一种连续属性值域划分的离散化新方法

来源 :计算机应用研究 | 被引量 : 6次 | 上传用户:lookingintheeye
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种连续属性值域划分的离散化新方法,该方法定义一个新的离散化函数,依据类与属性之间的相互依赖关系选择最优的离散区间列表;此外,采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失,减少分类错误。仿真结果和统计分析表明,提出的方法有较好的C5.0决策树分类能力。
其他文献
针对多品种、小批量离散型制造企业生产车间零件种类多、可选加工工艺路线集合空间大等特点,从零件加工工艺路线角度出发,构建车间零件加工的物流成本和时间函数模型。利用遗传算法良好的收敛性、强全局寻优能力和径向基函数神经网络(RBFNN)较高的鲁棒性、数据分类能力强的优势,提出GA-RBFNN混合算法,解决了零件在其可行加工工艺路线集合内的最佳分配和零件/机床最优分组问题。最后,结合实例验证了该模型和方法
针对现阶段电子商务协议形式化分析的处理比较混乱、表述精确度不高且通用性较差、存在一些不合理的假设等问题,运用现代模态逻辑理论,结合知识与信念,提出了一种分析电子商务协议的模型:知识与信念模型。该模型主要包含安全环境、知识集、信念集、能力集、切入点和知识化等因素。知识与信念模型很好地解决了上述问题,能够细致、精准地对各种电子商务协议进行形式化描述,并为不同的分析方法提供了模型支持。
提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比
对LILI-128算法对差分故障攻击的安全性进行了研究。攻击采用面向比特的故障模型,并结合差分分析和代数分析技术,在LILI-128算法LFSR d中注入随机的单比特故障,得到关于LILI-128算法内部状态的代数方程组,并使用Crypto MiniSAT解析器求解恢复128位初始密钥。实验结果表明,280个单比特故障注入就可以在1 min内完全恢复LILI-128全部128位密钥。因此,LILI
通过分析特征词与类别间的相关性,在原有的卡方特征选择的方法上增加三个调节参数,使选出的特征词集中分布在某一类,且在某一类中尽可能地均匀分布,并使特征词在某一类中出现的次数尽可能地多。通过实验对比改进前后的卡方特征选择方法,基于方差的卡方统计(Var-CHI)方法使得查全率和查准率都得到了明显的提高。
为了提高半经典分子动力学模拟中矩阵乘法效率,通过一种稀疏矩阵分解方法化简矩阵乘法,基于OpenMP实现矩阵相乘的Winograd并行算法。该算法将Winograd算法中各部分依次采用OpenMP并行计算,降低了数据通信。在16核服务器上测试表明,该方法能够显著提高半经典分子动力学模拟中矩阵乘法效率,并行加速比能够达到9.47,并具有良好的可扩展性,为大分子体系的模拟提供了可能。
为提高匿名化后数据的可用性,给出了一种加权确定惩罚模型作为数据有用性的度量方法,提出了两种基于局部聚类的数据匿名化算法。通过真实数据实验评估,该算法能够很好地降低实现匿名保护时概化处理所带来的信息损失。
为定量认识IMS网络攻击的影响,提出了一种基于模糊综合评价的IMS网络攻击后果评估方法。通过分析可能的攻击流程建立了相应的攻击因素树,引入层次分析法计算评价因素的权值,然后利用模糊综合评价法对IMS的攻击后果进行综合评估。为了降低由单一模糊算子特点带来的评估偏差,选取了几种不同特点的算子分别进行评估,并取其均值为最终评价结果。实例验证了该评估方法能有效地区分不同攻击方式带来的攻击后果,能够为IMS
为了研究影响私家车驾驶者备选路径生成的因素,以预期后悔理论为基础,借助贝叶斯网络推理方法,计算了私家车驾驶者受先验知识和出行信息双重影响下的备选路径生成。通过改进的贝叶斯网络结构和参数学习程序建立了实验路网的贝叶斯网络结构,对生成的网络结构进行了参数学习,模拟了不同出行信息和先验条件下生成的备选路径,得出了驾驶者备选路径生成与驾驶者先验知识和出行信息的变化关系。
使用相关性分析方法进行差分功耗攻击(DPA)实验,成功攻击了TDES密码算法。结果表明,相关性分析方法对简单的功耗模型具有很好的攻击效果且实施简单,对于HD功耗模型,获得TDES每一轮的圈密钥所需最少曲线条数仅为3 500条;同时,由于TDES和DES电路的实现结构相同,对两者进行DPA攻击的方法相同。