检索结果-内蒙古大学图书馆

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

Z网络下新的推理算法在不确定决策中的应用

引用

佳木斯大学学报（自然科学版） 2021年第5期39卷 52-56,79页

作者：张最吴涛涂成凤安徽大学数学科学学院安徽合肥230039 安徽大学计算机智能与信号处理教育部重点实验室安徽合肥230039

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进。首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获... 详细信息

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进。首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获取的区间值概率随着给定数据的变化并不一定能满足最大熵方法中的约束条件,所以对这些区间值概率进行了优化。其次,基于Z网络的结构和概率推理过程,对利用Z网络获取区间值概率然后应用最大熵方法获得约束部分最可能的潜在概率分布过程作出了同样的改进。最后利用一个实例来说明改进后的方法的有效性和可行性。

关键词： Z-number Z网络潜在概率 Z-valuation不确定性推理

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

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

基于商空间的语言型Z-number多准则决策方法

引用

重庆工商大学学报（自然科学版） 2021年第2期38卷 122-128页

作者：郭海艳苏静文李燕飞吴涛安徽大学数学科学学院合肥230601 安徽大学经济学院合肥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230039

针对Z-number多准则决策中计算复杂度高,计算量大等问题,提出了一种较为简单且行之有效的基于粒度的多准则决策方法;将语言型Z-number决策信息转化为经典模糊数,用提出的可能度公式来两两比较方案的优劣程度,并且根据定义的模糊度公式... 详细信息

针对Z-number多准则决策中计算复杂度高,计算量大等问题,提出了一种较为简单且行之有效的基于粒度的多准则决策方法;将语言型Z-number决策信息转化为经典模糊数,用提出的可能度公式来两两比较方案的优劣程度,并且根据定义的模糊度公式计算出各准则的权重,继而得到最终的决策矩阵;然后,基于商空间的基本理论对QUALIFLEX排序方法进行改进,根据方案间的优势关系以及保假原理,可以将问题的最优解确定在较小的粒度空间内,在这个较小的粒度空间内搜索出综合一致性最大的最优排列,得到问题的最优解;最后通过实例分析可验证提出方法的可行性和有效性,且方法有效降低了计算的复杂度。

关键词： Z-number 多准则决策可能度商空间 QUALIFLEX

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

面向6G的RM码编译码方案

引用

移动通信 2025年第2期49卷 51-57页

作者：陈芳陈景灿秦海生魏岳军李莉萍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230601 上海第二工业大学计算机与信息工程学院上海201209

纠错编码是提升信道可靠性的重要途径。里德-穆勒(Reed-Muller)码作为最古老和最流行的码之一,其独特的码字结构使得编码和译码都具有较低的复杂度,并且可为其他码型的研究提供参考。2017年,RM码被证明可以在二进制擦除信道上实现信道容... 详细信息

纠错编码是提升信道可靠性的重要途径。里德-穆勒(Reed-Muller)码作为最古老和最流行的码之一,其独特的码字结构使得编码和译码都具有较低的复杂度,并且可为其他码型的研究提供参考。2017年,RM码被证明可以在二进制擦除信道上实现信道容量,使得RM码的理论与应用再次引起关注。对RM码的编码结构和现有的译码算法进行论述与总结,并对当前译码算法的改进和发展进行综合论述。最后,对RM码作为6G的候选编码方案,未来需要开展的研究方向进行展望。

关键词： RM码 RM码编码递归列表译码递归投影聚合译码删余

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

一般间隙序列模式挖掘的关键词抽取

引用

电子学报 2019年第5期47卷 1121-1128页

作者：刘慧婷刘志中王利利吴信东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230601 安徽大学计算机科学与技术学院安徽合肥230601 合肥工业大学计算机与信息学院安徽合肥230601 School of Computing and Informatics University of Louisiana at Lafayette

本文提出了有监督的关键词抽取算法——KEING(Keyphrase Extraction using sequentIal patterns with oNe-off and General gaps condition)算法.首先,将每篇文档作为一个序列库,利用SPING(Sequential Patterns mIning with oNe-off and General gaps condition)算法获取词语之间的关系及其多种变化形式,并利用统计模式特征的方式描述候选关键词;然后,通过朴素贝叶斯分类算法对大量带标记的训练数据进行训练,构造分类器;最后利用分类器从测试文档中识别出关键词.通过实验验证了SPING算法的完备性以及KEING算法的有效性.

关键词：一般间隙模式挖掘关键词抽取机器学习

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：