一种新的启发式属性约简算法

为解决属性约简的诸多问题,比如基于信息熵的属性约简方法偏向多值属性的缺点,而基于属性相似度的属性约简方法偏向少值属性的不足,现提出一种将信息熵和属性相似度结合起来的新的启发式属性约简方法.实验结果表明,避免了上述两种属性约简算法的偏向性.     

含属性加权模糊序决策信息系统的近似约简

为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以及约简方法 .最后,通过实例验证了该约简方法的有效性.     

模糊信息系统上的粗糙约简

:基于粗糙集理论和模糊等价关系,提出了模糊信息系统(FISs)在不同粒度划分上的知识约简方法和属性重要性度量.这些约简利用了2个水平划分参数(或对象相似度)α、β,其中相对约简与属性重要性度量采用了决策类的水平集正区域公式.利用水平集粗糙成员函数得到分布约简与分配约简方法,它们扩展了Pawlak信息系统(PISs)上的属性约简方法,解决了FISs上的知识获取与特征选择问题.同时,基于不同粒度下的等价类,给出了FISs上可辨识属性矩阵、分布约简和分配约简的辨识公式,克服了经典方法在FISs上的不适用性.示例结果表明,在不同粒度空间上,这些约简方法产生了与全部属性具有最大程度分辨能力和规则置信度的属性子集.     

一种序决策信息系统中的快速属性约简算法

为了提高无核或少核序决策信息系统中现有属性约简算法的执行效率,本文以知识粒度表征的属性重要度为启发信息并结合前向属性约简方法提出了一种新的属性约简算法。首先,介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法引入优势粗糙集方法中,得到可处理序决策信息系统的属性约简算法;然后,通过分析序决策信息系统中知识粒在属性数目变化条件下的粗化与细化过程,得出相对冗余属性的判断定理,由此结合前向属性约简方法设计了快速属性约简算法;最后分析比较了2种算法的时间复杂度并选取了6个不同的UCI数据集进行算法性能的测试,测试结果表明,本文提出的算法比现有的属性约简算法高效。     

基于区分矩阵求决策算法的约简

利用区分矩阵的特点，给出了另一种求决策表的属性约简与属性核、决策规则的约简与核的方法，进而给出了一种求决策算法约简的方法，这种方法简单易行，尤其在求决策规则约简时更体现了它的优越性。     

基于粗糙集方法的知识发现

属性约简和属性值约简是租糙集理论中的重要研究内容,也是粗糙集理论应用于知识发现的主要方法.但求取任意问题的最小属性集是一个NP难问题.本文利用属性间的知识依赖度,提出了一个求取属性约简的贪心算法,它可以在多项式时间内得到一个约简.同时,把粗糙集方法应用于知识发现,通过属性约简删除信息系统的冗余属性,减少数据量,再利用属性值约简,获取决策规则.最后通过实例说明了基于粗糙集方法的知识发现过程,验证了方法的有效性.     

信息表属性约简之间的若干关系

研究信息表绝对属性约简与相对属性约简之间的关系,指出一个绝对属性约简通常只是包含而不一定会是相对属性约简,同时给出相对属性约简不是绝对属性约简的一个充分条件.此外还阐述了绝对属性约简与属性依赖性之间的关系.     

一种基于粗糙集的不确定决策知识约简算法

粗糙集理论是处理不完整和不确定知识的数学工具,能有效地分析和处理不精确、不一致、不完整的各种不完备信息,并从中发现隐含知识,揭示潜在规律.针对决策知识冗余、决策效率低下等问题,本文以粗糙集理论为基础,研究不确定性的知识约简算法及决策规则获取方法.首先,研究粗糙集理论与知识约简理论基础,包括知识及知识库、知识表达系统、核与约简的关系;然后,研究了属性约简算法,包括属性的重要性、属性约简算法和属性值约简算法的相关定义及其数学模型表示,并给出了属性约简步骤;最后,以软件维护性及影响因素决策表为例,按照属性约简步骤,完成了属性约简和属性值约简,通过实例分析验证了算法的可行性、有效性和决策规则获取方法.结果表明,运用粗糙集理论对知识进行约简,可以简化复杂系统、消除冗余知识,获得知识库简洁表达的方法,有效维护知识库的结构和性能.     

连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

基于粗糙集的不相容决策表属性约简算法

对Skowron可辨识矩阵方法进行分析,应用反例说明基于Skowron可辨识矩阵方法对不相容决策表属性约简中存在一定的局限性.针对这一问题,提出了一种基于互信息的求属性核方法,并在此基础上利用互信息作为启发信息,在算法中加入了消除冗余属性的二次约简过程,构造一种完备的启发式属性约简算法.实例分析表明该算法能够有效地对不相容决策表进行属性约简,且具有较好的约简效果.     

