数据流上基于属性最优分类的熵判定树构造方法

讨论了基于最优属性分类的熵构造判定树数据流挖掘算法,阐明算法中如何处理分枝属性、选取最优属性以及数据清理及剪枝等关键环节,可及时快速的对数据流进行及时有效的处理,此方法可满足数据流聚类的应用要求。     

有效对象的判定理论与方法

基于属性层次结构,定义了有效/无效对象,研究了判定有效/无效对象的相关理论与方法,给出生成所有有效/无效对象的缩减法,并就具有10个属性的属性层次结构,对其算法进行了线性回归.     

3种实用的人体姿态判定算法研究

在基于姿态的交互式游戏中,经常需要对用户的姿态动作和幅度进行判定,从而让计算机做出正确的响应.本文设计并实现了3种姿态判定算法,第一种算法基于肢体比例实现姿态判定;第二种算法基于四肢端点和身体构造进行姿态判定,第三种算法通过四肢与躯干的角度进行姿态判定.这3种算法在实时性、姿态幅度检测的准确性等方面表现出不同的特点,可以根据系统需求选择使用.     

基于RMA的雷达数据处理任务可调度性判定

实时系统中任务的可调度性是系统正确的关键.单调速率调度算法RMA是任务调度的重要算法，通过对雷达数据处理任务的时间需求模型的分析，使用RMA对该任务进行了可调度性判定.在分析任务两种不同的实现方法及相应时间开销的基础上，给出了这两种实现方法在RMA下可调度性判定的充分必要条件.     

象棋机器人棋子定位和身份判定方法

针对象棋机器人系统中棋子定位过程烦琐、误差大及通过文字识别棋子的算法复杂度高的问题,提出一种基于图像处理的棋子定位和高度测量方法;以及棋子身份判定算法。首先,根据文字的颜色特征分割棋子并对二值图像做线性融合和膨胀运算;通过绘制轮廓外接圆定位棋子。然后,匹配RGB与RGB-D图像结合数学模型,测量棋子高度。其次,用数字编码定义棋子身份并实时判定。最后,结果表明,方法的棋子分割正确率100%,定位误差0. 51 mm,平均定位时间0. 212 s。高度测量误差1 mm。单流程棋子身份判定算法和系统运行时间分别为9 ms和0. 224 s、可见方法的有效性和实用性。     

一种改进的自映射空间判定树算法

判定树在基于知识的专家系统中非常有用,同时在数据挖掘中也是一种重要的方法.但是目前的判定树判定方法并不能准确、清晰地处理与人类思想和感觉的知识.通过自映射空间模型作为知识表达和处理不确定性的方法以达到改进目前方法的目的.与传统的分类方法相比,自映射空间方法更好地集成了模糊性和随机性.提出了基于自映射空间模型的判定树方法,该方法处理人类思维更加自然.在实际的分类问题过程中,自映射空间方法更加有效、灵活.     

审查逮捕阶段讯问犯罪嫌疑人制度在民族地区实施问题初探

实行审查逮捕阶段讯问犯罪嫌疑人制度,对深化民族地区检察权改革具有重要的现实意义.然而,民族地区特殊的主客观条件对该制度实施具有一定的制约和影响.因此,民族地区实行审查逮捕阶段讯问犯罪嫌疑人制度,应考虑到当地检察机关的工作实际,提高办案人员的认识朱平,明确必须讯问犯罪嫌疑人的案件范围和讯问重点;加强办案人员的业务培训,提高讯问犯罪嫌疑人的业务素质和技能;注重实效,构建讯问犯罪嫌疑人的网络平台和听取特殊人员意见机制.     

等价关系下的协调集判定定理

对于等价关系下的目标信息系统,先给出并推导了协调集判定定理,然后将其和该信息系统的属性约简及协调集问题联系起来,给出了求解目标信息系统的辨识矩阵和约简算法.     

优势关系下的协调集判定定理

在优势关系下的目标信息系统中,运用协调集判定定理,研究了该信息系统的属性约简及协调集问题,给出了相关定义,并给出了求解目标信息系统的辨识矩阵和约简的算法.     

