因素空间理论下的因果概率推理分类算法研究

机器学习方法与因果推理结合能极大地提升方法性能。为探究因果概率正逆向推理的分类效果,基于因素空间理论下的因素概率论,利用条件概率,研究正向因素概率推理原理及模型并提出正向因果概率推理分类法(forward causal probabilistic inference classification algorithm,FCPIC)和简化条件的可取度分类法;研究逆向因素概率推理原理及模型并结合贝叶斯网络提出逆向因果概率推理分类法(reverse causal probabilistic inference classification algorithm,RCPIC)。将3个分类算法与KNN(K-Nearest neighbor)和SVM(support vector machine)算法进行实例对比验证,研究结果表明:FCPIC算法、可取度分类算法和RCPIC算法简单有效、具有可行性和实用性,且可取度分类法和RCPIC算法性能优于SVM和KNN算法,FCPIC算法对实际数据预测中必要类有查全需求的情况更优。研究结论丰富了因素空间的理论研究和应用价值。

基于因素空间理论的扫类连环多分类算法

为解决多分类问题,基于因素空间理论中因素显隐的思想,在扫类连环分类算法基础上,定义类别的合并,提出因素显隐的合并扫类连环分类方法,给出算法步骤,并用数值算例进行分析;定义类别的两两组合,提出因素显隐的两两扫类连环分类方法,给出算法步骤,并用数值算例进行分析。提出采用因素显隐的差额绝对值方法解决两个算法执行过程中出现的决策类别分不开的问题;对UCI数据集中3个实例与支持向量机作了算法对比分析,研究结果表明:提出的合并扫类连环分类方法、两两扫类连环分类方法实现了因素显隐,分类算法的精确度优于支持向量机。多分类学习的因素显隐研究结论拓展了因素空间的理论及应用研究。

因素空间背景基的流量异常检测基点分类方法

针对机器学习在流量异常检测中存在特征选择依赖经验、易受离群点影响导致鲁棒性差等问题,基于因素空间理论的“背景关系-背景分布-背景基”体系提出一种流量异常检测的基点分类方法。首先,数据预处理阶段使用KNN离群点检测算法去除数据中的离群点,降低异常点对后续背景基提取的影响。其次,使用mRMR算法对数据特征进行排序,选择对分类最具影响力的特征标注为类别区分特征。然后,以内点判别法为理论基础优化背景基提取算法,提取训练数据中不同类别数据的背景基,得到各类别的单位认知包。最后,以单位认知包为核心构造基点分类算法(fundamental point classification algorithm,FPCA)实现异常流量的精准二分类。在NSL-KDD数据集上对所提方法的二分类实验准确率和F1-score分别达到92.48%和92.18%,检测性能优于同类型的其他机器学习方法。在CICIDS2017场景数据集上的测试进一步验证了所提方法在实际应用中的可行性。

基于因素空间的模糊多种群粒子群算法

粒子群算法(Particle Swarm Optimizer,PSO)在处理较大数据的寻优问题时存在运行时间过长,易陷入局部最优的问题。文章基于传统粒子群算法,利用基于因素空间的特征选取法,优化特征数据组合,减少算法运行时间,利用多种群粒子群优化模型思想和模糊数学思想相结合提出基于因素空间的模糊多种群粒子群算法,增强了算法全局寻优能力并加快收敛速度,实现了算法的总体最优,改善了传统粒子群优化算法容易收敛到局部最优的缺陷。研究结果表明,与传统粒子群算法、动态多种群粒子群算法、基于密度峰值的多种群粒子群算法相比,文章所提出的基于因素空间的模糊多种群粒子群算法具有更优的寻找全局最优解能力和收敛速度。

基于因素空间理论的直觉模糊概念外延构建及其在决策中的应用

在因素空间理论基础上,提出直觉模糊概念,从原概念及其对立概念的表现外延出发,构造了直觉模糊概念外延的两种逼近,并在此基础上提出了基于反馈外延双层包络的DFE决策方法,最后,给出操作步骤并通过实例对上述理论方法进行了应用。

基于因素空间的露天采坑边坡稳定性评价

影响露天采坑边坡稳定性因素具有复杂性和模糊性,采用数学及力学的分析方法较难有效评价其稳定性。根据露天采坑的实际工程特点,在现场勘查和研究的基础上,确定了包括地形地貌、地质构造、岩体性质、赋存环境4个一级评价指标,17个二级评价指标,建立了基于因素空间的露天采坑边坡稳定性评价模型。首先利用层次分析法和熵权法计算主客观权重,赋予露天采坑边坡稳定性影响因素的组合权重。进而利用未确知测度理论构造测度函数,计算评价边坡稳定性的单因素测度矩阵,通过因素合成完成因素空间的降维,生成合因素测度向量。最后采用置信度识别准则实现对露天采坑边坡的稳定性评价,并以辽宁齐大山露天铁矿东帮典型边坡剖面为例,将因素空间评价结果与极限平衡法和有限差分法计算结果进行对比分析,对所建边坡评价模型的可靠性进行验证。结果表明:因素空间模型评价结果与现场情况基本吻合,且与极限平衡法、有限差分法计算结果相一致,验证了所建因素空间评价模型的准确性与科学性;综合分析了因素空间评价结果和其他方法计算结果,给出了4个边坡剖面的防护及治理建议。因素评价模型简化了边坡稳定性评价过程,提高了模型评价结果的精度,可为同类型地质条件露天采坑边坡稳定性评价工作提供一定借鉴。

