【摘 要】
：
在当今信息化时代,许多数据集是动态变化的,而对于动态变化下数据集的处理在人工智能中占有重要地位.关于动态变化下数据集的处理,许多学者提出了很多有效而快速的方法,增量计算便是其中之一.另外在数据集的处理过程中,将信息粒化从而建立数学模型,利用数学理论方法进行分析研究也是常用的策略之一.常见的粒化方式有两种:基于单粒度数据建模和基于多粒度数据建模.在基于多粒度数据建模方面,钱宇华等提出的多粒度粗糙集模
论文部分内容阅读
在当今信息化时代,许多数据集是动态变化的,而对于动态变化下数据集的处理在人工智能中占有重要地位.关于动态变化下数据集的处理,许多学者提出了很多有效而快速的方法,增量计算便是其中之一.另外在数据集的处理过程中,将信息粒化从而建立数学模型,利用数学理论方法进行分析研究也是常用的策略之一.常见的粒化方式有两种:基于单粒度数据建模和基于多粒度数据建模.在基于多粒度数据建模方面,钱宇华等提出的多粒度粗糙集模型便包含其中.许多学者又在此基础上不断地探索延伸,提出了不完备多粒度粗糙集、邻域多粒度粗糙集、变精度多粒度粗糙集等模型.为多粒度粗糙集理论广泛应用于多种领域提供了理论支柱.在多粒度粗糙集模型中,近似计算居于核心地位.随着数据集的动态变化,粒结构的某些性质会发生质的改变,而这些改变使得近似计算变的越发困难.如何在确保时间效益前提下有效处理此类问题是当前研究的热点之一.基于此,本文在前人研究的基础上,尝试用动态的方法解决多粒度粗糙集近似更新问题,用以降低时间复杂度.主要涉及以下几个方面:首先,对于经典多粒度粗糙集.本文讨论了属性增加论域细化和属性减少论域细化时近似集的更新问题.给出了相关的性质及定理.据此设计了更新算法并通过实例验证了算法的有效性.其次,对于邻域多粒度粗糙集.本文讨论了属性增加论域细化和属性减少论域细化时相关性质的改变.并据此设计了更新算法且通过实例验证了其有效性.为邻域多粒度粗糙集的近似更新提供了有效的数学理论方法.然后,对于概念多粒度粗糙集.本文基于向量矩阵利用相对正确分类率分别在属性增加、属性减少时讨论了其相关性质的改变,并给出相应的定理.为概念多粒度粗糙集的近似更新提供了数学理论依据.最后,对于容差关系下变精度多粒度粗糙集.本文基于向量矩阵利用相对正确分类率讨论了其缺失值获得属性值时相关性质的改变.据此设计了更新算法且通过对比实验验证了算法的有效性.本文主要基于向量矩阵利用相对正确分类率探讨了属性论域双变化下经典多粒度粗糙集和邻域多粒度粗糙集相关性质的改变及相应的定理,并据此设计增量方法.通过实例验证能有效避免动态变化下重复数据的处理,缩小动态变化时上下近似算子的搜索区域.从而降低时间复杂度,提高了算法效率.
