一种适用于不均衡数据集分类的KNN算法

传统的K-最邻近(K Nearest Neighbor,KNN)分类算法在处理不均衡样本数据时,其分类器预测倾向于多数类,少数类分类误差大。针对此问题从数据层的角度改进了传统的KNN算法。先通过K-means聚类算法将少数类样本聚类分组,将每个聚类内的样本作为遗传算法的初始种群;再使用遗传交叉和变异操作获取新样本,并进行有效性验证。最终获取到各类别样本数量基本均衡的训练样本集合。实验结果表明此方法有效改善了KNN算法对少数类分类效果。此法同时适用于其他关注少数类分类精度的不均衡数据集分类问题。     

基于蚁群算法的属性约简方法

在粗糙集理论中属性约简是个NP-hard问题,已有的方法都有不同的局限性.由蚁群算法的启发,通过粗糙集将条件属性集映射到有向图结构,并采用蚁群协作共同完成求解,提出了属性约简的蚁群算法.     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

对应点集移动相对性建模于脱机签名鉴定研究

提出并论证了欧氏空间中签名的对应点集具有移动相对性,基于该原理构建了一种新的脱机签名鉴定模型,并研究了签名间对应点集获取的方法。在鉴定方案中,待鉴定的脱机签名图像和参考样本的签名图像可以看作欧氏空间内两个不同坐标系中的图像,两者间能够建立相对应的点集合,而欧氏空间平面图像其对应点集具有确定的约束关系,利用该约束关系建立模型可以反映出对应点集移动相对性的大小,因此可以利用该值的差异进行签名真伪鉴定。该方法对于真签名的数量要求较低,并且不需要伪签名来进行训练,适用于脱机签名鉴定中存在的极少样本集情况。实验采用中、英文两种签名数据库验证了该方法的有效性。     

矩形棋盘上完全覆盖的计数

研究矩形棋盘上的1×2骨牌覆盖问题,通过生成函数的方法,分别给出3×n,4×n矩形棋盘上的覆盖数N(3,n),N(4,n)的生成函数.     

一种由三角模诱导的粗糙集间的相似性度量方法

首先介绍了粗糙集、模糊集与三角模的概念,接着指出利用三角模可以诱导出相应的包含度,进而可得到一个相似度,提出了一种利用三角模对粗糙集间的相似性进行度量的新方法.最后借助算例验证了该方法的可行性.     

伪拟E-凸函数及其一些性质

定义了2种新的凸函数--伪-拟-E-凸函数及伪-拟-半-E-凸函数.并给出了2类新凸函数的一些性质及其证明.     

基于双向投影法的概率语言多属性群决策

针对概率语言信息下的多属性群决策问题,首先基于概率语言术语集(probabilistic linguistic term sets, PLTS)的调整规则和语言尺度函数,定义了PLTS的新运算,并证明其满足代数运算的基本性质。然后,为解决现有向量模公式在下标对称语言下计算结果与实际不符的问题,提出一种改进的概率语言信息下的向量模公式。在此基础上定义方案与正、负理想解形成的向量表示式,并建立针对概率语言信息的双向投影法,由此提出新的贴近度公式。最后,通过应用算例的对比分析验证了本文所提方法的有效性和可行性。该方法充分考虑了PLTS的数据特征,在简化计算的同时避免了信息损失,为解决概率语言信息中数值差异较小的问题提供了新的方法和思路。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

交换主理想整环上交错矩阵的距离与极大集

讨论了交换主理想整环上交错矩阵的算术距离与距离之间的关系,并用两个矩阵之间的算术距离得到了交换主理想整环上交错矩阵极大集的结构.