一种最小测试代价约简的改进算法

传统属性约简的目标是在决策表中的所有条件属性中,选择一组分类代价最小的约简,算法构建了测试代价最小的约简.以往的测试代价约简算法查找成功率不够理想,性能不稳定,提出了一种改进的测试代价约简算法.通过运行2个UCI数据集实验,证明算法是有效的,并为提高测试代价约简算法性能提供了新途径.     

代价敏感属性约简的自适应分治算法

代价敏感属性约简问题作为经典属性约简问题的自然扩展,将代价引入数据,使得属性约简问题更加具有现实意义。文章基于分治思想,先按列将数据集拆分为若干个互不相交的子数据集,然后对各子数据集进行约简,并把约简后的子数据集多路合并。依次继续执行约简和合并操作,最终得到最小测试代价约简。每个子数据集的大小及子数据集的总个数自适应于各个数据集的规模而非固定不变。为验证算法的有效性,选择四个UCI标准数据集进行实验,并与其他算法进行结果对比。实验结果表明,该算法能在较短时间内获得可接受的结果,更适应实际问题的需要。     

多代价下的代价敏感属性选择算法比较

代价敏感属性选择在数据挖掘和机器学习中起着关键性作用,代价敏感属性选择问题是经典属性选择问题的自然扩展,已成为越来越多学者的研究热点之一.首先给出多代价下代价敏感属性选择问题的数学模型,然后介绍现有的有代表性的四种代价敏感属性选择算法,最后在四个UCI数据集上进行实验,对四种代价敏感属性选择算法的效果和效率进行比较分析.     

基于三支决策的广义代价敏感近似属性约简

在粗糙集领域,属性约简的首要任务是在保持原有数据相关特性的前提下,获取一个最小的属性子集。代价敏感学习的目标旨在最小化各类代价。而近似属性约简的意义在于让决策者能够权衡代价承受能力和知识发现的程度。本文在定性和定量的标准下提出了代价敏感近似属性约简的问题;定性标准指不可分辨能力,定量标准指近似参数ε和代价。基于三支决策和可分辨矩阵,提出了解决代价敏感近似属性约简问题的框架:首先,定义了属性子集的质量函数,该函数解释了多粒度结构;其次,通过考察属性重要度,提出了"性价比"指标的适应函数;进而利用提出的适应函数和三支决策中的(α,β)阈值对三分属性集合;最后,设计了删除策略和添加策略的代价敏感属性约简算法。从实验结果分析上验证了算法的有效性,体现了提出的问题和理论框架具有更广义的解释和适应性。     

决策代价约简求解中的交叉验证策略

属性约简是粗糙集理论中的核心问题,其目的是剔除冗余属性以找到具有较好泛化能力的属性子集.在决策粗糙集理论中,决策代价经常被作为属性约简的约束条件.但值得注意的是,虽然基于决策代价的约简求解算法可以有效地降低训练样本集上的总决策代价,但其往往忽视了测试样本集上的总决策代价.为解决这一问题,利用交叉验证的基本思想,设计了以决策代价为约束条件的一种新的属性约简求解算法.在八个UCI数据集上的实验结果表明,相较于传统基于决策代价的约简求解算法,所提算法不仅能有效地降低训练集合和测试集合的总决策代价,而且找出的属性子集亦可以带来更好的分类性能.     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.     

代价敏感Boosting算法研究

针对代价敏感学习问题,研究boosting算法的代价敏感扩展。提出一种基于代价敏感采样的代价敏感boosting学习方法,通过在原始boosting每轮迭代中引入代价敏感采样,最小化代价敏感损失期望。基于上述学习框架,推导出两种代价敏感boosting算法,同时,揭示并解释已有算法的不稳定本质。在加州大学欧文分校(University of California,Irvine,UCI)数据集和麻省理工学院生物和计算学习中心(Center for Biological&Computational Learning,CBCL)人脸数据集上的实验结果表明,对于代价敏感分类问题,代价敏感采样boosting算法优于原始boosting和已有代价敏感boosting算法。     

基于邻域粗糙集的多标记属性约简算法

在多标记学习中,属性约简是解决多标记数据维数灾难的一个关键技术.针对邻域粗糙集属性约简在计算正域代价较大和多标记数据中标记具有不同的强弱性问题,提出了基于邻域粗糙集的多标记属性约简算法.该算法首先利用样本在整个属性空间下到其异类样本的平均距离与到其同类样本的平均距离的差值对标记进行加权;其次,利用取整函数对样本空间进行划分,提出了一种新的多标记邻域粗糙集快速计算正域的方法;最后,根据前向贪心搜索算法进行属性约简,以获得一组新的属性排序.实验给出了5个多标记数据集在4个评价准则上的对比结果,实验结果分析表明了所提算法的有效性.     

