【摘 要】
：
在基于邻域粗糙集的属性约简算法中,正域计算是保证其有效性的重要依据,也是影响其时间开销的最主要部分。为了减少算法时间开销,通过对现有算法FHARA的正域计算进行改进,采取保留策略,利用矩阵保留度量计算值的平方,将原本n维上的计算改进为1维上的计算,从而缩减了每次度量计算的时间,并在此基础上提出了基于矩阵保留策略的邻域粗糙集属性约简算法,最后通过多个UCI数据集验证了该算法。与现有算法相比较,实验结
【基金项目】
：
国家自然科学基金资助项目(61503208)
论文部分内容阅读
在基于邻域粗糙集的属性约简算法中,正域计算是保证其有效性的重要依据,也是影响其时间开销的最主要部分。为了减少算法时间开销,通过对现有算法FHARA的正域计算进行改进,采取保留策略,利用矩阵保留度量计算值的平方,将原本n维上的计算改进为1维上的计算,从而缩减了每次度量计算的时间,并在此基础上提出了基于矩阵保留策略的邻域粗糙集属性约简算法,最后通过多个UCI数据集验证了该算法。与现有算法相比较,实验结果表明,对大部分数据集而言,该算法能有效且更快速地得到数据集的属性约简。
其他文献
为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向,提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块,对超像素块的多特征进行融合,构造训练集;改进传统拉普拉斯支持向量机算法,结合超像素块位置信息动态选取道路区域超像素种子块,训练超像素块的多类别分类回归器和相邻超像素的一致性回归器;结合两种回归器的回归值构造马尔可夫随机场的能量函数,再利用标
针对微博用户兴趣属性缺失问题,提出一种基于发文内容分析的微博用户兴趣挖掘方法。利用基于短语的主题模型和自动构建的用户兴趣知识库,能够有效地从发文内容中挖掘出高质量的用户兴趣短语并标志其类别,从而实现对微博用户的兴趣挖掘。在SMP CUP 2016数据集上的实验结果表明,主题短语模型在困惑度和短语质量上取得的效果均优于传统的主题模型,用户兴趣挖掘的准确率和召回率最高可达到78%和82%。
为了解决去雾过程中图像边缘产生光带的情况和去雾之后图像整体变暗的现象,提出了一种新颖的基于优化后透射率和半逆法的图像去雾算法。首先,针对图像边缘处暗通道失效情况,运用透射率修正机制来消除边缘处的光带现象,从而提高暗通道先验的适用范围;其次,从大气散射模型出发,利用半逆算法得到大气整体光照值;最后,针对去雾之后整幅图片颜色变暗淡的现象,采用基于小波变换的图像对比度算法来进行增强处理,改善去雾图像的视
针对快速分类算法中最优路径森林(OPF)分类算法进行了研究,进行了OPF分类算法研究及应用现状的调查。OPF算法是近期兴起的一种基于完全图的分类算法,在一些公共数据集上与支持向量机(SVM)、人工神经网络(ANN)等算法的对比中,该算法能取得类似或更好的结果,速度更快。该算法不依赖于任何参数、不需要参数优化、不需要对各类别的形状作任何假设,能够处理多类问题,旨在全面系统地介绍OPF算法的研究及应用
针对传统基于用户的协同过滤算法较少考虑信任对象所处环境的实时变化,提出一种结合社交网络的专家信任推荐算法。为更好地量化对象之间的信任度,首先利用专家的评价可信度、活跃度、评价偏差度等量化因子计算得到专家的信任值;其次在评分形成的过程中与近邻算法相融合,明确用户与"专家"和"近邻"的偏好,当可选专家人数小于预先设定的阈值时,利用协调因子动态调整近邻算法与改进专家算法的权重,以便获得更加客观的项目评分
针对受限波尔茨曼机用于协同过滤算法存在的不足,忽略了用户兴趣随时间变化,同时只利用了严重稀疏的用户评分数据,首先提出一种融合了时间信息的用户RBM模型:TimeRBM模型,即在原有RBM模型中加入时间偏置项;其次提出利用项目属性信息聚类的方法进行评分预测;最后将TimeRBM模型和项目属性聚类方法得到的两种预测结果进行加权融合得到一种高效的混合算法。在基准数据集上的实验结果表明,这种混合的算法有助
针对传统推荐算法过于强调推荐准确率而造成推荐系统长尾现象加剧问题,提出一种基于二分图网络的总体多样性增强推荐算法。首先,利用现有推荐算法生成的预测评分构建用户候选推荐列表,进而构建二分图网络模型;其次,设定项目容量对热门项目的推荐次数予以限制;最后,结合推荐增广路生成最终推荐列表。与现有的推荐多样性增强算法在真实电影评分数据集上进行实验对比,实验结果表明,该算法在保证推荐准确率的同时能有效提高推荐
时间序列数据是一种数据属性随时间变化的高维数据类型,反映了用户兴趣的动态变化。基于时序数据的推荐系统利用用户的行为时间提高推荐的准确性,但不适用于大规模数据集的推荐任务。矩阵分解方法是处理高维数据集时常用的降维方法。为此,提出一种基于时序模型和矩阵分解的推荐算法。基于该方法,首先利用矩阵分解提取原始时序数据的特征,然后通过时序模型挖掘特征的趋势,最后根据预测的特征得到预测结果并进行推荐。实验结果表
针对传统单人行为识别算法易受行人形态多样性、背景和光照等影响的问题进行研究。基于扩张残差网络(DRN)的精准分类效果及目标检测网络Faster R-CNN在目标追踪方面的准确性,提出了一种DRN和Faster R-CNN的融合网络模型。该模型在Faster R-CNN中融入DRN的扩张卷积残差块代替原来的一般卷积层,并对融合模型进行了两方面的改进:在每一层前面添加一个batch normaliza