基于nested-loop的大数据集快速离群点检测算法

针对已有的多数离群点检测算法存在扩展性差,不能有效应用于大数据集的问题,在已有的基于距离的离群点检测算法的基础上,设计模信息表存储结构,利用向量内积不等式关系以及合理的存储分配和调度策略,提出一种高效离群点检测算法DBoda.该算法通过在预处理中存储每个点的模信息,减少点间距离的计算量,并对嵌套循环方法进行优化,进一步减少I/O的开销.理论分析和试验结果表明,所提算法具有时间消耗小和适用于处理大数据集的特点,可以有效地解决离群点检测中的算法时间复杂性和算法扩展性问题.     

基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

高阶延伸集和高阶延伸极限集的连通性

讨论动力系统中的高阶延伸集和高阶延伸极限集,给出集合的高阶延伸集和高阶延伸极限集的连通性的条件:设X是局部紧的度量空间,当M是连通的,D α(M)是紧的则它是连通的;当M是紧的和连通的,且J α(M)是紧的则它是连通的.     

粗糙集结合BP神经网络的数据融合方法研究

在粗糙集和数据融合基本理论的基础上,研究了基于粗糙集理论和BP神经网络相结合的数据融合方法。先利用粗糙集对输入信息进行简化,剔除冗余信息,从而缩减了BP神经网络的规模,提高了融合系统的识别率,进而提高整个融合系统的效率。与传统的神经网络融合系统进行比较,通过实例说明了该方法的有效性。     

粗糙集理论的扩展模型研究

在传统的粗糙集模型和相容粗糙集模型基础上,通过松弛对象之间的不可分辨和相容性条件,给出了一种新的基于和谐关系的粗糙集模型．在新的模型中,α-和谐关系在论域里导出一个嵌套的等价关系序列．分析了α在不同的取值区间时,和谐关系的粗糙性与信息熵间的关系．给出一个具体的实例对新的模型加以解释说明．     

一种基于粗糙集理论的数据挖掘算法的研究

研究了粗糙集理论在数据挖掘中的应用,提出了一种基于粗糙集理论的数据挖掘算法.首先对信息系统的数据加工泛化,构造其二进制可辨矩阵.对矩阵进行化简得到属性约简并生成规则.最后,结合银行申请信用卡的实例,利用上述方法进行数据挖掘,消去冗余属性,抽取决策规则.     

基于粗糙集理论的集对分析方法

针对集对分析的基本理论,分析粗集与集对的相似之处,将粗糙集理论与集对论相互嫁接、相互渗透,提出集对分析中的粗糙集方法,用粗集中的上下近似集来定义集对中的同异反联系度。这种方法的研究将有利于融合二者的优势,为确定不确定系统的数据分析、数据挖气掘、知识发现等提供了更扎实的理论基础。     

80486极小指令集及其构造性证明

指令集是计算机系统结构的重要研究内容之一,众多学者对指令完全性进行了描述,但至今未见极小指令集的报道。在文中,寻找既具有基本功能,又无法由其它指令编程实现的计算机基本指令,研究计算机现有的最基本的计算行为。提出了指令的功能完全性和独立性概念,并在此基础上定义了极小指令集,这为计算机指令集的优化设计建立了理论基础。还从Intel 80486指令集中选定了一个子集I9,并构造性地证明了I9是IA-32处理器指令集的极小指令集。     

LF拓扑空间的S-连通性

给出了LF拓扑空间中的S—连通性的概念,证明了（L^X,δ）不是S—连通空间的二个等价条件;讨论了S—连通集的性质;论证了S—连通性的半同胚性质及S—连通分支的概念和性质。     

粗糙集和模糊聚类理论在煤炭企业绩效评价中的应用

本文首先指出煤炭企业绩效评价的必要性,在建立评价指标体系的基础上,利用模糊聚类方法将不同置信水平上的评价对象论域进行分类,并由粗糙集中的互信息熵确定指标权重,最后给予相应算例.