集值信息系统下基于包含度的约简算法

集值信息系统同时反映了信息的不确定性和不完备性,本文在文献的基础上利用包含度来度量属性的重要性,将文献中基于包含度的约简算法推广到集值信息系统;试验分析表明能得到较好的属性约简,     

粗糙集属性约简判别分析方法及其应用

为了解决统计逐步判别分析法存在的问题,提出了一种基于粗糙集属性约简的统计判别分析方法.首先采用粗糙集属性约简进行变量筛选,这样可充分利用粗糙集属性约简不需要属性分布的先验信息这一特点,再对所选择的变量进行Bayes判别分析训练,建立判别函数或相应的后验概率函数,以解决选择变量过程中存储量较大且检验变量的重要性总体服从正态分布这一主观性假设等问题.通过对油气储层数据的实际分析表明,所提方法不仅易于实施,而且检验数据集的判别准确率高于统计逐步判别分析法,同时可节省预测成本,提高预测速度.     

粗糙集数据分析的计算方法

粗糙集理论是用来分析模糊或不确定性数据集的较新的数学工具 ,根据粗集理论的基本概念 ,系统地给出了一套计算方法 ,并根据属性的重要性为求解属性的最小或次小相对约简设计了一种新的启发式算法 ,文章还给出了任意属性集的全部约简个数的最大值 ,为简化求解全部约简过程提供了帮助。     

基于粗集的贝叶斯分类器算法

C^3I系统在解决威胁度估计等问题时，应根据环境恰当确定影响威胁度等指标的诸属性，提出了基于粗集的贝叶斯分类器算法，该算法在基于粗集的属性约简方法的基础上，综合考虑条件属性和决策属性间的依赖性以及条件属性间的依赖性对约简的影响，通过基于依赖性的属性约简，改善属性变量间独立性限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器性能，实验证明该方法解决威胁度估计等C^3I系统中的问题，效果良好。     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

应用粗糙集理论分析识别岩石种类的因素

推导了条件属性子集重要性的等价表示形式，设计出由决策算法正集的补集求解条件属性子集的重要性以及由其正集求取支持度的算法程序，并将其用于对地质中岩石种类识别作因素分析．结果表明设计的算法有效可行．     

基于辨识矩阵的属性集重要度评价方法

在决策表中,为了评价某条件属性的重要性,不但要考虑这个属性（单一属性）相对于决策属性的重要性,还要考虑该条件属性与其他条件属性构成的属性集的重要性。本文在属性集依赖度比单一属性依赖度更加可信的事实基础上,提出了一个基于辨识矩阵的属性集重要度评价方法。该方法能够较快地获得分辨矩阵,并直接求出属性集的依赖度,从而大大降低了算法的时间复杂度。实例验证了该方法具有较好的有效性和较低的时间复杂度。     

基于属性约简的模糊综合评判

粗糙集理论是一种新的处理模糊和不确定知识的数学工具。属性约简是粗糙集理论研究中的重要内容之一。本文提出基于属性约简的模糊综合评判。通过属性约简，模糊评判过程中因素集(属性集)的指标数大大减少，从而达到简化运算、节约时空资源的目的。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统。该系统包括图像预处理、特征提取、决策表生成、条件属性简化等。运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

基于粗糙集理论的决策树构造算法

应用粗糙集理论,提出了一种利用新的启发式函数构造决策树的方法。该方法以属性重要性评价指标作为信息熵函数,对务件属性进行选择,充分考虑了属性间的依赖性和冗余性,弥补了ID3算法对属性间依赖性强调不够的缺点,解决了决策树中子树的重复和有些属性在同一决策树上被多次选择的问题,该方法还能对不相容决策表进行正确分类。实例表明该方法是正确有效的,而且明显优于传统的决策树构造方法。     

