不完备决策表的几种属性约简方法的关系

知识约简是信息系统与知识发现研究中的一个焦点问题.文章将正域约简、熵约简及基于包含度约简的概念引入不完备决策表中,讨论了它们之间的关系,证明了对于相容的不完备决策表,熵约简、分布约简、正域约简、最大分布约简及近似约简都是等价的.     

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法。本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息。其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法。最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度。实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法。     

基于优化的文档频和粗糙集的特征选择方法

特征选择是文本分类的一个核心研究课题.首先给出了一个基于最小词频的文档频方法,然后把粗糙集引入进来并提出了一个属性约简算法,最后把该属性约简算法同基于最小词频的文档频方法结合起来,提出了一个综合的特征选择方法.该综合方法首先使用基于最小词频的文档频方法进行特征初选以过滤掉一些词条来降低特征空间的稀疏性,然后利用所提属性约简算法消除冗余,从而获得较具代表性的特征子集.     

覆盖粗糙集的隶属函数及其约简

在覆盖粗糙集的模型下,结合覆盖约简的理论,提出相对约简的概念并讨论其约简性质,指出该相对约简算法能够保持覆盖粗糙集的隶属度不变性,通过实例说明相对约简与William所提出的绝对约简之间的区别,丰富了覆盖粗糙集的约简理论.     

一种改进投影寻踪风险评估函数模型

针对投影寻踪模型存在的一些不足之处,改进发展了一种基于信息熵理论的投影寻踪风险评估模型.首先基于极差正规化方法对指标进行预处理以消除指标的量纲效应,保持指标的同趋势化.其次采用投影值的信息熵表示投影指标函数,基于最大熵原理估计最佳投影方向对指标进行降维处理,克服了传统投影指标函数在某些情形下无法准确刻画序列的变异程度.最后建立了S型风险评估函数模型,该函数具备单调性、有界性、变化的连续平稳性等性质.借助洪灾风险和联合作战海洋环境风险的评估实验得到的研究结果如下:与投影寻踪模型相比,改进投影寻踪模型对洪灾风险等级评估的改进幅度为7.0%～8.8%,对海洋环境风险评估的改进效果更加明显,改进幅度为27.1%～53.9%.     

积分泛函极小值点的弱单调性

弱单调性概念是1994年由J.J.Manfredi引入的,它是研究椭圆型方程正则性理论的有力工具。由于椭圆型方程和变分问题的密切关系,研究变分问题中的弱单调性。利用p-型变分核和Sobolev空间的分析方法,给出了积分泛函极小值点的弱单调性。     

基于广义粗糙集的属性约简

目前,人们对广义粗糙集的研究主要集中在集合的近似计算上,而真正利用广义粗糙集进行属性约简的研究还很少见.基于广义粗糙集理论研究了信息系统中属性约简的问题.首先定义了关系信息系统及其属性约简的概念.然后给出了属性约简的判定定理和辨识矩阵并详细地研究了属性约简的基本性质.最后给出了计算信息系统中属性的所有约简的一般方法.     

基于条件信息熵的粗糙集属性动态约简

属性约简是粗糙集理论的热点研究内容之一,从信息论出发,提出一种新的信息熵定义.约简算法从条件信息熵出发,迭代选择属性重要性最大的属性,得到信息系统的约简.在此基础上,构造基于条件信息熵的不完备信息系统的动态属性约简算法.在删除单个对象的情况下,新算法通过新的数据集有无删除对象的不可区分对象来判断是否更新原有约简.通过实例说明算法的有效性和可行性.     

一种改进的模糊粗糙集属性约简启发式算法

介绍模糊粗糙集约简算法,利用模糊区分矩阵产生最小约简.通过分析,说明了算法的不足,提出相应的改进策略.将启发性知识结合区分矩阵,提出了基于属性特征权值的启发式约简算法,文中算法意义更加直观,计算也更加简单,提高了约简算法的速度.采用VC进行实验,通过对多个UCI数据集进行测试,结果说明了改进算法的有效性.     

混凝土强度尺寸效应的本构描述及其数值实现

大量试验表明混凝土强度存在尺寸效应.为了清晰表达出尺寸效应的物理本质,基于I阶梯度损伤理论给出了混凝土强度尺寸效应的本构描述;在有限单元网格的高斯点上建立非均匀的正交有限差分网格,构造相应数值算法.数值模拟结果表明:混凝土梁的名义抗弯强度Mnom随着梁深d的减小而单调减小,Mnom随内部特征长度的增大而单调增大,与文献中的实验结果相吻合,利用I阶梯度损伤理论解释混凝土强度尺寸效应现象是可行的.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

基于最大频繁项集信息熵的数据流变化检测

应用最大频繁项集信息熵来进行数据流变化检测.采用了一种新的数据流差异度度量方法;提出了一种新的有效挖掘最大频繁项集的算法;给出了应用最大频繁项集信息熵进行数据流变化检测的算法.最后,对算法的时间效率和空间效率进行了分析.     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

无线传感器网络的不确定传感数据预测

由于传感误差、传感噪声、传输错误等因素的影响,同一个传感区域内多个传感器节点的传感数据具有一定程度的差异,这种差异导致的区域不确定性传感数据给查询、预测等后续深层次的数据处理提出了严峻挑战.针对这类传感数据的预测问题,提出一种基于多变量主元分析（multiple variable principal component analysis,MVPCA）的不确定性传感数据预测方法. 通过MVPCA的特征提取这一预处理手段获得不确定性传感数据的本质特征,然后采用基于相关分析的多元回归方法对这些数据进行建模和预测. 实际传感数据的实验结果表明,该方法能有效解决不确定性传感数据的预测问题.     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

浅析熵的物理意义及两个常见热力学过程中熵增的计算

“熵”这个概念容易让人感觉晦涩难懂,而一些常见热力学过程中熵增的计算更是让人无从着手．本文从波耳兹曼熵和克劳修斯熵两个角度浅析了熵的定义及统计意义,还根据熵的可加性计算了两个典型的相变过程和热传导过程热力学系统的熵增,并对计算结果进行了讨论．对于一些实际的不可逆过程,尤其是热传导过程,熵增可采用假设一可逆过程求热温比积分的方法,对每一小部分依次与温差非常小的恒温热源接触,温差无限小的热传导过程可视为可逆过程．     

基于代价敏感卷积神经网络的集成分类算法

针对不平衡数据集中少数类样本分类识别率较低的问题,提出一种基于代价敏感卷积神经网络(cost sensitive convolutional neural network,CSCNN)和AdaBoost的分类算法(classification algorithm based on cost sensitive conv...     

基于粗糙集约简的水稻叶片叶绿素含量高光谱反演

利用高光谱技术可估测水稻冠层叶绿素含量,为水稻的长势遥感监测与农艺决策提供科学依据. 基于地面实测水稻叶片光谱数据,提出了一种粗糙集属性简约和支持向量回归相结合的叶绿素反演方法,解决了植被光谱指数相关性高易造成计算冗余以及降低水稻叶片叶绿素高光谱反演效率的问题. 首先选择18 个与水稻叶绿素含量相关性较大的植被光谱指数作为因变量,利用粗糙集约简植被指数数据空间得到含有6 个植被光谱指数的简约核;然后采用支持向量回归方法反演叶绿素含量. 基于全部指数反演及基于简约核指数反演的R2 分别为0.858 6与0.850 6. 因此,该方法与采用全部指数进行反演的结果相比,不但具有相当的反演精度,而且有效缩短了反演算法步骤及时间,为大数据处理提供了新的技术方法.