因素空间理论与知识表示的数学框架(XI)———因素空间藤的基本概念

本文介绍因素空间藤的基本概念；首先叙述了因素空间藤的朴素思想，然后讨论两种不同形式的因素空间藤。在研究了开关因素与因素的滋生关系之后，讨论了类别以及类别概念的表达方法。

多因素空间复合模型预测我国疟疾流行区分布态势

目的 应用地理信息系统 (GIS)对全国疟疾流行区分布态势进行预测。 方法 在ArcView 3 .0a软件及spatialanalyst模块的支持下 ,分别对疟原虫年生长发育累积度日 (TGDD)、降雨、相对湿度进行单因素的表面趋势空间分析 ,并根据Delphi法咨询结果 ,按上述 3种气象因素的 5∶3∶2比例进行空间叠加分析 ,以建立GIS复合模型。 结果 获多层GIS空间复合模型 ,在此基础上获TGDD、降雨、相对湿度的全国疟疾影响因素多层分布图 ,预测了全国疟疾流行地区分布态势。 结论 多因素GIS复合模型预测的全国疟疾流行区域分布与以往的文献报道结果基本相似 ,因此 ,本法可供疟疾传播区进行大范围、多因素预测作参考。目的 应用地理信息系统 (GIS)对全国疟疾流行区分布态势进行预测。 方法 在ArcView 3 .0a软件及spatialanalyst模块的支持下 ,分别对疟原虫年生长发育累积度日 (TGDD)、降雨、相对湿度进行单因素的表面趋势空间分析 ,并根据Delphi法咨询结果 ,按上述 3种气象因素的 5∶3∶2比例进行空间叠加分析 ,以建立GIS复合模型。 结果 获多层GIS空间复合模型 ,在此基础上获TGDD、降雨、相对湿度的全国疟疾影响因素多层分布图 ,预测了全国疟疾流行地区分布态势。 结论 多因素GIS复合模型预测的全国疟疾流行区?

因素空间中的因素分析法

为提高因素库的智能水平,需要对条件因素与结果因素进行因果分析.按照因素空间的理论框架,在离散情形下定义了条件因素对结果的决定度及决定域,依次从决定域上提取出相应的推理知识,得到一种新算法-因素分析法.研究结果表明:因素分析法能在一张因素分析表中自动找出表中所含的因果关系,并画出直观的因果图,以帮助人们更好地分析、解决问题.算法可以广泛地应用到各种领域特别是数据挖掘.与数据挖掘最流行的决策树方法相比,因素分析法使用起来更简洁、贴切.

基于因素空间变权理论的工业故障诊断

介绍了基于因素空间理论的故障诊断问题的描述及故障诊断问题的求解步骤 ,在此基础上针对工业过程中故障诊断问题的特点提出基于因素空间理论的故障诊断方法 :首先根据工业过程特点定义了故障在因素空间的隶属函数 ,然后采用基于因素空间的变权方法求得被诊断问题的解 .仿真结果表明该故障诊断方法能较准确地确定出故障的发生 。

因素空间中改进的因素分析法

为进一步提高因素空间中因素分析法的运行速度和对样本信息的利用,对文献[7]给出的因素分析算法进行了改进.因素分析法在因素晋升时采用逐列推进方式,而逐列推进产生的决定域要小于按逐类推进产生的决定域,而且决定域的删除是降低算法的运算量、提高算法运行速度的关键.因此,在继承原算法优点的基础上,将逐列推进改成逐类推进,这种改进不但降低了算法的计算量,而且提高了样本信息的利用率.测试结果表明,改进效果明显,在测试准确率和运行速度均优于原算法.

基于因素空间变权理论的开关控制仿真研究

针对开关控制策略的决策问题,研究因素空间变权理论在开关控制中的应用.该方法利用变权均衡原理确定开关控制策略,无需整定控制器参数,控制精度高且简单实用.首先对基于因素空间变权理论的开关控制和基于PID控制算法的开关控制进行了仿真对比,研究结果表明基于因素变权的开关控制控制精度更高,抗干扰能力更强,适合复杂工业系统的应用.然后以啤酒发酵过程为对象,在由该过程非线性机理模型构成的仿真平台上进行发酵温度的开关控制仿真实验,实验结果表明因素变权开关控制具有较好的工业应用前景.

