粗糙集理论中连续属性离散化的一种新方法

连续属性的离散化是粗糙集理论研究的一个重要内容,对后继阶段的知识获取过程具有重要的意义。选取用于离散化的断点一般分为两步,即候选断点的选择和结果断点的确定。文中提出一种新的候选断点选取算法,可以在第一步中有效减少候选断点的数目;在第二步中采用自顶向下的方式确定候选断点的重要性,在此基础上给出了一种确定结果断点的启发式算法。仿真实验结果表明该算法是有效的。     

一种基于遗传算法的连续属性离散化方法

连续属性离散化是基于粗糙集的数据挖掘中的关键问题。针对该问题提出了一种遗传算法,在保持不可分辨关系的前提下,以最小断点集为目标,对交叉算子、变异算子进行了改进。最后,使用UCI机器学习数据对算法进行了验证,并与其它的离散化算法进行了比较,结果表明算法是有效的。     

基于粗糙集数据挖掘的瓦斯突出预测模型

提出了基于粗糙集理论建立瓦斯突出预测模型.针对粗糙集理论研究离散化数据的特点,考虑类分布信息,采用信息熵理论进行连续条件属性的离散化.在此基础上,利用粗糙集约简算法剔除冗余属性,得到约简属性,并进行规则提取,最后进行实例研究检验.结果表明,预测模型有较高的准确率.     

一种监督型的连续属性离散化算法的研究

提出一种监督型的连续属性离散化算法,利用云模型实现对属性区域的划分,以此引入边界的模糊性;再利用属性对类别的决定作用,判断是否对云模型进行归并操作,从而选择出合适的云模型集合,以实现离散化的目的.实验结果表明,该算法具有较少的离散化区间数以及较高的分类精度.     

分类规则的蚁群挖掘算法

提出了一种分类规则的蚁群挖掘算法.算法首先对所有的连续属性值离散化,得到相应的离散属性,然后让各只蚂蚁按照某种策略选择相关属性,对所选属性再选择理想的属性值,循环地构造单个规则,接着更新训练集,最终形成各类规则集.最后用新规则约简算法进行约简操作.对两个公用数据的实验及其与Ant-Miner和C4.5的对比表明,算法能够发现更好的分类规则.实验同时表明该算法是有效的.     

基于思维进化算法的工业过程粗糙建模及应用

针对粗糙集理论不能直接处理连续属性决策表的不足,提出了一种基于思维进化算法的属性离散化方法,并应用到工业过程建模中.文章对水泥回转窑控制系统进行建模的方法：首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论.结论说明了该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

基于条件信息量的教学质量评价

教学质量评价是高校教务工作的一个重要组成部分.科学、合理地确定评价指标,对教师的教学质量进行公正客观的评价,是目前的热点问题之一.通过分析学生对教师教学评价数据,给出基于条件信息量的属性约简算法,得到影响评价结果的重要属性.实例证明,该方法可以简化教学质量评价.     

基于离散小波变换和奇异值分解的盲水印算法

数字水印技术是解决多媒体数字产品版权保护与信息完整性的有效方法。提出了一种基于离散小波变换和奇异值分解的盲数字水印算法,算法利用小波变换和矩阵奇异值本身的特性,将Arnold变换后的水印信息量化地嵌入到原始图像小波低频子带分块奇异值分解后的向量中。实验表明,该算法具有较好的透明性和鲁棒性。     

基于SIMD——SM模型的并行排序算法设计

文章介绍了并行排序算法的设计,仅是从检测和开拓现有串行算法中的固有并行性而直接将其并行化入手,基于SIMD-SM模型(如图1),没有涉及共享存储器的互斥操作.对插入排序中直接排序、二分法插入排序、树形选择排序进行了研究.     

归并排序的一种改进算法

给出了归并排序算法的一种改进算法,对具有“离散”性的多个数据排序时利用该算法具有较明显的优势。     

基于属性依赖度的图像隐写分析算法

针对文献[6]将粗糙集属性约简应用于信息隐藏盲检测中检测正确率有所下降的问题,提出了基于属性依赖度的图像隐写分析算法,该算法利用粗糙集理论属性依赖度提出决策表离散优化的措施,寻找一种提高整个决策表分类能力的办法,以达到提高检测正确率的目的。首先利用该算法对决策表进行优化,其次通过属性约简得到最小约简,最后采用支持向量机构造分类器,对Cox、Piva两种不同隐写术进行实验结果表明,使用该算法不仅检测正确率有较大提高,而且检测效率也有较大提高。     

