公共文化服务平台

一种决策表属性值细化的正域约简算法被引量：4: 2015年; 目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行处理,提出了信息系统属性值细化时粗糙集增量式约简的矩阵方法并构造相应的算法,最后,通过实例分析来说明属性约简的具体操作方法和算法的有效性与可行性.; 唐定勇景运革; 关键词：增量式更新关系矩阵

基于矩阵运算的复杂网络构建方法被引量：10: 2016年; 本文从邻接矩阵的视角分析复杂网络,研究了基于矩阵Kronecker积运算与Kronecker和运算的复杂网络构建方法.将Kronecker积运算迭代地应用于一个简单初始网络的邻接矩阵,得到了一个Kronecker积图,也是一个分形维数不超过2的自相似网络.当初始网络是连通非二分图时,则得到的Kronecker积图同时具有小世界特性,其直径不超过初始网络直径的两倍.其次,将Kronecker和运算顺次应用于多个简单初始网络的邻接矩阵,得到了一个Kronecker和图,也是一个度分布呈正态分布的随机网络.最后,给出了基于矩阵运算的复杂网络构建方法的若干性质.; 刘胜久李天瑞洪西进王红军珠杰; 关键词：复杂网络矩阵运算自相似网络分形维数随机网络

基于知识粒度的增量约简算法被引量：6: 2016年; 在现实中,许多数据库都是动态变化的,非增量约简方法处理这些数据需要花费大量的时间和空间。增量技术是处理动态数据的有效方法。首先介绍了计算知识粒度的增量机制,然后提出了基于知识粒度的增量约简算法,当一些对象增加到决策表时,能够利用原有决策表的知识粒度和约简,快速计算出增加对象后的知识粒度和约简,并通过理论分析验证了增量方法可以减少计算属性约简的时间复杂度,最后用增量方法和非增量方法对UCI数据集进行一系列试验。试验结果表明,所提增量算法在处理动态数据时能够节省大量的计算时间。; 景运革李天瑞; 关键词：知识粒度属性约简粗糙集理论决策表

一种基于关系矩阵维度增量式约简算法被引量：1: 2015年; 目前决策表的数据信息都是动态变化的,为了有效地对这些数据集进行属性约简处理,在改进的等价关系矩阵的基础上,提出一种增量式属性约简算法,决策表增加了一些属性,利用更新前决策表的等价关系矩阵和属性约简等信息,便能快速求解出更新后的决策表属性约简.实验结果进一步验证了该方法的有效性和正确性.; 景运革黄峻福; 关键词：粗糙集增量式更新关系矩阵

基于经验分布的打车概率和等待时间预测被引量：5: 2015年; 提出了一种预测乘客在指定位置和指定时间预测打车概率和等待时间的方法。设计了一种将地图离散化,使用特征点修复GPS轨迹的解决方案,且适用于大数据问题;在修复的GPS数据基础上提出了基于经验分布在等待特征点和时间点的打车概率和等待时间模型;并基于该模型预测用户指定位置和指定时间的打车概率。另外给出了基于该模型的增量学习的方法。大规模GPS轨迹数据使用Hadoop平台实现了管理和分析计算,证明了该方案的可行性;预测结果在仿真实验中取得了良好的效果,证明了模型具有较高的准确性,同时可以期望准确性随着数据量的增大而提升;另外该模型得到的特征点和特征时间概率和等待时间的参考表并不会随着GPS轨迹数据的增大而增大,证明了模型有良好的可扩展性。; 王诏远李天瑞程尧王跃易修文; 关键词：HADOOP

云平台下基于粗糙集的并行增量知识更新算法被引量：11: 2015年; 日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息,以及提供一种基于粒与粒间关系的问题求解方法.作为粒计算理论中的一个重要组成部分,粗糙集是一种处理不确定性和不精确性问题的有效数学工具.根据云计算中的并行模型Map Reduce,给出了并行计算粗糙集中等价类、决策类和两者之间相关性的算法;然后,设计了用于处理大规模数据的并行粗糙近似集求解算法.为应对动态变化的海量数据,结合Map Reduce模型和增量更新方法,根据不同的增量策略,设计了两种并行增量更新粗糙近似集的算法.实验结果表明,该算法可以有效地快速更新知识;而且数据量越大,效果越明显.; 张钧波李天瑞潘毅罗川滕飞; 关键词：云计算 MAP REDUCE 粗糙集

基于MapReduce的蚁群优化算法实现方法被引量：14: 2014年; 探讨了蚁群算法的几种并行方式与适用场景以及结合云计算编程框架MapReduce的可行性,并将局部搜索类蚁群优化算法抽象为几个组件,分别与MapReduce框架的几个接口对应实现,从而为该类蚁群优化算法在MapReduce框架下实现并行化提供了一种灵活、扩展性好的解决方案。最后通过旅行商问题的仿真实验验证了所提方法的有效性。; 王诏远李天瑞易修文; 关键词：蚁群优化算法 MAPREDUCE HADOOP 旅行商问题

遗传算法与区分矩阵的属性约简算法被引量：7: 2014年; 对于约简来说,其前提是保证知识库分类能力不变,由此引入弱约简的定义。利用区分矩阵能很容易计算出弱约简和遗传算法可以在全局寻优的优势,将染色体对区分函数的覆盖度作为适应度函数的参数,提出了一种基于遗传算法和区分矩阵的属性约简算法。算法中从粒计算的角度,重新度量粒度,对基于划分和覆盖的粗糙集决策表进行了研究。用k近邻算法通过准确率对弱约简效果进行评估。通过UCI数据集证明了该算法的有效性。该算法的时间复杂度是多项式的。; 吴正江张静敏高岩; 关键词：粗糙集遗传算法区分矩阵属性约简 K近邻算法

Exploiting Empirical Variance for Data Stream Classification: 2012年; Classification,using the decision tree algorithm,is a widely studied problem in data streams.The challenge is when to split a decision node into multiple leaves.Concentration inequalities,that exploit variance information such as Bernstein's and Bennett's inequalities,are often substantially strict as compared with Hoeffding's bound which disregards variance.Many machine learning algorithms for stream classification such as very fast decision tree(VFDT) learner,AdaBoost and support vector machines(SVMs),use the Hoeffding's bound as a performance guarantee.In this paper,we propose a new algorithm based on the recently proposed empirical Bernstein's bound to achieve a better probabilistic bound on the accuracy of the decision tree.Experimental results on four synthetic and two real world data sets demonstrate the performance gain of our proposed technique.; ZIA-UR REHMAN Muhammad李天瑞李涛

基于计算统一设备架构的高铁故障诊断方法被引量：3: 2015年; 为解决传统高铁振动信号故障诊断方法速度慢、难以满足实时处理的要求,提出一种基于计算统一设备架构(CUDA)加速的高铁振动信号故障诊断方法。首先利用CUDA架构对高铁数据进行经验模态分解(EMD),进而计算分解所得到的各个分量的模糊熵,最后利用最近邻分类(KNN)算法对多个模糊熵特征组成的特征空间进行故障分类。实验结果表明,该方法能高效地对高铁振动信号进行故障分类,运行速度较传统方法有明显提高。; 陈志李天瑞李明杨燕; 关键词：故障诊断计算统一设备架构经验模态分解模糊熵

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61175047)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61175047)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