决策树算法中的连续属性处理方法

决策树是分类数据挖掘的重要方法.C4.5算法延用了经典ID3算法的基本策略,增加了处理连续属性的方法.在C4.5算法的基础上,讨论了新的基于属性变换的连续属性处理方法.该方法基于统计概率信息,依据概率属性的最佳分裂对应分裂连续属性,增加了决策树的分类精度.     

基于蚁群算法的混合优化算法在TSP中的应用

针对蚁群算法收敛慢,易陷入局部最优的问题,提出了基于蚁群算法混合优化算法。该方法将传统蚁群算法中的启发式因子α,β作为每只蚂蚁的属性,利用遗传算法对蚂蚁的种群进行自然选择,优胜劣汰,优秀蚂蚁被保留并产生后代,蚂蚁的启发式因子在求解问题的动态过程中收敛到合理的范围内。将改进的算法应用于旅行商问题,实验结果表明,利用这一方法可使解的性能有所改进,并有效地减少了计算时间。     

基于邻域粗糙集的连续值分布式数据属性约简

为了去除系统中的冗余属性,保持系统的分类能力,研究了连续值分布式数据的属性约简.给出了连续值分布式决策信息系统中邻域粗糙集的定义,讨论了分布式连续值决策信息系统中正域计算的可分解性.以保持分布式决策信息系统的正域不变为前提,探讨了分布式决策信息系统中属性的可约性,提出了分布式连续值决策信息系统的属性约简算法.为了验证该算法的有效性,在7份数据集上进行了3组实验.实验使用提出的算法对分布式数据进行属性约简,进而采用加权集成的方式进行分类测试.实验结果表明,该算法能够有效去除连续值分布式数据中的冗余属性,使得约简后的连续值分布式数据的集成分类能力与约简前相差不大.甚至更高.     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

基于模糊C均值聚类的粗集理论连续属性的离散化新算法

讨论模糊C均值聚类算法在决策表条件属性对决策属性的相容程度的指导下对粗集理论中的连续属性进行离散化的一种新算法.该算法充分考虑属性之间的相关性,将所有连续属性转化为矩阵同时处理,能明显提高传统动态层次聚类算法离散化过程的速度.算法测试结果表明,新算法能较好地保留有效属性,提高离散化精度.     

一种高效的复杂信息系统增量式属性约简

文中提出一种离散和连续混合属性的复杂信息系统增量式属性约简算法.首先,将粒计算模型中的知识粒度在混合型信息系统下进行推广,提出了邻域知识粒度,并构造出基于邻域知识粒度的非增量式属性约简算法,然后在混合型信息系统下研究了邻域知识粒度随对象增加时的增量式计算,理论证明了该计算方式的高效性,最后提出了基于邻域知识粒度的混合信息系统增量式属性约简算法.UCI数据集的实验结果表明,所提出的算法在混合型信息系统中具有很高的增量式属性约简性能.     

粒度计算中混合属性约简的权重模糊粗糙集模型

针对权重粗糙集模型不能有效处理非平衡混合数据的问题,对权重论域上的各种类型变量进行分析并建立统一的模糊等价关系,提出混合数据上的权重模糊粗糙集模型,并利用该模型构造出带权模糊等价空间上的混合属性约简算法.混合属性约简算法产生的模糊软划分可以克服权重论域上离散硬划分产生的信息损失.在非平衡混合数据集上进行的实验结果表明,与基于权重粗糙集的算法相比,基于权重模糊粗糙集模型的属性约简算法的平均分类精度提高了11.9%.     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向.任务调度问题的解决是网格得以充分发展的基本前提.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能.任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务.改进蚂蚁算法以及任务调度策略的有效性已被OP-NET上的仿真结果所验证.     

混合蚁群遗传算法在车间作业调度的应用研究

提出了一种解决车间调度最短完成时间的有效的混合算法.将遗传算法与蚂蚁算法的融合,采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补.应用该算法对Job-Shop车间作业调度问题的解进行编译,通过实例表明该算法是可行有效的.     

蚂蚁树在文档聚簇中的应用研究

蚂蚁的自我聚集的行为可以形成蚂蚁聚簇,根据此行为提出一种基于蚂蚁树的文本文件的聚簇算法.算法中将对象属性作为为关键词,提取文本文件关键词组成一个关键词集合,一个集合代表一个对象(蚂蚁).算法将计算关键词的相对频率和对象之间的相似度,然后比较对象相似度阈值和相异度阈值,最终完成文本文件对象的聚簇.     

