搜索结果: 331-345 共查到“知识库 人工智能理论”相关记录923条 . 查询时间(3.188 秒)
基于粗糙集理论的属性权重确定最优化方法研究
权重 代数观 信息观
2009/7/20
针对现有基于粗糙集理论属性客观权重确定方法的不足，将基于代数观和信息观的权重进行有机集成，建立了两者结合的属性权重最优化数学模型，从而得到综合权重的最优解。最后通过实例说明了该方法的有效性。
基于粗糙信息向量的一种决策规则获取算法
不一致信息系统 决策规则 粗糙信息向量
2009/7/20
针对不一致信息系统中决策规则获取问题，提出了一种基于粗糙信息向量方法的决策规则挖掘算法。基于粗糙信息向量，利用条件向量对决策向量的决策支持能力，直接从决策表中挖掘出符合阈值要求的尽可能简洁的决策规则，且不损失条件属性值的决策支持能力。利用该算法可以挖掘出决策系统中条件属性在各个简化层次情况下的确定性规则和缺省规则集合。理论分析和实例表明该算法在不一致信息系统中的决策规则获取上是可行的。
基于二进制可分辨矩阵的快速求核算法
等价类 可分辨矩阵 核
2009/7/17
目前，求核算法存在以下不足：求得的核与正区域的核不一致，求核算法的时间复杂度和空间复杂度不理想。针对上述问题，给出一种二进制可分辨矩阵的定义及其求核性质，并证明了由该性质获得的核与正区域的核是等价的，然后设计求核算法，该算法的时间复杂度为max{O（|C||U/C|2），O（|C||U|）}，空间复杂度为O（|C||U/C|2）。最后实例说明该方法的可行性和有效性。
基于泛函网络的非线性回归预测模型及学习算法
非线性回归 预测 学习算法
2009/7/17
在非线性回归预测中，预测函数的拟合是其难点和关键，直接影响预测精度。当系统非线性较强时，传统方法不易于处理，拟合和预测结果不理想。泛函网络是最近提出的一种对神经网络的有效推广，在处理非线性问题时有一定的优势。为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法。并分别就一元非线性回归预测和多元非线性回归预测给出了相应的实例。计算机仿真结果表明，泛函网络预测模型拟合度和预测精度都明显高于某些传...
基于分辨矩阵的快速完备约简算法
分辨矩阵 分辨信息集 最小约简
2009/7/17
对分辨矩阵求核过程进行改进与扩展，给出了一种以属性频度作为启发式信息计算最小约简快速完备方法。与其它最小约简算法相比，该算法在很大程度上降低了算法的复杂度，提高了算法的效率。
基于分布式的大数据集聚类分析
聚类分析 分布式 大数据集
2009/7/17
为了提高聚类效率提出了一种基于分布式的大数据集聚类算法。该方法并不是一次性对所有的数据进行聚类，而是将大数据集随机分成若干个子集，对每个子集同时进行聚类，最后进行类的合并。实验结果表明大多数情况下该方法和传统的一次性聚类的结果一致，而且极大地提高了聚类的速度。
基于分解合并策略的属性约简算法
属性约简 条件类集 分治
2009/7/17
在基于粗集理论的知识获取研究中，属性约简是最核心的工作之一。结合分治法的思想，从论域划分的角度将一个大的决策表分解成两个子决策表，并利用经典的属性约简算法计算两个子决策表的约简，在此基础上利用合并约简算法将这两个子决策表合并，并求出原问题的解。该方法为解决大数据集的属性约简提供了一个新的途径。实验说明了算法的有效性。
基于改进的差别矩阵的快速属性约简算法
属性约简 差别矩阵 核属性
2009/7/17
为了解决基于差别矩阵属性约简的计算效率问题，首先以计数排序的思想设计了一个新的计算U/C的高效算法，其时间复杂度降为O（|C||U|）。其次分析了基于差别矩阵的属性约简算法的不足，提出了改进的差别矩阵的定义，利用快速计算核属性算法生成的核属性和出现频率最多的属性来降低差别矩阵的大小，并设计了基于改进的差别矩阵的快速属性约简算法，证明了该新算法的时间复杂度和空间复杂度分别被降为max（O（|C|2∑...
基于改进人工免疫算法的PID参数优化研究
免疫算法 PID控制 参数优化
2009/7/17
针对传统PID控制器参数优化方法存在的不足，提出了一种改进的人工免疫算法（IAIAE）。该算法的主要特点是，采用了基于抗体浓度的调节机制和多样性保持策略的新方法，使用了浮点数编码方法和Elitism策略。将该算法应用于PID控制器参数的优化，并与具有精英保留的SGA进行比较。仿真实验结果表明，用IAIAE算法优化PID控制器参数，其效果优于SGA。
基于概率Petri网的故障诊断模型研究
故障诊断 Petri网 概率
2009/7/17
为解决不确定条件下的故障诊断问题，在传统Petri网基础上，引入概率理论，提出了概率Petri网的概念；概率Petri网将事件发生的概率及其逻辑推理过程引入Petri网的设计及矩阵运算中，以反映事件转换过程中发生的可能性。针对概率Petri网特点，故障诊断模型的设计建立在根据简化样本集获取的诊断规则基础上，以避免复杂系统建模时出现的组合爆炸问题，诊断规则的获取可以有效推广故障诊断范围，使其不仅仅局...
基于概率测度的数据挖掘扩展模型研究
概率测度 分类精度 近似空间
2009/7/17
为了得到数据挖掘过程中分类规则的统计特征，论文提出了一种挖掘概率规则的新方法。首先在经典粗糙集概念的基础上分析概率规则的分类，并将其推广到不确定系统的集合等价关系中，即用条件概率的形式表示研究集合的上下近似空间；然后根据概率规则的测度从条件概率的角度利用条件属性的逼近精度的相关参数进行属性集的约简进而提取分类规则；最后给出了相关的仿真实验结果，结果表明带有概率测度的分类规则更合理。
基于规则归纳的信息抽取系统实现
抽取规则 DOM 学习算法
2009/7/17
面对Web信息的迅猛增长，信息抽取技术非常适合于从大量的文档中抽取需要的事实数据。通过文档对象模型（DOM）解析以及检索、抽取、映射等规则的定义，设计并实现了一种具有规则归纳能力的信息抽取系统，用于Web信息的自动检索。在用于抽取规则归纳的框架下，还重点对用于生成抽取模式的WHISK学习算法进行了实验对比分析，结果表明系统对于单槽和多槽数据都具有不错的归纳学习能力。
基于格贴近度的SVM决策树层次结构设计方法
支持向量机 层次结构 决策树
2009/7/17
利用格贴近度对模糊集的贴近程度进行度量，给出一种基于格贴近度的SVM决策树层次结构设计方法，从而解决对多类模糊样本的分类问题。实验结果表明：基于该层次结构设计方法得到的多类分类器，对多类模糊样本具有良好的分类效果。
基于混沌搜索的微分进化算法
全局优化 微分进化算法 混沌
2009/7/17
针对基本微分进化算法在后期收敛速度慢，搜索能力差等问题，利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性，提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点，又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明，该算法的性能优于基本微分进化算法。