检索结果-内蒙古大学图书馆

计算机科学 2020年第3期47卷 73-78页

作者：徐怡唐静昕安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

运用可辨识矩阵表示信息系统中所有对象的区分信息,为研究属性约简提供了新方向。然而,传统的可辨识矩阵在构造结束后才利用核属性消除冗余元素项,忽略了核属性在矩阵构建过程中的作用。针对这一问题,文中做了以下研究:1)优化可辨识矩... 详细信息

运用可辨识矩阵表示信息系统中所有对象的区分信息,为研究属性约简提供了新方向。然而,传统的可辨识矩阵在构造结束后才利用核属性消除冗余元素项,忽略了核属性在矩阵构建过程中的作用。针对这一问题,文中做了以下研究:1)优化可辨识矩阵的构造方式,在计算任意两个对象的区分信息之前,先判断核属性上的取值是否相等,如果不相等,则直接将对应元素项记为Φ,忽略对其他条件属性的判断;2)提出属性加权重要度的概念,综合考虑每个条件属性占可辨识矩阵中非空元素项的比率(称为宏观重要度)与每个属性对区分对象的贡献程度(称为微观重要度),并通过例子说明了该度量方法的合理性;3)针对优化后的矩阵仍然存在大量冗余元素和空集这一缺陷,结合差别信息树的概念提出基于优化可辨识矩阵和属性加权重要度的差别信息树。按照属性加权重要度对优化可辨识矩阵中所有非空元素项进行排序,使得重要度高的属性被更多的节点共享;且在构建过程中将不包含核属性的元素项映射到树中的一条路径上,而包含核属性的元素项则被直接忽略。最后,提出基于优化可辨识矩阵和改进差别信息树的约简算法HSDI-tree。在UCI的5个数据集上分别比较了HSDI-tree算法与CDI-tree,DI-tree和IDI-tree算法的约简结果和节点个数,实验结果表明HSDI-tree算法能有效找到最小属性约简且空间压缩能力更好。

关键词：粗糙集属性重要度可辨识矩阵属性约简差别信息树

来源：评论

学校读者我要写书评

暂无评论

基于权重分布的多粒度粗糙集模型

引用

模糊系统与数学 2020年第6期34卷 55-67页

作者：徐怡李宝峰李策安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601

基于加权粒度的多粒度粗糙集模型仅考虑知识粒度权重的简单累加,而不考虑知识粒度权重的分布情况,不符合实际问题的求解需要。为解决该问题,本文从知识粒度的权重分布角度出发提出了基于权重分布的多粒度粗糙集模型,定义了基于权重组合... 详细信息

基于加权粒度的多粒度粗糙集模型仅考虑知识粒度权重的简单累加,而不考虑知识粒度权重的分布情况,不符合实际问题的求解需要。为解决该问题,本文从知识粒度的权重分布角度出发提出了基于权重分布的多粒度粗糙集模型,定义了基于权重组合分布和基于权重平均分布的两种多粒度粗糙集模型并给出了相关性质,最后通过实例和仿真实验验证了本文所提模型的有效性。

关键词：粗糙集多粒度加权粒度权重分布知识粒度

来源：评论

学校读者我要写书评

暂无评论

属性动态更新的一种三支决策模型

引用

小型微型计算机系统 2020年第11期41卷 2268-2273页

作者：徐怡孙小军安徽大学计算机智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

在实际环境中,经常需要划分出一批对象,而对象的属性可能是动态变化的,针对这种属性动态更新的条件下选出一定数量对象的问题,提出一种属性动态更新的三支决策模型.首先针对属性动态更新的特点,建立属性关联度和重要度,然后针对更新的属... 详细信息

在实际环境中,经常需要划分出一批对象,而对象的属性可能是动态变化的,针对这种属性动态更新的条件下选出一定数量对象的问题,提出一种属性动态更新的三支决策模型.首先针对属性动态更新的特点,建立属性关联度和重要度,然后针对更新的属性,提出一种属性比的定义来构造三支决策的评估函数,同时对更新后的属性的值排序,提出一种基于基尼系数计算对象偏差的方法来动态计算三支决策的阈值.根据计算的阈值和对象的评估函数,属性动态更新的三支决策模型被建立,能在属性更新后动态划分对象.进一步对于模型可能出现两种异常划分问题,给出了相应的解决方法,最后通过在改造的四个数据集上实验仿真,结果表明在属性动态更新情况下能有效划分对象,模型是可行的和有效的.