因素空间的属性圆定义及其在对象分类中的应用

为使汪培庄先生提出的因素空间理论便于应用,和基于该理论对多域值属性影响对象集合进行聚类分析,提出了以研究对象为中心的图形化域值属性表示方法,即属性圆。属性圆可以表示无穷多个域属性对对象的影响。先基于属性圆概念进行对象的相似性分析,后为计算方便将图形定义转化为数值相似性定义,进而研究了对象集合的聚类分析方法。实施的聚类原则为:严格遵照相似与不相似划分,参考模糊相似划分。列举了一个实际电气系统的系统可靠性表述群作为研究对象集合,对表述群进行聚类分析。结果表明:决策集D与对象集U的对应关系说明对对象集的划分就其决策属性而言是非奇异的、准确的。这说明尽管在不同环境下对系统进行了可靠性评价,但是这些评价语义是相对客观的,评价的语义可以相互佐证。

网络攻击知识因素空间模型

以因素空间(FS)理论为基础,将网络攻击条件、手段与其攻击目标相结合,定义了一种基于因素空间的网络攻击知识模型(FSAKM)。对攻击中的各种因素综合考虑和分析,包括与目标实现相关的攻击条件认知、攻击功能支撑关系、系统状态和人员能力级别,以及攻击因素间关系和衡量标准。采用因素模糊空间搜索算法获取攻击条件和功能集映射的测度,将其与获自于攻击单元和目标集的映射结果比较,根据人员操作能力提取与之相称的对应手段,通过实验验证了模型与算法效果。研究结果为安全人员的训练和能力验证提供了技术手段。

基于因素空间反馈外延外包络的DFE决策

逆向思维是决策中常用的一种思维方法,但目前的反馈外延决策方法(Decision-making of Feedback Extension,DFE)均未考虑这一点。为此,在因素空间理论基础上,从对立概念角度出发构造了一种概念的外延逼近即反馈外延外包络,在此基础上提出了基于反馈外延外包络的DFE决策方法。通过土壤肥力评级的实例验证了该方法的有效性和可行性。

空间故障树与因素空间融合的智能可靠性分析方法

现有系统可靠性分析方法一般具有针对性,缺乏广泛的适应性和扩展性。由于智能科学、信息科学和大数据技术的涌现和发展,使得传统可靠性分析技术难以适应新的需要。因此作者提出了空间故障树理论,目的是分析多因素影响下的系统可靠性变化特征。将空间故障树理论与因素空间理论、云模型、模糊数学及系统稳定性等相结合,使其具有智能分析和故障大数据处理能力,以满足未来技术环境下的分析要求。本文论述了空间故障树和因素空间的发展史及主要理论与功能;以及两种理论结合,描述和分析系统演化过程的可行性。研究表明,空间故障树理论具有良好的扩展性和适应性,可适应未来技术环境,也可作为系统演化过程分析的普适框架。

因素空间理论的决策树C4.5算法改进

针对决策树C4.5算法在处理数值型因素时比较复杂和分类精度不高等问题,在数据预处理过程中采用云变换进行连续因素离散化,给出了连续属性离散化的具体算法.利用因素空间理论给出一种构造决策树算法的新的启发式函数—分辨度,分析了算法的时间复杂度,证明其为多项式算法.研究结果表明:改进算法的测试准确率和效率均优于决策树算法.

因素空间下的煤与瓦斯突出预测方法

煤与瓦斯突出的机理极为复杂。针对影响因素之间存在复杂的非线性关系,提出了基于因素空间下因素分析法的煤与瓦突出预测方法。因素分析法能更好地利用已有的数据,提取突出因果规则。该方法以典型矿井的实测数据为样本,提取预测推出的推理规则,并用其它样本数据进行预测推理规则进行验证。实际应用表明:该方法预测煤与瓦斯突出结果准确、方法可行有效。

因素空间和范畴

本文讨论了几种模糊范畴的Ｔｏｐｏｓ性质，把集丛理论、范畴理论应用到因素空间的研究之中，建立了同一因素集上和不同因素集上的因素空间之间的关系，并给出了子因素空间的概念和子因素空间的布尔运算。

因素空间中属性约简的区分函数

粗糙集用属性所构建的信息系统来描写事物,用各种细化的熵指标来实现信息的标度,为挖掘知识的关系数据库提供了数学基础,当前人们最关注的是她在属性约简中所能发挥的作用。但是它用以约简的区分函数定义不清楚,当没有属性能区分两个对象时,相应的属性变量为什么不取0而是取1?这一问题成为粗糙集应用的一个瓶颈。本文的目的是要为区分函数寻找更合理的解释和运用。所采用的方法是,首先要对属性名之间的运算要下定义,属性名与属性值不同,如果用属性值的运算来代替属性名的运算,就会在理解上出现混乱。为此,我们用因素空间的理论,将属性名视为因素,用因素之间的运算来定义属性名的运算,使区分函数有了明确的定义,同时也清楚解释了属性变量在特殊情况下为何取1的问题。这一结果说明因素空间可以加深粗糙集的理论基础,提高其解决问题的能力。