一种新的概念格并行构造方法

概念格在数据分析及机器学习等很多领域得到了广泛的应用,其构造算法的时空开销随着数据规模的不断增大而迅速增长,这一问题一直困扰着格的进一步应用。因此,设计更加有效的建格算法是非常重要的。文章结合批生成算法的并行性和渐进式算法高效性的优点,提出了一种新的并行算法;实验表明,该算法的时间性能和空间性能都有明显的提高。     

概念格属性约简的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的数据分析工具．通过对概念格属性约简的研究,给出了绝对必要属性、相对必要属性和绝对不必要属性的判定定理,在此基础上给了直接从对象集求约简属性的快速算法．     

模糊关联规则格的规则提取

针对模糊属性事务数据库提取模糊关联规则的问题,采用模糊概念格与模糊关联规则相结合的方法,实现格节点与属性项集的对应关系,提出模糊关联规则格理论,在渐进式建格算法基础上对格节点相应修改,给出了适用于动态数据库的模糊关联规则格的构建思想.利用模糊关联规则格挖掘关联规则,与采用Apriori算法计算频繁项目集获取规则相比较,容易获得用户感兴趣的关联规则,同时减少冗余规则的生成,使挖掘算法得到优化.     

概念格及其应用进展

概念格是近年来获得飞速发展的数据分析的有力工具。从数据集中生成概念格的过程实质上是一种概念聚类过程。然而 ,概念格可以用于许多机器学习的任务 ,例如分类 ,关联规则的挖掘等。论文介绍了概念格的基本概念 ,讨论了现有的几种建格算法和在格上提取规则的方法及相关系统和应用。另外 ,还介绍了格的剪枝及概念格和另一个新型数据分析工具粗糙集之间的关系。     

一种新颖的概念格构造算法

高效的概念格生成算法对于形式概念分析的应用研究是一个主要问题,文章从基于属性的基本概念出发,首先给出并证明了任意概念可表示为基本概念的定理,并提出了一种基于属性基本概念的渐进式概念格生成算法,实例表明该算法是可行和有效的。     

基于对象扩展的概念格批处理构造算法

大多数概念格批处理构造算法，由于产生大量不满足外延最大扩展性的结点即冗余结点，导致相同内涵的结点重复生成，降低了概念格的构造效率。给出了一种新的基于对象扩展的概念格批处理构造算法（OEBCA），该算法对每层新生成的结点进行对象扩展，使其满足外延最大扩展性，相同内涵的结点只生成一次，从而避免了冗余结点的产生，提高了概念格的构造效率。实验结果表明，该算法是正确的和有效的。     

一种利用差集的加权频繁项集挖掘算法

挖掘加权频繁项集是多种数据挖掘应用中的关键问题,为提高传统加权频繁项集挖掘算法的性能,在研究概念格模型和差集Diffsets理论的基础上,构建一种利用差集的加权频繁项集格结构,该格结构通过差集性质快速计算加权支持度,满足向下封闭特性,更有利于高效生成加权频繁项集.最后给出了相应的FWIL-Diffsets构造算法,该算法仅对数据库进行一次扫描,通过性质定理有效减少项集生成中的计算量.研究结果表明:该方法能显著提高生成加权频繁项集的效率.     

基于扩展粗糙集模型的近似概念格规则挖掘研究

粗糙集和概念格是两种不同的知识发现和数据挖掘有效工具,已被广泛应用于许多领域.在对粗糙集和概念格基本理论研究基础上,提出了利用扩展粗糙集模型对概念格近似使其得以改进,即在概念格中引入β-多数蕴涵关系实现概念格中结点近似合并以及近似概念格(ACL)的构建,由此提出概念格粗糙近似和规则挖掘算法(LCBA).最后通过UCI机器学习数据库相关测试表明该算法的可行性和有效性.     

二维复杂域PEBI网格细化生成算法

本文给出了二维PEBI网格有关概念,对其已有生成方法进行了系统的分析.针对这些方法的不足,提出生成二维PEBI网格的优化检测带细分算法,先根据限定条件设置初始等腰梯形检测带,然后设计算法来细分检测带,以实现PEBI网格的快速生成.文中还进行了算法收敛性分析和时间复杂度分析.最后给出算法实例,验证了该算法的正确性和有效性.与已有PEBI网格生成算法相比,在限定线段间存在较小夹角时,本算法能有效消除这部分畸形网格单元,提高网格单元质量,扩大算法适应性;同时减少限定线段区域外的PEBI网格单元数目,提高算法效率.本算法在油藏数值模拟等领域有很好的应用前景.     

土家族织锦遗产的数字化保护

利用现代数字化技术研究了土家族织锦传统图案的版权保护,给出了基于Haar小波的土家族织锦图案的水印算法、基于混沌的土家族织锦图案彩色分量水印嵌入算法和基于双混沌映射的土家织锦图案数字加密算法.加强土家族织锦的应用研究,给出了土家族织锦数字签名生成算法、土家族织锦现代图案生成织锦格算法.为数字化技术手段实现非物质文化遗产...     