关键词：三支决策排序属性值自适应阈值基尼系数动态更新

来源：评论

学校读者我要写书评

暂无评论

基于邻域粗糙互信息熵的非单调性属性约简

引用

控制与决策 2019年第2期34卷 353-361页

作者：姚晟徐风吴照玉陈菊汪杰王维安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

属性约简是粗糙集理论一项重要的应用,目前已广泛运用于机器学习和数据挖掘等领域,邻域粗糙集是粗糙集理论中处理连续型数据的一种重要方法.针对目前邻域粗糙集模型中属性约简存在的缺陷,构造一种基于邻域粗糙集的邻域粗糙熵模型,并基... 详细信息

属性约简是粗糙集理论一项重要的应用,目前已广泛运用于机器学习和数据挖掘等领域,邻域粗糙集是粗糙集理论中处理连续型数据的一种重要方法.针对目前邻域粗糙集模型中属性约简存在的缺陷,构造一种基于邻域粗糙集的邻域粗糙熵模型,并基于此给出邻域粗糙联合熵、邻域粗糙条件熵和邻域粗糙互信息熵等概念.邻域粗糙互信息熵是评估属性集相关性的一种重要的方法,具有非单调性变化的特性,对此,提出一种基于邻域粗糙互信息熵的非单调性属性约简算法.实验分析表明,所提出算法不仅比目前已有的单调性属性约简算法具有更优越的属性约简结果,而且具有更高的约简效率.

关键词：邻域粗糙集邻域粗糙熵邻域粗糙条件熵邻域粗糙互信息熵非单调性属性约简

来源：评论

学校读者我要写书评

暂无评论

联合嵌入式多标签分类算法

引用

自动化学报 2019年第10期45卷 1969-1982页

作者：刘慧婷冷新杨王利利赵鹏安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601

现有的一些多标签分类算法,因多标签数据含有高维的特征或标签信息而变得不可行.为了解决这一问题,提出基于去噪自编码器和矩阵分解的联合嵌入多标签分类算法Deep AE-MF.该算法包括两部分:特征嵌入部分使用去噪自编码器对特征空间学习... 详细信息

现有的一些多标签分类算法,因多标签数据含有高维的特征或标签信息而变得不可行.为了解决这一问题,提出基于去噪自编码器和矩阵分解的联合嵌入多标签分类算法Deep AE-MF.该算法包括两部分:特征嵌入部分使用去噪自编码器对特征空间学习得到非线性表示,标签嵌入部分则是利用矩阵分解直接学习到标签空间对应的潜在表示与解码矩阵.Deep AE-MF将特征嵌入和标签嵌入的两个阶段进行联合,共同学习一个潜在空间用于模型预测,进而得到一个有效的多标签分类模型.为了进一步提升模型性能,在Deep AE-MF方法中对标签间的负相关信息加以利用.通过在不同数据集上进行实验证明了提出Deep AE-MF方法的有效性和鲁棒性.

关键词：多标签分类矩阵分解去噪自编码器标签嵌入

来源：评论

学校读者我要写书评

暂无评论

一种基于邻域容差信息熵的组合度量方法

引用

小型微型计算机系统 2020年第1期41卷 46-50页

作者：姚晟陈菊吴照玉安徽大学计算机科学与技术学院合肥230601 安徽大学计算机智能与信号处理教育部重点实验室合肥230601

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性... 详细信息

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.

关键词：不确定性度量混合近似粗糙度邻域容差信息熵组合度量

来源：评论

学校读者我要写书评

暂无评论

近邻密度分布优化样本分配的改进DPC聚类算法

引用

华南理工大学学报（自然科学版） 2019年第2期47卷 98-105页

作者：纪霞张涛朱建磊刘诗诚李学俊安徽大学计算机科学与技术学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法... 详细信息

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法.该算法在DPC算法搜索和发现样本的初始类簇中心的基础上,基于样本的密度分布采用两种样本类簇分配策略,依次将各样本分配到相应的类簇.理论分析和在经典人工数据集以及UCI真实数据集上的实验结果表明:文中提出的聚类算法能快速确定任意形状数据的类簇中心和有效地进行样本类簇分配;与DPC算法和KNN-DPC算法相比,文中算法在聚类效果与时间性能上有更好的平衡,聚类稳定性高,可适用于大规模数据集的自适应聚类分析.

