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.     

一种基于基因置换技术的优化算法及其收敛性

针对实际工程应用中的定精度优化问题,基于基因置换育种技术提出一种局部优化算法.该算法以二进制编码个体作为育种目标,采用基因置换技术完成目标个体进化而实现精确局部搜索.通过对算法的收敛特性进行分析证明,获得优化计算代价的理论上限和经验估计,建立实现定精度优化的算法参数与计算代价的关系.实验结果表明,该算法能够在预定的计算...     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

基于ADCensus的改进半全局匹配方法

考虑到AD相似性测度对灰度信息及纹理丰富的区域的优势和Census变换对图像辐射差异具有鲁棒性的优势,将AD和Census算法融合替代单一匹配代价来改进半全局密集匹配算法,可有效提高算法的匹配精度和抗干扰性。同时用金字塔分层匹配策略来约束视差的搜索范围,实验结果表明,该方法在保证匹配精度的同时,减少内存消耗和运行时间,适用于无人机影像的密集匹配。     

基于代价敏感系数的混凝土抗压强度预测

针对传统自适应增强学习算法训练过程中只关注预测误差率最小的缺陷,本文提出了一种基于代价敏感系数的改进自适应增强学习算法并应用于混凝土抗压强度预测。首先考虑影响混凝土强度的8种参数作为特征变量,通过自适应增强学习算法集成回归树,依据样本权值抽样建立多个弱回归学习器。同时引入线性敏感系数与指数敏感系数来优化增强学习过程中样本权值的更新问题,采用引力搜索算法对代价敏感系数的基数进行最优选取。最后,根据权重比集成弱学习器得到最终预测模型。通过对所提出的两组不同代价敏感系数组合策略下的预测模型与随机森林、BP神经网络算法等模型的预测结果进行对比分析,验证了所提预测模型具有更好的预测性能。     

基于偏联系数的三支决策模型及应用

针对现行三支决策过程对信息动态演化考虑不足的问题,利用偏联系数方法构建了一种新的广义三支决策模型.探索信息演化对决策代价的影响机制,基于一阶偏联系数方法获取“同”、“异”和“反”3种策略的综合代价,进而根据代价最小原则进行决策;融入二阶偏联系数进行二阶信息演化分析,进一步判定系统的微观发展态势.将模型应用于淮河流域信阳段上7个采样点表层沉积物中有机氯农药污染治理的时机选择问题,结果表明：5个采样点的一阶决策结果为“同”,亟待治理;其余两个采样点决策结果为“异”,需进一步监测,与以往研究结果一致.融入二阶演化,其中1个采样点由“异”转为“同”,即需要重点关注.该模型基于决策信息本身构造代价函数,同时兼顾信息演化对决策代价的影响,在一定程度上弥补了以往三支决策模型在前瞻性和客观性方面存在的不足.     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

改革开放以来我国道德代价问题的研究综述

我国在取得丰硕经济成果的同时,在道德建设方面暴露出一些问题,这对于我国和谐社会的构建极为不利。为此,本文以道德代价为研究重点,对我国改革开放以来道德代价问题的相关文章进行研究综述,并做出初步的评价分析。     

DCS中的数据库分配

本文应用软件工程的思想,在分布式计算机系统中,对已有配置的计算机集,提出一种数据库分配方法,给出此问题在一定约束条件下的数学模型并介绍一个解此问题的启发式算法,使系统的可冗余数据库存贮的通信费用达到最小。     

空间聚类算法中的K值优化问题研究

在典型的空间聚类算法K-平均法和K-中心法中,K一般为用户事先确定的值,然而,实际中K值很难被精确地确定,往往表现为一个模糊的取值区间。在此提出距离代价函数的概念,建立了相应的数学模型并设计了一个新的K值优化算法,对空间聚类K值优化问题进行了初步的研究。