【摘 要】
：
属性约简目前是粗糙集领域的热点研究问题.文中研究了如何在保持误分类代价不增加的基础上减少冗余属性.首先定义了变精度模糊粗糙集中的最小误分类程度,然后引入了决策过程,提出了一种基于最小误分类程度的变精度模糊粗糙集模型,最后在这个模型的基础上将误分代价作为不变量,提出了一种启发式属性约简算法.将所提算法与其他算法进行比较,实验结果表明,所提算法得到的属性约简结果具有保留的属性数相对较少、误分类代价更低的优点.
【机 构】
：
河北师范大学计算机与网络空间安全学院 石家庄050024;河北省计算数学与应用重点实验室 石家庄050024;河北师范大学数学科学学院 石家庄050024;河北省计算数学与应用重点实验室 石家庄050
论文部分内容阅读
属性约简目前是粗糙集领域的热点研究问题.文中研究了如何在保持误分类代价不增加的基础上减少冗余属性.首先定义了变精度模糊粗糙集中的最小误分类程度,然后引入了决策过程,提出了一种基于最小误分类程度的变精度模糊粗糙集模型,最后在这个模型的基础上将误分代价作为不变量,提出了一种启发式属性约简算法.将所提算法与其他算法进行比较,实验结果表明,所提算法得到的属性约简结果具有保留的属性数相对较少、误分类代价更低的优点.
其他文献
社交网络的影响力最大化是网络分析领域的关键问题,在广告宣传、舆情控制等场景有着诸多应用.该问题指在一个社交图中选取一组源节点,使得所选取的节点集合能够在某种传播模型中形成最大的影响力.由于节点选取问题是典型的NP-hard问题,在大型网络中会遭遇组合爆炸.近些年来,国内外学者一般采用启发式算法求得问题的近似解.然而,现有工作鲜有考虑到节点选取的成本,所得到的解无法满足实际应用中的预算条件.针对此问题,首先考虑节点选取的成本约束,并对成本受限条件下的社交网络影响最大化问题进行数学建模;其次为节约源节点的冗余
发电机惯量是电力系统频率特性分析与其在线应用中的重要参数.基于发电机正常运行时机端有功功率和频率的类噪声信号可对发电机惯量进行实时辨识.然而实测数据质量存在缺陷,导致现有算法对实测数据的辨识效果较差.为解决该问题,文中以谱分析与系统辨识理论为基础,建立惯量辨识结果的先验方差统计量.通过参考系统估计、模型参数方差估计和惯量方差估计3个步骤,计算得到先验方差.并在进行辨识前对类噪声数据段进行评价和筛选,提升惯量辨识的准确度.基于仿真数据和实测数据的数据评估筛选结果验证了该方法的有效性.结果表明,先验方差较小的
国际跳棋的博弈系统中,UCT算法是一个比较新颖的算法,其效果得到了广泛认可.但是UCT算法的缺点也同样明显,终局下的处理明显不如稳定性更强的Alpha-Beta算法.为避免UCT算法的不稳定性,本文采取限制搜索深度和增加扩展条件的方法对UCT算法进行改进,改进后的UCT算法胜率远超过改进前的UCT算法胜率,使得博弈水平得到了极大的提升.
复杂社会系统建模是社会计算面临的首要问题.面向社会计算领域的建模流程与需求,提出了一种模型深度集成架构,称为POV框架.该框架由物理层、覆盖层和虚拟层3部分组成,提供了模型的组织、表达和集成方法.基于该方法搭建了面向社会计算数据模型交互共享集成平台,为研究者们提供包括数据资源、分析工具和建模仿真计算环境的社会计算实验平台.应用示例证明了该平台能够为研究者进行社会计算研究提供有效支撑.
属性约简是三支决策理论的重要研究内容之一.然而,现有基于三支决策的属性约简方法过于严格,限制了其属性约简的效率.文中提出了一种基于正域的三支近似属性约简方法.具体地,属性约简被视为根据条件属性与决策属性的相关性,将所有属性划分为正域、负域或边界域3类的过程.首先通过保留正域度量来去除负域属性,然后通过放松正域度量来迭代地排除一些边界属性,最后将剩余属性构成一个近似约简.UCI数据实验结果显示,与其他代表性的方法相比,所提方法能在保持甚至提升性能的同时获得更小的属性约简,说明了所提方法的有效性.
人工智能技术的不断发展使其在司法方面的应用逐渐增多,并引起广泛关注.具体来说,人工智能已经在合同审查、智慧法院等应用场景中崭露头角,相比传统人工,人工智能的高效率表现展示了其在司法领域的巨大应用潜力.但在其他应用场景,如智能司法裁判,虽然国内外有一定尝试,并取得了一些成果,但仍面临着数据样本量不足、算法与待解决实际问题匹配度不够的问题,以及算法过程不够透明等方面的质疑.文中围绕现有法律人工智能的相关工作,探索了人工智能可能带来的司法流程上的巨大变革,并对人工智能目前在智能裁判中遇到的数据和算法方面的问题是
随着科学技术的飞速发展,计算机技术被用于诸多领域,在人们的日常生活和工作中也愈加依赖计算机,在为人们带来便利的同时,网络安全问题也层出不穷,受到社会的广泛关注,需要针对当前计算机网络中存在的问题制定有效措施.从计算机网络安全含义入手,提出计算机网络安全问题的解决措施,希望对相关研究带来帮助.
物联网的技术日渐成熟,逐步引入实验室安全管理工作中,可切实保障实验设备安全,在实验中心组织架构的基础上,从硬件支撑平台和软件系统结构两方面研究了基于物联网的实验室设备管理模式,为实验室设备管理提供科学的参考模型,可增强实验设备及实验人员安全管控有效性.主要以“物联网技术”为切入点,探讨了该技术在实验室安全管理中的具体应用,希望能为高校实验室管理带来借鉴意义,切实改善实验室管理效果.
多元时序数据上的无监督模式漂移检测是机器学习领域的一个研究热点.然而,对模式及其漂移现象的定义十分灵活,使得该任务的难度较高.受“三分而治”思想启发,文中提出了一种基于FUP-STAP增量挖掘的、针对带通配符区间的状态转移模式的三支漂移检测算法(Three-Way Drift Detection Method for State Transition pAttern with Periodic Wildcard Gaps,3 WDD-STAP),它由状态转移模式(STAP)的增量算法改进而来.在不使用额外
针对目前机械结构优化中建立预测模型代价较高的问题,提出了一种基于数据学习的结构静力学性能预测方法.以悬臂梁为研究对象,建立有限元仿真模型以获取位移场数据,构建边界条件-位移场代理模型,预测结果表明位移场分布趋势与实际一致,载荷为1000 N和1600 N时最大位移相对误差分别为-0.02％和-0.47％.文中讨论了均布力大小和集中力作用位置对位移场预测结果的影响,结果表明,随着载荷幅值增加,预测误差有所增加.相比均布力,集中力载荷下的预测误差更大,且加载位置靠近边缘处的误差更大.反演问题分别将位移场作为输