搜索结果: 376-390 共查到“知识库 人工智能理论”相关记录923条 . 查询时间(4.835 秒)
基于有序差别集的高效属性约简算法
属性约简 有序差别集 可分辨矩阵
2009/7/15
基于可分辨矩阵的属性约简算法需要占用大量的存储空间,可分辨矩阵中许多元素项对约简是多余的;并且随着问题规模的增大,该类算法的效率并不理想。针对上述不足,提出一种基于有序差别集的属性约简算法,该算法不需要创建可分辨矩阵和生成多余的元素项,大大降低了存储量和计算量,从而提高了属性约简效率,使算法的时间复杂度和空间复杂度分别降为max{O(|C|2 |U/C|2),O(|C|2|MsCount|)}和O...
基于秩相关的属性约简
粗糙集 优势关系 秩相关 属性约简
2009/7/15
针对有序尺度变量,给出了有序信息系统与有序决策表在优势关系下的粗糙集约简定义;利用粗糙集方法将对象综合排序,进而得到一组秩;根据这些秩,运用非参数统计的思想研究了两个属性子集之间的相关性,并将Spearman秩相关系数作为属性相关性度量;在不改变总体序信息情况下,给出了基于此度量对有序信息系统与有序决策表进行约简的新方法。最后通过数值例子说明该方法是可行的,且为粗糙集方法提供了统计依据。
基于最小二乘小波支持向量机的数据拟合实验
SVM核函数 最小二乘小波支持向量机 回归
2009/7/15
针对目前使用的SVM核函数在回归中不能逼近任意目标函数的问题,在支持向量机的核方法和小波框架理论的基础上,提出了LS-WSVM结构模型。该模型在LS-SVM中使用一种新的由小波构成的SVM核函数。实验结果表明,与标准的SVM及LS-SVM比较起来,在同等条件下,LS-WSVM在函数回归方面LS-WSVM具有优良的逼近性能,拟合效果更为细腻。
基于属性约简的聚类分析技术
聚类分析 属性约简 粗糙集
2009/7/15
由于原始海量数据规模较大,聚类算法难以实现,而且聚类分析有时候只考虑关键属性作为分类参数。因此提出了一种对原始数据先进行属性约简,再聚类分析的策略,可以在一定程度上消除数据对象中的冗余属性,改善聚类分析的鲁棒性,提高聚类算法的有效性。
基于资源的协作过滤推荐算法研究
扩展 聚类 推荐
2009/7/15
协作过滤是当今应用最为普遍的个性化推荐算法,然而数据的稀疏性和算法的可扩展性一直是协作过滤算法所面临的两大问题。提出了一种新的推荐算法——基于资源的协作过滤算法。该算法在对资源项目依内容划分的基础上,将用户—项目评分矩阵转换为用户—资源类别评分矩阵,然后对用户聚类,在目标用户所在的簇中寻找其最近邻居并产生推荐。实验表明,该算法不仅降低了数据的稀疏性和维度,缩小了目标用户最近邻的查找范围,算法的扩展...
基于自适应遗传算法的粗糙集知识约简算法
粗糙集 知识约简 自适应遗传算法
2009/7/15
为了获得有效的属性最小相对约简,提出了一种基于自适应遗传算法的粗糙集知识约简算法。该算法将核引入遗传算法的初始群体来提高算法的性能,依照决策属性对条件属性的依赖度,在加强局部搜索能力的同时保持了该算法全局寻优的特性,并且对交叉概率和变异概率进行了新的设计。设计中既考虑到进化代数对算法的影响,又考虑到每代中不同个体适应度对算法的作用。最后通过两个经典算例进行了验证,无论在约简的准确性上,还是平均运行...
集值信息系统基于变精度相容关系的知识约简
相容水平 变精度相容关系 知识约简
2009/7/15
借助于属性集值的相似程度在集值信息系统上定义了一种变精度相容关系,给出了这种变精度相容关系下目标协调集值信息系统的知识约简与判定,并讨论了相容水平对目标协调集值信息系统的知识约简的影响。
加权粗糙集的矩阵表示
加权粗糙集 加权上下近似 加权α上下乘法
2009/7/15
在加权近似空间中提出了关系矩阵和布尔列向量加权α下乘法和加权α上乘法的概念。证明了加权α下乘法就是加权下近似,加权α上乘法就是加权上近似,从而为加权粗糙集(可变精度粗糙集、经典粗糙集)的计算和研究提供了一种新的矩阵方法。最后给出了计算加权上下近似的算法。
加权融合方法的泛化误差分解
融合 泛化误差分解 方差
2009/7/15
机器学习的性能可以通过泛化误差表达,泛化误差越小,则该学习性能越好,反之则性能越差。为了进一步研究泛化误差的特性,通常采用泛化误差分解的方法。针对加权融合方法,并应用平方误差损失函数,给出了泛化误差的一种分解,在此基础上,进一步获得了加权融合方法的最优泛化误差分解。
集值信息系统在变精度相容关系下的决策规则
变精度容许关系 极大变精度相容类 相对约简
2009/7/15
集值信息系统中对象的属性集值一般不唯一,基于对象属性集值的相似程度在集值信息系统上定义了一种变精度容许关系,并借用极大一致块方法给出了集值信息系统上极大变精度相容类的定义与一些性质,讨论了在这种极大变精度相容类下集值信息系统的决策规则的获取、属性的相对约简及决策规则的优化。
结合梯度法的混合微粒群优化算法
梯度法 优化效率 鲁棒性
2009/7/15
在微粒群优化算法PSO中引入梯度算法,提出了一种新型的混合微粒群优化算法——GPSO。该混合优化算法是对PSO每一次进化后的所有微粒进一步执行梯度法寻优操作,并以寻找到的更优个体替代当前个体参与群体的下一代进化。GPSO既利用了PSO出色的全局搜索能力,又借助梯度法的快速局部寻优能力,很好地将两者的优势结合在一起。数值实验表明:无论是对于低维的多峰函数,还是高维的多峰和单峰病态函数,GPSO都表现...
金融风险预警的MPSO-FNN模型构建与应用
粒子群算法 模糊神经网络 金融风险预警
2009/7/15
提出了一种改进型粒子群算法,并结合神经网络与模糊逻辑系统建立金融风险预警模型。将模型应用于信贷风险预警研究,仿真实例的结果表明,该模型所获得的预测准确性更高,是处理金融风险这类复杂经济系统预警问题的一种有效方法。
经验自举粒子群优化算法
经验自举 粒子群 优化
2009/7/15
经验自举粒子群优化算法(EIPSO)是在粒子群算法中引入经验自举(EI)搜索算子,该算子的作用就是将随机选择的粒子个体经验的局部重新初始化构成候选经验。根据候选经验和原经验的适应值确定个体的新经验。在粒子进化的每一代,以概率p来执行经验自举搜索,以概率1-p执行经验指导下的进化搜索。EI算子的引入使粒子的搜索范围和多样性得到保持,同时在粒子收敛后算法仍然具有一定的搜索能力。对比实验结果表明该EIP...
具有局部搜索策略的差分进化算法
差分进化 局部搜索策略 最佳个体
2009/7/15
针对目前差分进化与局部搜索相结合仅局限于基于交叉的局部搜索的方法,提出了一种基于最佳个体局部搜索策略的差分进化算法(LSDE),并引入正态分布算子自动调整搜索步长和时变差分进化因子调整DE的两个参数。实验结果表明:除一个函数外,LSDE的寻优效果比DE和基于混沌搜索的微分进化算法(CDE)都要好,LSDE的收敛速度比DE快。