一种高效的简化可辨识矩阵集成算法

基于可辨识矩阵的约简算法,需要生成许多无用的元素,因而算法效率不高.针对这一问题,基于动态思想,设计了一个新的集成算法,新算法在生成可辨识矩阵的过程中不用生成大量的无用元素,减少了存储量和计算量,从而使算法的效率得到提高.最后给出了一个实例说明新算法的高效性.     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价.     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价．     

基于多元线性回归的线性系统状态空间辨识算法

提出了一种新的多变量线性系统状态空间辨识算法.该算法采用多元线性回归,而不是传统算法中的子空间投影.首先通过多元线性回归获得系统的预估器马尔可夫参数,然后基于一个关鍵等式获得系统的预估器可观性矩阵与状态序列的乘积矩阵,接着通过奇异值分解得到状态序列,最终再次运用多元线性回归求得系统状态空间模型的各个矩阵.由于本文的算法是预估器式的,因此适用于开环和闭环辨识.基于AIC准则,设计了算法的阶次选择策略,通过仿真例子,验证了该算法的有效性.     

属性序下的增量式Pawlak约简算法

为了对动态变化的决策表进行属性约简处理,在给定的属性序下,提出了一种基于分辨矩阵元素集的增量式Pawlak约简算法.该算法根据新增对象的不同情况快速更新分辨矩阵元素集,并依据其元素的变化,在给定属性序下快速更新Pawlak约简.实例和仿真实验结果表明,该算法是有效、可行的,与非增量式算法相比,效率平均提高91.4%.     

一种基于图论与最大路径的关联规则挖掘算法

关联规则的挖掘目标是发现数据项集之间的关联关系或相关关系,是数据挖掘中的一个重要课题。对于超大数据集,传统算法效率较低,对其加以改进,给出了一种基于图论与最大路径的关联规则挖掘算法。该算法将事务集构造成布尔矩阵,经矩阵清理后,将其转换为图的形式,根据关联规则图生成邻接矩阵。当取步长为k且k2时,按行从第一个非0元素开始遍历,寻找最大权值路径,此时连接所得元素的行列索引即频繁k+2项集。实验结果表明该算法减少了对数据集的扫描次数,针对大数据集,相较于传统的Apriori算法能够显著缩短时间,大大提高效率。     

基于矩阵的多段支持度关联规则挖掘算法

为有效提高关联规则挖掘算法效率,提出了一种基于矩阵的多段支持度关联规则挖掘算法,该算法通过一次数据库扫描将事务数据存放在矩阵中,利用矩阵进行支持度的计算和频繁集的寻找,同时将项集支持度分段计算的思想应用其中,减少候选集生成,实验表明,算法效率得到了较大提高。     

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用“与”运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及“与”运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用"与"运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及"与"运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.     

公交网络最优路径求解算法

求解公交网络最优路径是进行公共交通系统规划的一项关键技术.通过对多种现有算法的分析,利用公交换乘矩阵性质,本文提出了一种求解公交网络最优路径的标准算法.新算法考虑了公交换乘次数、换乘点选择以及出行总成本对求解最优路径的综合影响.通过建立换乘步行时间矩阵,并将过去求解最小换乘次数的换乘矩阵乘法运算变为相应的换乘步行时间矩阵和公交出行时间矩阵的加法运算,得到新算法.新算法可顺利实现在单一OD对、单起点多终点以及任意节点间求解最优路径的转化.文中给出了新算法的详细求解步骤,而且通过一个算例对新算法的有效性进行了验证.     

Algorithm for Extracting All Relative-Attribute Reducts in Decision System of Large-Scale Records

A new algorithm based on rough core was proposed to extract all relative-attribute reducts in decision information systems of large-scale records. In the algorithm, the rough core of the decision-making information system is first calculated. Then, an approach based on a top-down strategy is adopted to select the non-core condition attributes and generate candidate relative-attribute reducts. Finally, the set of all relative-attribute reducts is obtained by pruning the candidate relative-attribute reducts. Experimental results show that the proposed algorithm is superior to the other methods such as the algorithm without computing core, the exhaustive method and the discernibility matrix method in extracting all relative-attribute reducts for large-scale data sets.     

改进可辨识矩阵的启发式知识约简及规则算法

首先提出了改进可辨识矩阵,然后对属性重要性进行了重新定义,并且将模糊聚类应用于属性重要性划分,从而在此基础上提出了一种启发式知识约简及决策规则提取算法.给出了新的不相容率的概念,用于描述知识数据库中数据不相容特征和修正提取的决策规则的决策错误率.经过实验,该算法具有优良的性能.     

基于粗糙集的最小规则生成算法

讨论了可辩识矩阵的内容的深层次含义，分析了它与属性值约简的关系，并提出了一种利用可辩识矩阵实现属性值约简的方法，分析了利用可辩识矩阵实现属性约简和属性值约简的方法，设计了基于可辩识矩阵的最佳约简的算法，使得属性约简和属性值约简得以一致计算，使知识推理过程变得统一且相对简单．     

决策表的正域约简及核的计算

为降低计算的复杂度,基于正域约简的定义,研究了决策表的约简方法及核的计算方法,构造了关于决策表对象的区分条件.探讨了该条件下正域约简与区分属性集合的关系,借助区分矩阵与区分函数提出了一种完备的约简方法,并且区分矩阵的构成无需计算正域,可直接由决策表产生.     

一种改进的GPS模糊度白化滤波算法

在深入分析白化滤波去相关算法的基础上,对白化滤波算法进行了改进,以改善GPS模糊度解算中的去相关效果.在改进算法中,对模糊度协方筹矩阵的元素进行排序处理,以保证矩阵分解的有效性,改善去相关效果,提高模糊度离散搜索效率和质量.数值模拟结果表明,该算法不受维数限制,对低维和高维都能成功解算,具有较强的适用性和良好的去相关效果,能提高动态模糊度解算的效率.     

Discretization Algorithm Based on Particle Swarm Optimization and Its Application in Attributes Reduction for Fault Data

In order to increase the fault diagnosis efficiency and make the fault data mining be realized, the decision table containing numerical attributes must be discretized for further calculations. The discernibility matrix-based reduction method depends on whether the numerical attributes can be properly discretized or not. So a discretization algorithm based on particle swarm optimization (PSO) is proposed. Moreover, hybrid weights are adopted in the process of particles evolution. Comparative calculations for certain equipment are completed to demonstrate the effectiveness of the proposed algorithm. The results indicate that the proposed algorithm has better performance than other popular algorithms such as class-attribute interdependence maximization (CAIM) discretization method and entropy-based discretization method.