基于案例的学习方法的研究及其应用

基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文分析了目前国内外的发展现状,对基于案例的学习的研究方法、步骤进行了简单描述;给出了两个应用实例来具体分析基于案例的学习     

改进的核极限学习机定位算法

针对神经网络无线定位方法,存在训练耗时长,定位结果易受噪声干扰的问题,提出了一种改进的核极限学习机无线定位算法。采取在同一位置进行多次测量的方法得到训练数据;把同一位置测得的数据划分为一个样本子空间并提取样本子空间的特征,以样本子空间的特征代替原来的训练数据;利用矩阵近似及矩阵扩展的相关理论改进核极限学习机算法;将处理过的训练数据利用改进的核极限学习机进行训练,得到定位预测模型。仿真结果表明,在相同数据集下,改进的核极限学习机训练用时短、定位速度快;在相同噪声干扰情况下,此算法定位预测误差小。经验证,该算法不但能提高网络的训练速度、定位速度,还能有效地降低噪声的干扰,提高定位精度。     

基于随钻数据的岩性识别机器学习算法研究进展

机器学习算法是岩性识别领域重点研究内容之一。与传统岩性识别方法相比,通过监测随钻参数变化进行岩性识别,具有高精度、多信息、集成化、智能化的优点。近年来,随着岩性识别技术不断发展,机器学习算法在岩性识别领域的研究和应用日益广泛。利用机器学习算法分析随钻数据,能够提高岩性识别结果的准确性,更高效地识别地层的岩性和构造。为了厘清岩性识别机器学习算法的发展现状,发掘其在岩性识别技术领域中的技术难题,综述了岩性识别机器学习算法的研究进展。首先,简要介绍了机器学习的概念与发展历程;其次,分类阐述能够用于岩性识别领域的机器学习算法;再次,总结了岩性识别领域各类常用机器学习算法的应用现状,比较了各类算法在岩性识别应用中的优缺点;最后,总结了岩性识别算法存在的问题和面临的挑战,并对其下一步发展方向提出了建议,使未来能更加准确高效地利用机器学习算法分析处理随钻数据,实现机器学习算法与岩性识别技术的深度结合。     

概念设计中机器学习技术的运用

设计中开发计算理论的一个挑战是必须能支持计算机的有效运用，这一机制允许从设计专家那儿或设计样例中取得产生，累加和转换的设计知识。而其中的一个方法是把机器学习机制综合成基于知识的支持系统，以模拟设计过程初级阶段，使设计成为一个增加和诱导学习的过程。模拟的需要产生于在不同的提取阶段获取，提炼和转移设计知识的需求，从而使得能轻而易举的熟练操作。在设计中，现有的知识产生于过去的设计解决方案，而过去的解决方案提供的反馈信息能更新和提高设计理论知识基础。但是，没有学习接受能力，设计系统不能反映设计家们在这一领域的成长经历，也不能反映设计家们从以往设计案例中提取知识的能力。在此提出了方案设计和效力评价中的三种方法。     

基于邻域粗糙集的主动学习方法

主动学习是机器学习领域的重要研究方向.现有主动学习方法通常选择不确定性的或具有代表性的样本供专家打标,然后添加到已标记的数据集中供分类器学习,但没能充分利用数据的分布信息,并且在野点采集问题上有待改进.结合邻域粗糙集理论,提出了一种基于邻域粗糙集的主动学习方法(neighhbor rough set active learn-ing,NRS-AL).实验结果表明,在加州大学数据集(university of CaliforniaIrvine,UCI)上,该算法充分利用了数据的分布信息,同时结合样本的不确定性和代表性计算,处理了野点的选择,是一种能有效解决主动学习样本选择问题的算法,在accuracy,受试者工作特征(receiver operating characteristic curve,ROC)曲线下面的面积(area under curve,AUC)指标上优于文献中的主动学习算法.     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析。并已成为国际机器学习界的研究热点。本文主要讨论其基本原理与SVM训练算法。     

一种基于系统不确定性的主动式知识学习算法

主动式知识学习方法不依赖于先验领域知识，其学习过程受信息系统的内在属性控制，所产生的知识系统 能够更客观地表达信息系统的潜在特征和规律。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙 集理论，提出一种系统不确定性度量方式，结合Skowron算法，设计出一种基于系统不确定性的主动式决策规则知 识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他同类算法。     

一种基于系统不确定性的主动式知识学习算法

主动式知识学习方法不依赖于先验领域知识，其学习过程受信息系统的内在属性控制，所产生的知识系统能够更客观地表达信息系统的潜在特征和规律。系统不确定性能够有效地控制主动式知识学习过程。基于粗糙集理论，提出一种系统不确定性度量方式，结合Skowron算法，设计出一种基于系统不确定性的主动式决策规则知识学习算法。仿真实验结果表明该算法能够更好地适应系统的不确定性，其综合性能明显优于其他同类算法。     

具有学习效应且加工时间可控的单机排序问题

讨论一类加工时间可控的单机排序问题.在这一问题的模型中,机器具有学习效应,工件的实际加工时间为同时依赖于所排位置和所分配的资源量的资源消耗函数,其中资源消耗函数又分为线性资源消耗函数和凸资源消耗函数这两种函数.考虑共同工期分派方法和松弛工期分派方法这两种工期分派方法.极小化一个包含加权总误工数的费用、工期分派的费用、最大完工时间的费用和总资源消耗的费用的目标函数.对于工件加工时间的两种资源消耗函数与工期分派方法的不同组合,算法复杂性为O（n4）的多项式时间算法相应地被给出.创新之处是：在Shabtay研究的基础上增加考虑了学习效应后,计算相关问题的算法复杂性仍保持不变.     

Web信息提取中多策略学习算法的研究

将一种新的机器学习方法－多策略学习算法应用于Web信息提取领域，在原有的机械学习，统计学习和相关学习等三种机器学习法基础之上充分考虑各学习方法的利弊，将三者有机结合，使得结合后的新算法在提取Web信息时比结合前任一单一机器学习方法都更有效、更准确。