正交最小二乘是一种贪婪算法,采用逐步回归建模,每一步利用搜索算法找到最小化残差的一个回归项。将其拓展为每一步搜索多个最优的回归项,从而得到一种稀疏的回归方法,并将其应用于谐波分量提取中。仿真实验说明,
为了避免传统的人工免疫算法在属性约简时陷入局部最优解,提出了具有自适应特性的并行人工免疫算法,并且运用该算法进行粗糙集的变精度属性约简。该算法构造了趋同算子,异化算子和传优算子,利用“趋同”算子的分布
值约简是粗糙集(Rough Set,RS)理论的一个重要研究课题,但由于值约简是一个NP-hard问题,目前还没有一个高效的值约简算法。基于集合理论,提出了关系积概念,把决策表的属性约简过程转化为关系
目前粗糙集的研究局限于有限集,且现有的邻域粗糙集属性约简算法中属性重要性度量方式单一。针对邻域粗糙集存在的问题,提出了基于无限集的邻域近似条件熵模型。该模型以邻域近似条件熵下的属性重要度为启发条件,构
研究粒子群优化算法的特性,将其应用于小波域,对阈值进行寻优,并使用garrote阈值函数量化小波分解系数,而garrote阈值函数既克服了硬阈值函数的不连续性,也减小了软阈值函数存在的恒定偏差。实验仿
针对基于分辨矩阵约简算法中存在冗余元素,从而导致空间存储代价高的问题,提出一种基于加权浓缩树的属性约简算法。该算法可以进一步剔除冗余元素,压缩存储分辨矩阵中的信息,并且在构建树结构的过程当中考虑了属性
为拓展覆盖粗糙集模型,用多粒度方法研究了张燕兰等提出的广义覆盖决策信息系统模型,定义了多粒度意义下的覆盖上下近似,提出了多粒度属性约简算法。用实例对多粒度覆盖粗糙集属性约简方法和胡清华等提出的单粒度方
作为Pawlak粗糙集的扩展,邻域粗糙集能有效地处理数值型的数据。但是,因为沿用了Pawlak粗糙集在构造上下近似集时的包含关系,邻域粗糙集对噪声数据的容错性很差。针对这个问题,通过引入贝叶斯最小风险
在传统的属性约简算法中,将增加的对象和原来的信息系统整合为一个信息系统,并对这个信息系统重新划分新的等价类,为了降低处理增量式数据的复杂度,在信息系统的属性集上定义了信息论意义下的F-属性重要度,给出
面向对象是一个挺让人迷惑的措辞.叫一切东西都是面向对象会让别人觉得你很时髦. Ruby 声称自己是面向对象的脚本语言;但究竟什么才是”面向对象”? 我们已经有了各种各样的答案,但所有这些恐怕都归结于同