洋葱块茎中还原糖测定方法对比研究

本文采用DNS比色法、还原糖测定仪两种方法对洋葱块茎中的还原糖含量进行测定。结果表明,还原糖测定仪法的标准偏差和变异系数均小于DNS法,其回收率为101.7%。     

淀粉制糖过程中关键生化参数的快速测定

建立了葡萄糖、还原糖、DE（dextrose equivalent)值等淀粉制糖过程中关键参数的快速分析方法，对淀粉制糖过程中的关键参数进行了快速测定,检测淀粉制糖过程中葡萄糖、还原糖、DE值等关键参数的变化规律。发现液化过程可以明显增加葡萄糖含量，降低麦芽三糖、麦芽四糖含量；糖化过程中随着时间延长，葡萄糖、还原糖含量逐渐增加，DE值升高。该方法可以为淀粉制糖过程控制与分析提供新的技术支持。     

基于GCS陪集分选降系统峰均比方法

降低正交频分复用系统(Orthogonal Frequency Division Multiplexing,OFDM)的峰均功率比是有效应用OFDM技术的关键。提出了一种有效降低信号峰均比的方法,大大减少了传统的降OFDM系统的峰均比计算复杂度。仿真结果表明新算法更好地降低了正交频分复用系统信号的峰均比。     

降低齿轮泵压力脉动与噪声的研究

本文对齿轮泵的压力脉动和噪声进行了详细的理论分析,提出了一种降低齿轮泵脉动和噪声的新方法,即减小齿轮泵的内部阻抗,并用实验进行了验证.实验结果表明:在齿轮泵内部加入一个微型滤波器后,在额定压力2.5MP_α下,噪声下降了5—8.8dB(A),脉动减小了31%.     

内配塑料对类Hoganas法铁鳞还原速率的影响

参比Hoganas法生产纯铁粉的还原条件,选用3种典型无氯废塑料,以铁鳞料柱内配废塑料方式为主,建立类Hoganas还原体系.结果表明,内配废弃塑料可以加快铁鳞的还原速率,缩短还原时间,提高还原效率.通过对还原产物段面的微观观察,分析还原速率提高与料柱孔隙结构间的关系.     

重油加氢裂化过程稳态模型的建立

为保证石油化工系统安全生产，采用偏最小二乘法（ＰＬＳ）与人工神经网络（ＡＮＮ）相结合的方法，建立了重油加氢裂化过程的稳态模型，解决了体系复杂、影响因素多、现场数据的噪声等对模型的运算速度和精度不易满足要求的困难。对ＰＬＳ的主矢量所张成的子空间进行了数学分析，并对该方法的降维去噪能力进行了讨论。仿真实例表明，ＰＬＳ－ＡＮＮ法与ＡＮＮ法相比，在训练与预报精度都有所改善的条件下，不仅具有良好的降维效果，且有更强的除噪能力；与线性ＰＬＳ法相比具有更好的非线性映射能力。     

自动交换光网络中分级子网恢复机制

为了提高网络的生存性,该文提出了一种新型的适合于大规模自动交换光网络的快速分级子网恢复机制。该机制充分利用自动交换光网络分层路由的灵活性,采用分级的子网恢复信令过程和最短路恢复路径选择算法。在提高网络资源利用率的同时,极大地降低了网络的恢复时间。对这种新机制的信令过程进行了详细地描述和分析,并通过仿真计算与其他几种传统恢复机制的性能进行了比较,结果表明:对于跨多个域的连接,分级子网恢复机制具有更低的平均恢复时间;同时发现,缩小子网规模,可以进一步减少恢复时间。     

新的无罚函数无滤子的序列二次规划方法

对一般的具有等式约束和不等式约束的非线性规划问题,提出了一个无罚函数无滤子的信赖域序列二次规划算法.整个算法分为两个阶段,第一阶段计算可行步,以达到减少约束违反度的目的,第二阶段为优化阶段,以减少目标函数的二次模型为目的.此算法中可行步和优化步是相对独立的,任何减少约束违反度的算法都可以应用,具有更大的灵活性.在合理的假设条件下,证明了算法的全局收敛性和局部收敛性.通过数值实验证实了算法的有效性.     

复合形法的减维控制

复合形法是求解约束非线性规划的一种直接方法, 它计算简单、 适用性强, 是解决 工程技术问题的常用方法. 但当初始复合形选择不当时, 会出现减维现象, 从而影响到最优 解的收敛. 针对上述问题, 给出了n维空间条件下的减维控制 定理与方法, 使其在构造初始复合形时能有效避免减维现象的发生.     

高分辩率谐波恢复的互四阶累计量的Pisarenko方法

互高阶谱估计是抑制混合色噪声的一种有效方法。为此提出了一种混合色噪声背景下谐波恢复的互四阶累积量的Pisarenko方法。仿真结果表明，该方法可同时抑制各信道间相关的高斯色噪声及相互独立的任意色噪声的影响，在混合色噪声和很低信噪比条件下谱估计的分辨率和对混合色噪声的抑制等方面均明显优于自高阶谱方法。