基于代表的交叉验证分类

基于代表的邻域覆盖粗糙集分类算法,在某些数据集上表现良好,数据的类别不平衡问题严重影响算法的分类精度.为尽量消除类别不平衡问题的影响,在k折交叉验证方法的基础上,针对基于代表的邻域覆盖粗糙集分类算法,提出了3种集成策略.策略1依靠k折交叉验证,获得对应的k个基分类器,所有的基分类器组成委员会对未分类样本分类;在策略1的基础上,策略2选择分类精度相对较高的基分类器组成委员会,对未分类的样本进行分类;策略3在前2种策略的基础上,利用主动学习的思想,对训练集进行扩充,得到新的分类器再对未分类样本分类.实验所用数据集为UCI标准数据集,且对k的取值做了对比实验.结果显示,3种策略均有不同程度的提升,且k取5时总能取得较好的提升效果.对于不同数据集,应选择相适应的改进策略.     

加密流量分类的特征回放集成学习方法

针对加密流量特征稀疏与难以通过单一方法进行表征的问题，文章提出一种基于特征回放的集成学习方法，包括预特征提取、特征回放、集成学习三个阶段。首先，收集报文的到达平均时间间隔、最大长度等常用统计信息作为数据集的原始特征，其次，训练多个预分类器并将这些分类器的预测结果作为新的特征加入数据集中，最后，借鉴Stacked Generalization的集成思想训练最终的决策分类器。利用Cyberflood构建多种类别的加密流量数据并进行相关实验，结果表明本文方法在准确率上比已有分类方法提高了近5%。     

邻域粗糙集的矩阵表示与公理化

文章提出覆盖的表示矩阵,通过一个方布尔矩阵,即覆盖表示矩阵与其转置的布尔乘积,简洁地表示覆盖粗糙集中常用的覆盖近似算子;通过定义类似布尔乘积的布尔矩阵间的运算,获得一个布尔方矩阵,通过这个布尔方阵,简洁地表示邻域近似算子;因为布尔方阵和二元关系是一一对应的,因此2种布尔方阵都有唯一的二元关系与之对应,直接通过覆盖块,这2个二元关系被简洁表示;最后给出了邻域近似算子的矩阵公理化.     

基于协同过滤加权预测的主动学习缺失值填补算法

在机器学习应用中,缺失值填补作为一种预处理技术,能有效提高数据的可用性,然而在缺失值较多或不均衡时,这些技术的效果并不理想.主动学习场景允许机器与用户交互,以获取少量关键数据,提高分类精度.针对主动获取数据量有限的问题,提出基于协同过滤加权预测的主动学习缺失值填补算法(Collaborative Filtering weighted prediction based Active Learning,CFAL).首先采用基于样本和基于属性的协同过滤方法分别预测缺失值;然后根据预测值的差异对数据进行排序,差异大的少量数据进行主动获取,差异小的少量数据利用预测值的平均值进行填补;重复该过程直到主动获取数据达到所给阈值上限,其余缺失值则使用预测值均值填补.实验在七个UCI常用数据集上进行,结果表明,与流行的几种填补算法相比,CFAL算法能更好地提升数据质量,应用于C4.5,kNN等算法能获得更高的分类精度.     

天然气集输异常工况处理的主动学习方法

然气集输系统中出现的各种异常工况对安全生产构成威胁。提出一种针对异常工况的智能处理系统模型。该模型的异常工况类别预测模块采用了主动学习方法,既可实时、准确地判断异常类型,又可为系统向专家推荐合适的处理方案奠定基础。首先,利用SCADA系统实时监控数据并进行异常工况预警。其次,通过主动学习算法对预警异常工况进行分类,从而为构建异常工况推理机提供支撑,进而实现智能决策辅助。实验结果表明,该方法能节约专家成本,很好地识别异常工况类型,提出合理的解决方案。     

序贯三支决策的代价敏感分类方法

序贯三支决策体现了信息粒化和代价敏感学习的优势,其中信息粒化是人类认知和决策执行的基础,代价则是信息处理涉及的重要因素.提出针对代价敏感学习的序贯三支决策模型.首先,对信息粒化和决策代价之间的关系进行了定义和描述;然后,从序决策过程的视角,利用不同粒度层次的代价矩阵构建了代价函数;最后,为平衡决策结果代价和决策过程代价,提出了两个优化问题,并从理论上阐述了其意义,从实验结果分析上验证了算法的有效性,体现了序贯三支决策在代价敏感分类问题上的优势.     

基于决策树的网球选材指标学习方法

基于决策树算法,通过对网球选材指标数据进行挖掘,找出重要的选材指标,剔除冗余指标,并获得合理的成绩评判标准,最终建立网球选材指标评价模型.针对闽南师范大学体育学院学生数据进行相关挖掘,结果显示：部分指标（4×10 m折返跑、立定跳远等）在选材中起重要作用,部分指标（如肺活量）显得冗余.     

代价敏感粗糙集研究综述

本文对代价敏感粗糙集（cost-sensitive rough set,CS-RS）理论的内容及发展状况进行了回顾,对其研究方向和发展趋势进行了分析和展望．首先介绍了代价敏感学习产生的缘由、数据挖掘过程中常见代价的分类及代价敏感粗糙集的基本概念;其次从数据模型、计算模型、问题及算法四个层次上对当前的研究状况进行了总结,建立了代价敏感粗糙集理论体系示意图;最后指出测试代价敏感粗糙集的发展趋势和需要重点关注的问题．     

采用填充字符的频繁序列模式挖掘算法

具有固定通配符间隔的频繁序列模式挖掘算法应具有删属性,从而保证在实际应用中能挖掘出有意义的长模式．而原有的问题定义集合存在一定的不足阻碍了该属性的实现．通过引入填充字符改变部分问题定义,解决原定义引起的一些极端性问题,并在模式挖掘过程中保证了完整性和有效性．将基于新定义集合提出的硒孙l算法与基于原定义集合的MMP算法分别在DNA序列上进行实验,结果表明算法实现了Apfiofi属性．     

多示例学习的两阶段实例选择和自适应包映射算法

多示例学习(Multi-Instance Learning,MIL)研究对象的内部结构比单示例学习更加复杂.已有的MIL方法大都基于原始空间中的实例进行包映射,但这些方法通常忽略包的内部结构信息,难以保证所选实例与包在新特征空间中的关联性.提出一种多示例学习的两阶段实例选择和自适应包映射(TAMI)算法.首先,实例选择...