基于粗集理论的属性约简关键技术概述

本文从静态属性约简和动态属性约简两个方面对基于粗集理论的属性约简关键技术进行了归纳总结,静态属性约简算法有基于信息熵、基于正域及基于辨识矩阵的约简算法,同智能计算方法结合的动态属性约简算法有并行属性约简、基于粒计算的属性约简及增量式属性约简等。指出今后属性约简的发展方向是在大数据时代下同智能算法、并行计算、云计算等技术融合发展的趋势。     

粗糙集理论的连续属性离散化的一种方法

文中提出了基于属性支持度的连续属性的离散化的一种方法,在Na(1)ve Scaler算法基础上利用了决策属性支持度作为准则,进一步减少了用Na(1)ve Scaler算法处理后的离散化后的断点数,试验表明了该方法使得离散化后的规则集合更加简洁,更便于属性约简.     

基于粗糙集属性约简和支持向量机的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出一种利用差异化的粗糙集属性约简与有向无环图-支持向量机(DAG-SVM)相结合的方法实现变压器故障类型的快速诊断。该方法首先通过油浸液中溶解气体量的历史数据及其对应的故障类型建立原始故障决策表;然后利用等频率间隔划分法对条件属性数据作离散化处理,利用差分矩阵对决策表信息进行差异化属性约简,建立每两类故障间的诊断规则,消除对决策结果区分度较低的冗余属性;最后根据约简属性的对应数据作为特征向量输入,构建有向无环图-支持向量机多分类诊断网络,进而实现对故障类型的判断。仿真实例表明,该方法在系统检测中提高了故障诊断的准确率。     

基于信息熵的连续属性自动聚类算法

基于信息熵的有关理论，提出了一种新的连续属性的自动聚类算法。首先介绍了Shannon熵的概念及其两个重要的定理，基于信息的不确定测度，提出了一种Shannon熵的准则函数φ，并且指出了该准则函数必须满足的6条原则。其次，基于该准则函数，引出了一种针对单个连续属性自动聚类的FUSINTER算法。由于实际信息系统中有多个连续属性，这主需要对多个连续属性分别使用FUSINTER算法进行离散，并且要求最终保证整个信息系统离散是相容的和一致的，而且各个属性拥有较少的分割区间。最后，本文以干线飞机外形参数的变化趋势与其更新换代的关系来说明文中提出的属性离散化过程，并展示了该聚类算法的有效性。本文提出的方法可以用于机器学习或数据挖掘的数据前处理。     

基于改进正则化极限学习机的航空发动机性能参数预测（英文）

性能参数预测技术是航空发动机健康管理的核心研究内容,越来越多的机器学习算法被应用于该领域,正则化极限学习机(Regularized extreme learning machine,RELM)是其中之一。但RELM的正则化参数确定非常消耗计算资源,使其在数据量较大的航空发动机性能参数预测领域表现出不适应性。本文使用前向和后向分割(Forward and backward segmentation,FBS)算法提升RELM性能,并引入自适应步长确定方法和一种改进的求解机制获得新的机器学习算法。新算法在保持良好泛化的同时,对正则化参数不敏感,极大地节省了计算资源。在公开数据集上的实验结果证明了新算法的优异性能。最后将新算法应用于航空发动机性能参数的预测,取得了优异的预测性能。     

Rough集理论在社保DSS中的应用

文章将Rough集理论应用于社会保险决策支持系统,对社保DSS中的数据进行属性及属性值的约简,挖掘其中隐含的知识,从而得出最小决策规则.结果表明,Rough集理论为决策支持系统提供了一种有效的新的数学方法.     

基于粗糙集和分层支持向量机的AGV多分支路径识别

双向型视觉导引自动导引车多分支路径识别的关键问题是实时性和鲁棒性。基于智能信息融合的思想,将粗糙集理论与多类支持向量机方法结合起来,提出一种基于知识获取实时性和类的相似性的分层多分支路径识别新方法。采用粗糙集知识粒度理论和分层递阶约简算法获得最小的决策规则,有效降低分类识别的复杂性;提出分类决策安全区域的学习方法,提高识别的鲁棒性。最后,仿真实验和多种环境下的运行测试验证了该方法的有效性和可靠性。     

一种设置在IIHF环境下的多属性群决策方法

研究将经典多属性群决策问题转换为区间直觉犹豫模糊(IIHF)环境下的多属性群决策问题。用属性取值区间计算属性权重;将各位专家给与方案的属性评分通过数学模型转化为区间直觉模糊数,转化后的多个区间直觉模糊数作为属性可能隶属度,此时属性即为一个犹豫模糊元;定义一个新的得分函数确定犹豫模糊元得分函数值,利用混合加权近似集成算子对犹豫模糊元中的多个可能隶属度进行集结;基于此,提出一种新的区间直觉犹豫模糊环境下的多属性群决策方法,具体案例验证了该方法的科学性及有效性。     