基于遗传算法和信息熵的文本分类规则抽取方法研究

针对数据挖掘中的文本分类问题,提出了一种基于遗传算法和信息熵的文本分类规则抽取算法Genet-ic-Miner(简称GM),该算法的目标是在数据集中发现分类规则。首先利用信息熵生成初始种群,然后利用优化的遗传算法抽取相应规则。采用六个标准的公共领域的数据集比较了GM与其它两个非常著名的同类算法Ant-Miner和CN2,实验结果表明,无论是预测准确性和规则的简单性,GM都明显优于Ant-Miner和CN2,并且该算法能大大提高对知识的理解力。     

基于蚁群算法的分类规则挖掘

在Ant-Miner算法基础上提出了一种利用蚁群算法解决分类规则挖掘的算法(ACR),设计了合理的蚂蚁选择属性及属性分区的概率公式,并对规则质量的衡量等策略进行改进,可以较好地挖掘分类规则.在标准数据集上通过与Ant-Miner算法和经典的基于决策树的C 4.5算法比较,ACR在挖掘分类规则的简单性、正确率上有较好的表现.     

Ant-Miner算法研究和性能优化

首先阐述了Ant-Miner算法的实现原理,然后从不同角度对Ant-Miner算法进行分析,并针对Ant-Miner算法的不足之处提出了相应的改进和优化方案,最后通过实验证明优化后的算法能达到更好的效果.     

基于数学规划的平行机批量调度固定优化算法

以半导体制造行业为应用背景,研究带产能约束的平行机批量调度问题。该问题需要同时考虑基于产品加工顺序的生产准备时间约束、产品加工的时间窗约束、设备和产品的匹配约束以及设备偏好性等约束。为此,构建了混合整数规划(MIP)模型,并设计了基于MIP模型的固定优化启发式算法。该算法先按照随机设备柔性最小优先规则把设备预先分配给需要加工的产品,从而可以通过更新设备和产品匹配关系矩阵来降低子问题的求解难度;再利用基于设备分解和基于时间分解的两种分解方法,固定住MIP模型中的大部分0-1变量,从而可以有效地利用MIP求解器优化剩余的一小部分0-1变量。大量随机产生的实验算例和半导体工厂真实算例表明:该算法优于现有文献中其他基于MIP的启发式算法,特别是当算例中设备柔性较高和需求变动较大时,该算法绩效更加显著。     

声速混合定则测量原油含水率实验研究

在原油生产和管道输送过程中,原油含水率具有重要的经济意义．笔者应用生物组织定征中的声速混合定则,对油水混合流体中含水率进行测量．研究表明,声速混合定则测量的结果与实际值符合较好,这为原油含水率的测量提供了一种有效方法     

混合核函数的性质及其在混合灵敏度分析上的应用

为了度量不同的分布参数对结构输出性能统计特征的影响,定义了失效概率及功能函数统计矩对输入变量分布参数的混合灵敏度.并针对混合灵敏度,相应地定义了一种新的混合核函数.推导了一般两分布参数情况下混合核函数的表达式,并讨论了其通用的性质.利用这些混合核函数的性质,解析地求得了正态变量情况下二次不含交叉项功能函数失效概率混合灵敏度的解析解.算例中数值仿真算法与解析结果的对比验证了基于混合核函数的失效概率混合灵敏度近似解析表达式具有较高的精度.     

复合材料层合板结构的概率与非概率模型

将非概率模型引入复合材料的可靠性分析,建立了一种包含概率和非概率分析的混合模型．对存在初始缺陷的层合板系统。将初始缺陷等不确定性因素根据所掌握数据的多少分别采用概率和非概率模型来描述,通过Tsai—Wu准则进行强度分析,运用一阶矩方法得到可靠性指标,来评估复合材料层合板系统的可靠性．结果表明,对于那些掌握数据较少,而无法准确描述其分布形式的变量,采用混合模型是一种较好选择．     

一元函数微分法的注记

本文给出了一元函数微分学中一个求导运算法则。此法则是用多元函数微分的方法来运算一元函数的导数,并从理论上给出了严格的证明。这样,便把一元函数与多元函数的微分法统一了起来。利用此法则运算某些函数的导数也起到了简化作用。     

基于混合离散复合形法的工程优化设计

针对工程中大量存在的设计变量为离散型和连续型的混合离散变量优化设计问题,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法———混合离散复合形法。算例表明,混合离散复合形法可用于工程结构优化设计中,其结果不需圆整,解题可靠性和效率大大提高。     

扩展产生式规则知识表示方法

通过对现有知识表示方法进行分析，指出了产生式规则和概念图表示方法在自然语言理解中存在的问题，提出了扩展产生式规则知识表示方法，并对该规则的推理机制和具体实现进行了讨论．扩展产生式规则表示方法是将产生式规则的前提、结论和处理分别用概念图表示，是一种混合知识表示方法．它既保持了产生式规则的模块性，又揭示了自然语言中的深层次关系，与自然语言形成自然映射。通过分析表明，扩展产生式规则的总体性能要优于传统的产生式规则。并且特别适合于自然语言理解中的知识表示．该规则已应用于网络故障诊断专家系统的自然语言接口设计中．