关键词： DPC算法近邻密度分布聚类

来源：评论

学校读者我要写书评

暂无评论

划分序乘积空间:基于划分的粒计算模型

引用

计算机研究与发展 2019年第4期56卷 836-843页

作者：徐怡姚一豫计算智能与信号处理教育部重点实验室(安徽大学) 合肥230039 安徽大学计算机科学与技术学院合肥230601 里贾纳大学计算机科学系

粒计算(granular computing)通过粒结构实现复杂问题求解.现有对粒结构中粒化方法的研究,主要是分别基于多层次的粒化方法和基于多视角的粒化方法,没有将多层次粒化方法和多视角粒化方法结合起来.基于多层次的粒化方法得到的粒结构由一... 详细信息

粒计算(granular computing)通过粒结构实现复杂问题求解.现有对粒结构中粒化方法的研究,主要是分别基于多层次的粒化方法和基于多视角的粒化方法,没有将多层次粒化方法和多视角粒化方法结合起来.基于多层次的粒化方法得到的粒结构由一个满足线性序关系的多个层构成,即单视角多层次.基于多视角的粒化方法得到的粒结构具有多个视角,但是每个视角仅有一个层.为了更全面地理解和描述问题,从而可以更有效和合理地解决问题,给定一个论域,使用划分作为粒化方法,将多层次的粒化方法和多视角的粒化方法相结合,定义划分序乘积空间.首先,使用论域上的一个划分定义一个层.其次,使用一个嵌套的划分序定义一个多层次,表示为一个视角,层和层之间具有线性序关系.最后,给定多个视角,则定义了多个线性序关系,基于多个线性序关系的乘积,定义划分序乘积空间.划分序乘积空间给出了一种基于划分的粒计算模型.通过实例说明了划分序乘积空间在实际应用中的优越性.

关键词：粒结构粒化多层次多视角乘积

来源：评论

学校读者我要写书评

暂无评论

改进的粒子群算法优化的特征选择方法

引用

计算机科学与探索 2019年第6期13卷 990-1004页

作者：李炜巢秀琴安徽大学计算机科学与技术学院合肥230601 安徽大学计算智能与信号处理教育部重点实验室合肥230601

特征选择是数据挖掘中数据预处理的一个重要步骤,因此选择出最优的特征子集可有效地降低学习算法的数据维度和计算成本。采用二进制粒子群优化算法(binary particle swarm optimization algorithm,BPSO)来对特征选择过程进行优化。提出... 详细信息

特征选择是数据挖掘中数据预处理的一个重要步骤,因此选择出最优的特征子集可有效地降低学习算法的数据维度和计算成本。采用二进制粒子群优化算法(binary particle swarm optimization algorithm,BPSO)来对特征选择过程进行优化。提出基于特征聚类信息进行种群初始化的策略,其中特征的聚类由社团划分算法完成,并根据划分后的信息,在初始化过程中减少信息冗余,提高初始化种群的质量。提出一种基于决策空间相似性的自适应局部搜索策略,其中粒子的相似性指数由粒子在决策空间中的相似性确定。进化过程中,自适应地调整粒子进行局部搜索,避免算法早熟。最后,选择三种代表性的优化算法分别在11个UCI数据集上进行对比实验。实验结果表明,改进后的BPSO算法得到的特征选择结果在降低特征数目方面明显优于其他对比算法,且分类精度也有显著提高。

关键词：二进制粒子群优化算法特征聚类交互操作粒子密度群智能算法

来源：评论

学校读者我要写书评

暂无评论

面向弱匹配的跨媒异构迁移学习

引用

计算机辅助设计与图形学学报 2019年第11期31卷 1963-1972页

作者：赵鹏高浩渊姚晟杜奕安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 上海第二工业大学工学部上海201209

针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到... 详细信息

针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到潜在公共特征空间的映射矩阵;并在跨媒异构迁移学习中,构建混合图拉普拉斯矩阵,不仅保持了同一域下样本间的流形结构,而且保持不同域下样本间的流形结构;提升训练获得的模型在跨媒异构目标域的分类预测性能.在2个公共数据集NUS-WIDE和LabelMe上进行实验,表明了在成对数据的基础上,利用大量非成对数据可以增加模型的准确率和鲁棒性.

关键词：跨媒异构迁移学习弱匹配问题异构距离混合图拉普拉斯矩阵

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：