基于多任务CNN的人脸活体多属性检测

人脸的活体检测是人脸识别系统的安全性保证,传统交互式活体状态识别中通常先进行关键点检测,再进行人脸活体状态判断,无法利用活体属性之间关联性同时进行多种活体属性检测。基于多任务卷积神经网络(convolutional neural network,CNN),提出了一种直接从输入人脸中同时判断人脸的眼睛睁闭状态、嘴巴的张闭状态、头部点头状态和摇头中左右侧脸状态四个任务的活体检测方法。该方法利用多层CNN强大的特征提取能力、多任务的并行能力和四个任务中的关联性,直接提取人脸照片中的特征信息,判断人脸多个活体属性。实际应用结果表明,这种基于多任务CNN方法的准确率在四个任务中均可达95%以上,甚至达到98%以上,无论检测的准确率还是同时检测多个任务的能力均明显优于传统的人脸活体属性检测方法。     

一种新型混合特征选择方法及其在入侵检测中的应用

针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了集成filter和wrapper方法的混合特征选择新方法.采用基于信息增益的filter方法,删除不相关特征;采用基于改进的自适应遗传算法和评价函数的wrapper方法,获取最优特征子集.在入侵检测中的应用表明,该方法能降低特征选择的时间,检测率和虚警率均优于其它方法.     

基于相对熵排序的舰船总体方案评价方法

针对舰船概念设计阶段的总体方案评估论证问题,提出了一种基于相对熵排序的舰船方案评价方法.首先提出了可全面反映舰船综合能力的经简化后的舰船方案评价的指标体系,然后考虑群决策中的专家意见集成问题.采用基于粒子群优化群体判断矩阵的Hadamard凸组合来集结专家意见得出底层评价指标权重,再引入基于相对熵的多属性排序方法对各舰船总体方案进行综合评价.形成了可支持多专家群决策,能有效反映各方案本质差异的舰船方案评价模型.应用实例对比分析表明,该方法可为舰船研制方案总体评价提供一种可行、有效的新途径,并可直接用于舰船设计方案的权衡、优化工作等方面.     

试论防火墙性能分析研究的综合评测法

针对目前网络安全设备进行性能分析研究比较滞后的现状 ,结合防火墙自身的特点 ,提出了基于排队论的分析建模与基准测量技术相结合的综合评测方法     

基于属性表征和信息测度的图像检索

提出了一种基于属性表征和信息测度的图像检索方法，给出了图像的内容属性的表征方法和利用改进的信息测度公式计算图像相似性的方法．最后给出了利用这种方法对WWW图像检索的初步实验结果。实验表明，这种方法对改善检索结果的相关性具有很好的效果。     

测井资料与地震属性关系研究综述

测井资料和地震资料是地震勘探中两种最重要的资料,由于地震波的频散,使合成地震记录与地面地震记录不能完全匹配,因此使用之前必须对二者进行频率校正;地震资料在测井资料约束下可以进行反演,以求取地下波阻抗,主要有两种方法：基于褶积模型的波阻抗反演方法和基于波动方程的波阻抗反演方法;可以用多属性变换由地震资料预测测井信息。上述3种方法是目前研究测井资料与地震属性关系的主要方法。     

灰色模糊综合评价在新产品开发项目选择中的应用

通过对目前一些常用评价方法，如层次分析法AHP法，模糊综合评判法的优缺点研究，提出了灰色模糊关联新产品开发项目评价新方法。在上述研究的基础上，建立了基于灰色模糊理论新产品开发项目选择综合评价模型。     

一种新型决策树属性选择标准

讨论传统决策树算法中三种常用的基于熵的属性选择标准，提出一种基于属性重要性排序的建立决策树的新方法。该方法在决策树的每个内结点首先依据属性重要性将属性进行排序，然后选择最重要的属性作为分类属性生成决策树，并抽取出规则。与传统的决策树数据分类方法相比，此方法可有效地选择出对于分类最重要的分类属性，增强决策树的抗干扰能力，并提高规则的预测精度。     

ELECTRE法和熵权法相结合的电力设备采购评标研究

提出一种ELECTRE法和熵权法相结合的评标方法,建立基于此方法的评标模型.通过一个火电辅机设备招标采购的实例,说明该方法在电力设备采购评标中的具体应用.