采用多类代价指数损失函数的代价敏感AdaBoost算法

为解决由多个二类代价敏感算法扩展而成的多类算法存在时间复杂度高和不能区分错分代价的问题,提出一种采用多类代价指数损失函数的多类代价敏感AdaBoost算法(MCCSADA)。为保证算法的代价敏感特性,首先设计一种满足代价敏感损失函数设计准则的多类代价敏感指数损失函数;然后将此损失函数作为评价分类器性能的标准,以最小化损失函数为目的使用逐步叠加模型推导算法的最优基分类器加权系数;最后使用多类代价损失函数和最优基分类器加权系数求解公式替换多类AdaBoost算法的损失数和加权系数求解公式,得到代价敏感的MCCSADA算法。使用UCI数据集对算法进行验证,实验结果表明:算法的稳定性得到了提升,退化现象被减弱;相比于由两类代价敏感算法通过一对一方法扩展而来的多类代价敏感算法,MCCSADA算法在大多数情况下能够取得更低的代价,而且具有较低的时间复杂度,在3类数据集上的时间复杂度降低约40%,并且随着类别数的增多效率提升更加明显。     

基于粒子群优化的最小属性约简算法

将最小属性约简问题转化为一个基于粒子群优化算法求解的多目标优化问题.引入基于表现型共享的适应度评价函数以提高多目标搜索算法的性能,对基本粒子群优化算法的位置更新公式进行修正使其能够有效应用于最小属性约简问题,并提出了一种用于求解该问题的二进制多目标粒子群优化算法.实验表明,本算法是有效的,并能一次运算获得多个最小属性约简.     

基于平方加权的理想点法解双层多目标规划问题

给出双层多目标规划问题的模型,将基于平方加权的理想点法与KT条件有效结合起来,从而把双层多目标规划问题转化为单层单目标规划问题进行求解,最终得到原问题的有效解.     

多目标动态加权差分算法及在电力经济调度模型上的应用

考虑多目标动态加权进化策略不能有效处理高维变量多目标函数的缺点,本文利用差分算法代替进化策略,提出一种多目标动态加权差分算法．最后,通过优化典型多目标优化问题以及电力经济调度模型优化,验证了所提算法的有效性。     

心理学视野下之音乐教学

学生音乐学习包括众多复杂的心理活动。兴趣是学习的动力、感性体验是学习的主要方式、差异性是客观存在的特征。音乐教学应遵循音乐学习规律,实现音乐教育的培养目标。     

水利水电工程综合效益数学模型研究

本文根据水利水电工程综合效益的特点，在各目标相互影响关系分析的基础上，从系统分析的角度出发．建立了研究综合效益的多目标动态模拟组合模型(MODSMM)．该模型能模拟水利水电工程实际运行过程，统一计算并多重优化工程综合效益，最终可提供工程在不同规模不同综合利用调度策略下的一组综合效益非劣解．应用结果表明，本模型具有良好的仿真性和通用性，它比以往单独计算工程各目标效益的常规方法都有了本质的改进．     

利用神经网络进行复杂自由曲线／曲面重构

提出了利用Ｂｅｚｉｅｒ基函数神经网络重构自由曲面的方法。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点／曲面的控制网络,通过神经网络的权值约束实现曲线段／曲面片之间的Ｇ＾１０、Ｇ＾１光滑拼接,给出了神经网络的构造学习过程,并用实例加以验证。     

个性化培养材料成型及控制专业学生探究

针对多层次的就业趋势和材料加工工程学科的发展态势,推行宽厚通识教育基础上的以学科知识为平台的专业教育,设计个性化、多层次人才实践培养模式。提供学生自主选择的第二课堂加深模块形式,根据兴趣和特长自由选题,满足学生个性化学习需要。构建多层次、立体化、开放式、分方向的实践教学体系。经过一年多的实践检验,取得较好效果。     

大学英语网络自主听力的准实验研究

基于自主学习的理论，采用问卷调查、期末测试成绩对比的方法，对为期一年的多媒体网络辅助大学英语听力教学与传统的课堂听力教学作了详细的对比分析．结果表明：自主听力教学模式有着传统模式不町替代的优势．     

一种基于非线性多目标群决策的错峰控制限电分配方法

探讨了在用电峰值时段对多地区之间进行限电分配的问题.通过分析错峰控制限电决策中的不满意度影响因素,给出了不满意度的非线性显函数形式;运用非线性多目标群决策理论,建立了非线性多目标群决策错峰控制限电模型,提出了一种交互式多目标加权解法,并且将有约束非线性规划模型化为无约束非线性规划模型;给出了求解的方法与步骤.最后经实例研究,得到较满意的结果.     

基于建构主义学习理论的多媒体CAI软件设计原则

多媒体计算机是计算机在教育上的主要应用方面之一，多媒体CAI软件的质量是衡量其应用效果的重要标准，设计多媒体CAI软件应遵循相关教育教学理论的指导。主要阐述了基于建构主义学习理论的多媒体CAI软件设计原则，并简要分析了建构主义学习理论及多媒体技术与建构主义理论之间的关系。     

企业目标成本控制研究

提出了目标成本控制保证体系,运用目标成本法确定目标成本;建立了成本结构模型,并将目标规划用于进行目标成本控制。