多变量决策树的构造算法研究

应用粗糙集理论,提出了一种新的多变量决策树构造算法.该算法以核相对于决策类的泛化来划分样本集,如果所划分子集的样本存在不一致决策类并且未用于划分的属性为空时,试探着分别把该子集和一致性子集合并,计算各合并子集的条件类对决策类的确定性程度,选择确定性程度大的作为同一子集,并用一致性子集的类标号进行标示.和苗夺谦提出的多变量决策树算法比较,本算法充分考虑了训练集中的噪声数据,允许在构造决策树的过程中划入正域的实例类别存在一定的不一致性,可简化生成的决策树,提高决策树的泛化能力.     

在Visual Basic环境下用粗糙集理论约简决策表属性

决策树是一种简单而且应用广泛的分类算法。一个决策表中包含大量的样本信息,一个样本就代表一条基本的决策规则。为了从决策表中抽取适应性大的规则,就需要对决策表进行属性约简。使用粗糙集理论对决策表进行约简比较出色。在用辨识矩阵方法对决策表进行属性约简时,需要考虑实现约简的一些技术问题。如建立决策表的可辨识矩阵,对所有取值非空集合元素建立相应的析取逻辑表达式,对析取表达式进行合取运算等。在VB编程环境下,实现了该算法的约简过程。实例仿真表明了该算法对于决策表属性约简是可行的。     

一种改进的属性约简方法

属性约简是粗糙集理论的核心问题之一,寻找最优约简现已证明是NP—hard问题。本文在差别矩阵的基础上,采用贪心算法的策略,提出了一种启发式算法来寻求最优约简。该算法不仅能在有核的决策表中通过核进行属性扩充求得最优约简,而且在无核的决策袁中也能根据属性在差别矩阵中出现的频率求得最优约简。经实例验证该算法是有效的。     

基于粗糙集正域的医疗决策表约简算法

医学数据通常属性较多,这在很大程度上限制了信息系统对医疗数据的挖掘效率。通过分析粗糙集正域的相关思想,结合医学领域数据的特点,提出一种基于粗糙集正域的医疗决策表约简算法,并将其应用在医学诊断中。通过实例验证了该算法在医疗决策表约简中的正确性和有效性,具有一定的实用价值。     

基于粗糙集核计算的遥感图像波段优选算法

针对遥感图像波段选择传统手工方法的不足，应用粗糙集理论，从纹理分析的多个角度选择特征，多方面挖掘数据的关键属性；通过核属性时方法计算达到简化决策表中的条件属性的目的，得到图像分类的关键波段和一些次关键波段；实现了波段的自动选择．该算法比传统方法更客观更简便，为遥感图像波段选择提供了崭新的方法．     

不协调决策表协调化的一种方法

信息系统对所研究的对象描述不完善,从而导致决策表中存在不确定性决策规则。利用辨识矩阵,求出决策表中的不一致对象,通过增加新的条件属性,消除不一致对象间的不确定,从而使不协调决策表协调化,最后以实例验证了该算法的有效性。     

基于聚类分析的粗糙集模型及其应用

将聚类分析方法和粗糙集理论相结合,建立了一种基于聚类分析的粗糙集模型,该模型能够删除冗余的数据且保留必要的数据,起到对数据进行预处理的作用,使得属性和属性值约简后的规则更加简练．     

新赛制对乒乓球技、战术的影响及对策

竞技体育的生命力在于竞争和进取,构筑一种“群雄争霸,相互超越“的生动局面.国际乒联连续出台三大改革的基本出发点有两个:一是求变化破平衡.利用新规则打破中国队对金牌的垄断,提高欧、亚其它强队的竞争力,以利于乒乓球运动的繁荣和发展;另一点就是在技术层面上,逐步消除旋转和发球对速度和力量不合理的抑制,推动乒乓球运动的技术对抗,更加充分地体现现代奥运“更高,更快,更强“的宗旨.     

基于粗糙集的属性约简算法

属性约简是粗糙集理论研究的关键问题之一,现已证明寻找一个决策表的最优约简是N P-hard问题。本文首先介绍可辨识矩阵属性约简的基本算法并对求核算法进行了改进。在此基础上给出决策表中属性重要性的两种度量,并以此为启发式信息,提出了一种属性约简的启发式算法。最后,实验结果表明,该算法在大多数情况下能有效地获得决策表的最优约简。