基于信息损失量的特征选择方法研究及应用

通过研究特征变量与类变量的信息测度和特征子集与类变量之间信息测度计算方法,实现快速的特征选择。将基于扩展熵的信息损失量测度用于度量类变量之间的相关性。为避免计算联合互信息的复杂计算,提出了基于信息损失量的变量相关度增加量计算方法,在保证新增特征可提供更多信息量前提下,同时提高特征选择的速度。最后对UCI的3种分类数据集进行实例分析,利用支持向量机对选择的特征子集进行分类验证,并将分类结果与其它常用特征选择方法进行了比较。结果表明所提出的特征选择方法比现有的特征选择方法更有效。     

中医辨证的智能系统模型

随着科学技术的发展,人们的认识不断提高。人们却发现事物变得越来越复杂,事物之间存在复杂的关系,很难用精确的数学模型来表达。中医是一门传统科学,目前对中医还没有一个完全的认识。辨证论治是中医理论的核心,辨证过程是个非常复杂的过程,没有一个严格的规则可以遵循。针对中医通过学习和积累经验进行辨证的过程,利用以往中医专家辨证的临床案例,从神经行为学和认知心理学角度出发,提出了用Boltzmann机神经网络进行中医辨证的智能系统模型。     

基于指数平滑与曲线拟合的交通违法预测方法研究

为了更加准确地估计交通违法数据的变化趋势,针对交通违法预测需求分析,设计了一种基于指数平滑与曲线拟合方法结合的组合预测方法。算法公式简单、易实现,可移植性较强,具有普适性。利用实际数据对该方法进行了数据验证,并与对比算法进行了效果对比。验证结果表明,本文中提出的方法预测效果较好,具有一定实用性。