基于M-H抽样算法的贝叶斯Probit分位回归模型研究

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明:贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究

为了提高情感分类准确率,提出了一种基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究。通过改进的TF-IDF算法提取文本特征词,并根据属性之间的依赖关系添加隐藏的父节点,增强了属性之间的依赖关系,提高了情感分类的准确性。实验结果表明,在平均宏查准率、宏查全率和宏F1值在改进之后的算法分别提高了5%、8%和6%。     

基于k等价度容差关系的变精度粗糙集模型及其约简算法

针对k等价度容差关系,提出了一种基于k等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展．在此基础上,定义了变精度粗糙集模型约简的概念,讨论了一种刻画属性重要性的新指标,提出了一种启发式约简算法．该算法能从搜索空间中不断地添加重要的属性,并且删除不重要的属性,从而降低了约简的时间复杂度．最后,通过实例说明该算法的有效性．     

一种基于朴素贝叶斯分类法的空间分类算法

 空间分类是空间数据挖掘的重要分支,寻找高效的空间分类算法是空间分类研究的重要方向.在空间对象的邻接图及朴素贝叶斯分类法的基础上提出一个新的空间分类算法,该算法对空间对象进行分类时,既考虑了待分类对象的属性对分类的影响,又考虑了其空间邻接对象对它分类的影响.该算法的计算复杂度不高,分类的正确性好.     

一种基于差别矩阵的属性约简完备算法

提出了一种基于差别矩阵的粗糙集属性约简完备算法，算法的求解策略是在每次迭代过程中只选择必要的条件属性，如果在某次迭代过程中找不到这样的条件属性，则任意排除一条件属性，为下一次迭代中找到必要的条件属性做准备．分析了算法在最坏情况下的时间复杂性，给出了该算法相对Pawlak约简的完备性的证明．同已有的同类约简算法相比，该算法在最坏情况下具有更小的时间复杂性．     

基于两阶段的物流系统综合评价DEA/AHP法

物流系统具有多个属性指标 ,对物流系统进行综合评价 ,往往要求事先设定这些属性的权重。为了减少人为因素的主观影响 ,提高评价的客观性 ,在构建物流系统评价指标体系的基础上 ,将DEA和 AHP算法融合 ,建立两阶段评估模型。第一阶段计算两两实体构成的输入输出系统有效系数 ;第二阶段对这些有效系数构成的 AHP判断矩阵 ,计算各个实体的全排序值。这种综合评价方法充分利用了 AHP方法和 DEA方法的优点 ,避免了人为设定 AHP判断矩阵的主观性和随意性 ,DEA不能在一个尺度上全排序的缺点 ,最后设计了一个算例 ,验证了评价方法的可行性和一致性。     

基于 VANETs 下的决策树多副本机会路由协议

在车载自组织网络（vehicular Ad hoc networks,VANETs）中,当节点缓存和消息副本数目被限制的情况下,如何合理地选择车载网络的路由节点是实现VANETs高效转发和投递的关键问题。为此提出了一种基于学习方法的决策树理论的多副本VANETs机会路由协议（D-Tree）。D-Tree将VANETs中节点间的传输和连接因素看做多个属性的集合,并与决策树方法得到一个消息转发规则,同时结合多副本路由与机会路由的“存储─携带─转发”优势进行消息投递。真实数据集上的实验结果表明,在场景密集的情况下,D-Tree相比于Bubble和S＆W路由算法投递成功率提高了近10％,同时在投递延迟等方面也具有明显优势。     

基于相关系数的加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的条件独立性假设在很少情况下能够满足,为了克服该问题,提出了一种基于相关系数的加权朴素贝叶斯分类模型.通过计算条件属性和决策属性之间的相关系数,对不同的条件属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能.首先给出了基于相关系数的属性权值求解方法,然后描述了相应的算法,并对算法原理进行了分析与证明.通过在中医小儿肺炎病例数据集和UCI数据集上的仿真实验,验证了该方法的有效性.     

面向用户需求的覆盖约简模型

许多学习算法都存在这样一个偏置：属性集中的属性同等重要.然而,这种假设不一定实际.如果把属性集中的属性根据实际情况考虑为分别具有不同的重要性,那么由此获得的模型应该更合理,也有不少学者将此考入到算法中.文章将计算属性约简的问题转化为计算集合覆盖约简问题的思想,通过将描述用户需求或偏好的属性序纳入考虑,设计了基于用户需求的覆盖约简算法,并且对计算复杂性分析.最后运用实例验证了算法的可行性和有效性.     

基于RS的GMDH神经网络在空袭目标识别中的应用

针对目标属性识别的特点,建立了基于粗糙集(Rough Sets, RS)的数据分组处理(Group Method of Data Handling, GMDH)神经网络分类模型.该模型较好地解决了采用高维数据集训练神经网络效率低,神经网络结构规模较大的问题.同时为了提高高维数据集合的属性约简效率,改进了集合近似质量属性约简算法.最后,通过与BP(Back-Propagation, BP)神经网络分类能力的仿真对比,结果表明,基于粗糙集的数据分组处理神经网络分类模型分类能力优于BP神经网络模型,满足现代防空作战对目标属性识别的需求,基于快速求核和集合近似质量的属性约简算法快速有效.