暂无评论
一种新的基于属性重要性的粗糙集值约简算法,共同学习,共同进步
决策表是一种用来表述DRD中Decision决策逻辑的方式。决策表是用表格形式表示一组相关联的输入和输出表达式,组织成规则,说明一组特定的输入项所适用的输出项。决策表包含所有(仅)用于确定输出的输入项
属性约简是粗糙集理论的核心问题,为了获得更多更稳定的最小属性约简,根据决策粗糙集模型将最小属性约简问题转化为决策风险最小化问题,并给出了新的适应度函数计算方法;在此基础上利用回溯搜索算法较强的全局搜索
基于属性约简的Entropy-KNN改进算法,赵晓丽,韦凌云,为降低维度灾难对分类算法效率和准确率的影响,本文提出基于属性约简的Entropy-KNN改进算法,将信息论中的信息熵理论与KNN算法结合起
聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇。共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为O(
虽然通用网络爬行器已经给人们提供了极大的便利,但由于它的综合性不具备面向专业的特点,在准确性和速度等方面存在不足;面向主题的爬行器能弥补这些不足。主要研究面向主题网络爬行器两个方面的问题,即如何充分地
针对混合蛙跳算法在优化过程中受初始值影响较大且容易陷入局部最优的缺陷,提出了一个改进的混合蛙跳算法,该算法利用基于对立学习的策略产生初始种群,提高了产生解的质量;在进化过程中,将差分进化有机地嵌入其中
针对标准粒子群优化算法在优化高维复杂函数时易产生早熟收敛的问题,提出一种新的位置变异的PSO算法。为平衡算法的全局和局部搜索能力,新算法按一定概率交替使用随机惯性权重和标准PSO算法的惯性权重;为增强
针对随机初始化方式对混合条件属性数据对象的适应调整能力非常低,且其任意性的本质特征,会造成聚类质量大幅度下降的缺陷,提出通过分类条件属性对象的熵值与数值条件属性对象的欧氏距离计算结果的对比,确定第一个
结合ID3算法的不足, 提出一种基于属性重要度简化标准的ID3改进算法:a简化ID3算法的信息熵从而降低算法的计算时间; b引入属性重要度概念来弥补ID3算法属性选择标准的不足; c综合a和b来实现新
暂无评论