先,分析了数据采集模块DIAMOND-MM-32-AT的工作模式。然后,在自构建嵌入式Linux系统环境下,按照Linux驱动程序规范,实现了PC/104数据采集模块的驱动程序。最后,开发了远程数据采集系统,包括服务器端程序和客户端程序。通过实验表明:所设计的数据采集驱动程序是正确的,而且具有高可靠性。     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

基于改进FP-树的最大模式挖掘算法

频繁模式挖掘是数据挖掘领域中的一个非常重要的分支,但是由于其内在的计算复杂性,挖掘密集型数据的频繁模式完全集非常困难而且数量往往大得惊人,难以理解和应用。最大频繁模式(最大模式)压缩隐含了所有的频繁模式,存储所占用的空间远远小于完全集,因而最大模式挖掘具有十分重要的意义。该文改进了传统的FP-树结构并提出了一种有效的基于改进FP-树的最大模式挖掘算法IFP-M ax;通过引入后缀子树的概念,算法在挖掘过程中不用生成最大频繁模式候选集,从而大大提高了算法的时间效率和空间可伸缩性。实验表明,IFP-M ax的挖掘速度比M AFIA和GenM ax大约快一个数量级。