基于商空间理论的模糊控制在航空相机中的应用

针对航空相机快速返回定位问题,应用商空间理论提出了一种快速无超调定位模糊控制算法。将位置偏差量模糊化．并根据模糊等价关系合并正规峰集,从而得到了不同粒度下的控制规则．系统通过不断改变粒度,采用粗拉度粗调,细粒度细调的方法,实现快速无超调定位。在模拟相机平台上采用3个粒度层,通过模糊规则调整模糊输出和PID控制器的积分时间实现最速控制、模糊控制和PID控制在不同粒度下的转换．实验结果表明此算法具有定位快、稳定精度高以及无超调等优点．     

中介粗集及其在数据挖掘中的应用

粗集理论已成功应用于数据挖掘，如基于粗集方法的属性发现和决策规则的约简等。中介集合论是以中介逻辑为基础，也可以用于数据挖掘。文中将两者相结合，提出了中介粗集的概念。中介粗集是普通粗集的推广，为不完全信息系统的数据挖掘提供了新的工具，不仅可用于一般的信息系统，还适用于数据取空值的信息系统（允许结论取空值）。利用中介粗集进行数据挖掘不但可以得出粗集理论中的约简，还能得到更为简洁的中介约简。文中还给出了     

基于粗集的调度Agent知识库建模研究

首先通过相识集、招标集、投标集和中标者的概念，描述了车间调度系统中的调度Agent与资源Agent间任务分配的招投标关系；运用粗集理论，基于任务的属性和资源Agent完全任务的成本、质量、负荷和时间等属性构造决策表；在分析了决策表的特征基础上，生成调度规则集，即调度知识库；最后给出车间调度Agent的调度过程算法。     

面向多属性条件的空间对象检索算法

针对现有空间索引不能满足多样化的检索需求,提出两种新型空间索引,能够同时面向空间属性、文本属性与划分属性进行空间对象检索。将分类技术应用于空间对象检索中,提出了基于划分索引与IR-Tree的混合索引以及先划分索引再IR-Tree的索引方法,不仅满足了多样化的空间检索需求,而且有效地解决了传统空间索引更新维护代价大的问题。基于真实的北京市POI数据集进行实验,结果表明本文提出两种索引是有效的且检索效率高。与传统空间索引相比,提出的空间索引很好地解决了具有划分属性的空间对象检索问题,并且具有较高的检索效率。     

简化Q矩阵的渐增式扩张生成算法

简化Q矩阵（Qr阵）是规则空间模型与属性层次方法的重要概念。基于属性层次结构,提出有效／无效项目的定义,研究属性层次结构的可达矩阵与有效项目之间的关系,给出有效／无效项目的判定定理。基于逐步向前回归的思想提出了求解Qr阵的渐增式扩张算法,给出相关理论依据。在考虑有效项目数的基础上,与Tatsuoka方法进行了实验比较,对属性个数为10的情况采用线性回归方法为两种方法建立了数学模型。     

基于信息公理的大型水轮机方案设计多属性优选模型

针对大型水轮机方案设计中属性信息的不确定性,研究了复杂产品方案设计的决策问题.利用公理化设计理论中的信息公理将模糊数学理论与香农信息论相结合,给出了基于信息公理的区间信息量计算过程,建立了基于区间信息量的多属性优选模型.该模型综合考虑了设计方案优选过程中各评价指标的区间权重以及相应的区间设计信息,通过比较区间信息量的大小获得最优方案.最后,以大型水轮机选型方案设计为例验证了该模型的有效性和可操作性.     

基于属性权重的关系数据库数字指纹算法

分析了在数字指纹系统中引入属性的必要性和可行性。介绍了基于属性权重的关系数据库数字指纹算法,适用于版权保护中的叛逆者追踪。通过把重要的属性赋予高的权重确保实现重要的属性多水印。最后,就抗同谋攻击等分析了算法的性能。实验证明该算法对于各种常见的攻击具有较好健壮性。     

基于证据理论的覆盖决策信息系统约简的数值刻画

决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中,有些数据集存在对象的决策缺失或决策不能完全确定情况,那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本文讨论决策为覆盖的覆盖决策信息系统的特征选择,利用证据理论中的信任函数和似然函数给出覆盖决策信息系统约简的等价刻画,从而给出求约简的算法,并以实例说明该方法的有效性。     

用遗传算法求解柔性作业车间调度问题(英文)

古典作业车间调度问题已经被研究了几十年并证明为 NP-hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序由一个机床集合中的任意一台加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法 ,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复过程 ,仿真结果表明用该遗传算法解决柔性作业车间调度问题是有效的。     

基于协同决策的多航站楼停机位实时分配算法

针对多航站楼机场停机位实时指派问题,提出了基于协同决策并考虑航空公司时隙交换公平性的机位实时指派算法。该算法将多航站楼资源的可共享性考虑到指派算法中,以最小延误费用原则为约束,采用混合集合规划进行指派模型的建立与求解。该算法在保证多航站楼停机位资源有效共享的前提下,充分实现了航空公司时隙交换的公平性,并且使延误引起的多方成本最小化。算例说明:本文提出的算法可以有效解决多航站楼的机位实时分配问题。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。     

双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。