其他文献
近年来,随着我国教育强国政策的推进,愈来愈多的研究生层次人才加入小学教师队伍,初任小学教师队伍结构正在发生改变。学历层次对教师产生的影响是深刻的,作为研究生学历初任小学教师,在面临社会身份转变、生活场域转换、文化场域更迭时,他们当下的专业发展现状如何?在发展过程中产生了哪些需求?影响需求满足的因素有哪些?本研究结合勒温场论,从个体与环境出发,针对具体情境、具体场域中的教师专业发展需求进行研究。本研
自1982年德国数学家Wille提出形式概念分析以来,该理论已经成为有效的知识发现工具,并且被广泛应用于机器学习、模式识别及数据挖掘等领域.为了拓展经典概念格模型的应用范围,许多扩展模型被提出,包括模糊概念格、变精度概念格、多粒度概念格等.基于不同的模型可以处理不同的问题,包括但不限于概念知识获取、属性约简、决策规则等.矩阵视角下,研究属性约简不仅可以获取更加简洁的知识,而且时间效率高,有利于决策
特征选择作为重要的数据预处理手段,有效地改善了模型的训练时间与学习精度。然而随着大数据时代数据产生与收集速度的急剧提升,传统特征选择算法面临着严峻挑战:（1）特征空间存在高维性的同时,通常伴随着未知性与演化性;（2）标记类别之间往往不是相互独立的,通常存在复杂的层次结构关系。这导致传统的特征选择算法表现不佳,甚至无法应对现实的应用环境。为此本文针对流特征下,充分挖掘和利用类别的层次结构进行特征选择
腰椎间盘退变诊断对预防腰椎疾病意义重大,但目前对其诊断主要依赖于影像医师的主观评价,易因个人经验不足产生误判。本文基于核磁共振（NMR,Nuclear Magnetic Resonance）检测的椎间盘代谢组学数据,应用机器学习方法建立自动识别腰椎间盘退变（LDD,lumbar disc degeneration）等级的计算机辅助诊断方法,为影像医师提供参考。首先,本文对Spearman相关分析、
青少年处于人格塑造关键期,易产生强烈相对剥夺感,若得不到及时的宣泄与指导,则容易对个人、家庭乃至社会产生不良影响。目前较少研究关注青少年的父母关爱相对剥夺感,本论文旨在通过三个研究对其进行初步的探讨。研究一,经过理论维度构建、深度访谈（74名被试）、项目编制、试测（30名被试）、初测（600名被试）和复测（863名被试）等一序列严格的程序,编制《青少年父母关爱相对剥夺感量表》,结果发现:所编量表信
随着信息技术的发展和信息系统的不断更新,处理复杂而庞大的动态数据面临着严重的计算效率低的问题。动态计算为解决这一问题提供了有效途径。在完备的信息系统中,大多数近似动态更新方法主要是针对经典粗糙集及其扩展模型。而在多粒度的环境下,目前的研究方法较少且时间效率不高。此外,在许多的实际应用中,需要处理的数据不是单一的,而是数值型和符号型相混合的复杂数据。同时,信息系统往往不一定是完备的信息系统（即数据会
加强课程思政教育体系建设,是高职院校适应新时期课程思政建设新要求、全面落实立德树人根本任务的必然要求和重要举措。通过对课程思政教育体系的概念界定,结合当前高职院校课程思政建设现状,从构建多层次多维度目标体系、分层分类分段内容及实施体系、多元化多样化评价体系、多方协同推进保障体系等方面入手,有针对性地提出了构建高职院校课程思政教育体系的对策与建议。
物联网技术加速了“万物互联时代”的到来,传统的工业控制系统与信息网络系统的结合,提高了工厂生产效率和增强了工业控制系统管理机制,但同时也带来了安全隐患,暴露在互联网中的工业内网很容易遭受“五花八门”的黑客攻击。此外,随着IPv6协议不断发展,未来将广泛应用于工业控制系统领域中,新的技术融合可能会带来诸多新的安全问题。然而,在传统的入侵检测系统中,异常检测存在较高的误报率,误用检测存在较高的漏报率,
手指在日常生活和工作中与外界环境接触的最多,因此容易受外伤,往往影响手指的正常运动,此外神经系统疾病、脑卒中等也会造成手指运动功能的缺失。经过手术或治疗后,需对其康复程度进行测评,传统的方法多基于手工测量其运动范围,然后根据数值进行伤情判定,进而在屈伸这一平面制定单个手指的康复训练方案。这些方法大多只关注单个手指独立运动的范围,缺乏对相邻指间约束关系的考虑,且没有对其建立可视化模型;同时获取的测评
随着计算机科学与技术不断发展,我们在生活中面对着各式各样的数据。其中许多数据是同时被多个标记所描述的,这样的数据被称为多标记数据,也是多标记学习任务的研究对象。多标记学习是根据大量已有的多标记数据建立一个分类模型。经过训练,模型能够给未知的数据打上一组标记。多标记学习在许多现实场景中发挥着作用,如图像识别、文本分类、音频识别等等。然而多标记数据往往拥有大量的特征,特征的高维性易导致“维数灾难”。维