基于多尺度粗糙集模型的决策树在高校就业数据分析中的应用

为解决目前常用于就业数据分析的C4.5算法、基于粗糙集等的决策树生成算法均无法很好处理的决策精度需求不同和噪声适应能力的问题,运用基于多尺度粗糙集模型的决策树算法于高校就业数据分析,并以某高校2012年就业数据为例进行分析,同时将分析结果与C4.5算法和基于粗糙集的决策树生成算法的分析结果进行比较.结果表明:基于多尺度粗糙集模型的决策树算法生成的决策树树形结构简单、产生的规则简洁、不存在不可分的数据集、运算速度快.

基于EMD与邻域粗糙集的液体电磁阀故障诊断

液体电磁阀的故障诊断是保证飞行器动力系统正常工作、实现故障快速定位的重要手段。为了对液体电磁阀进行检测与诊断,提出了一种基于经验模态分解(EMD,Empirical Mode Decomposition)与邻域粗糙集相结合的新方法。首先对电磁阀的结构、故障形式、故障机理进行了分析,通过采集电磁阀正常、弹簧失效、阀芯卡滞、线圈异常、电气短路五种状态的驱动端电流信号,对不同状态的电流进行了分析。针对电流稳态长度难以控制,EMD分解获得的本征模态函数(IMF,Intrinsic Mode Function)分量的能量熵存在不一致的特点,选用电流变化率作为特征对其进行EMD分解。引入数据挖掘思想,采用邻域粗糙集构造贪心式属性约简算法进行属性约简,将约简后的属性集输入所设计的C4.5决策树算法,经过训练,其诊断准确率达到98%。研究结果表明:该方法能够实现液体电磁阀的快速诊断,具有一定的应用价值。

基于模糊因果推理和多决策类粗糙集的环境-故障关联分析方法

环境应力与故障模式之间存在复杂的不确定性关系。首先基于模糊因果图论,采用模糊数描述环境应力对故障模式的影响程度,定性推理出导致系统故障模式发生的主要环境应力。在综合环境应力试验的基础上,基于多决策类贝叶斯粗糙集理论,提出一种属性权重算法来计算环境应力特征与故障模式的定量关系。试验结果表明,该方法可以定性、定量分析出环境应力及其特征与系统故障模式的关联关系,可用于装备测试性虚拟验证中的环境建模与故障建模,分析结论还能为装备故障诊断、预测与健康管理提供数据信息。

流计算模式下概率粗糙集三支决策的快速计算

针对流计算模式中的动态对象增量与减量同步发生的现象,提出了一种概率粗糙集三支决策的快速流计算方法。首先讨论了流计算模式中决策信息系统的单对象增减更新模式的数据模式;然后基于流计算数据变化模式分别提出了数据增量与数据减量时三支决策域的变化推理;最后基于上述理论给出了一种流计算模式下的三支决策动态增减快速学习算法。通过八种UCI数据集的对比实验,证明了该算法不但在时间消耗上明显优于经典三支决策算法,而且对于三支决策阈值具有较强的稳定性。

云服务模式下设计方案的优选决策方法

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法.该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化.建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化.遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型.结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解.以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.

HEVC帧内编码的快速模式与TU尺寸决策算法

为降低高效视频编码(HEVC)帧内编码的复杂度,提出一种快速模式和变换单元(TU)尺寸决策算法。在快速模式决策算法中,利用预测单元的纹理减少粗糙模式的决策模式个数,根据最有可能成为第一候选模式的分布,跳过最佳模式可能性较小的模式率失真优化过程。在TU尺寸决策算法中,对残差块的纹理进行分析,以此提前终止TU的分割。在HM10.1上的实验结果证明,提出的算法能够平均降低30.7%的编码时间,增加1.40%的平均码流差。

基于模式预测的低复杂度高清视频帧内编码方法

为了解决高分辨率及超高分辨率的视频数据量庞大的问题,国际视频编码标准化组织正制定更先进的视频压缩标准——高效视频编码标准(High Efficiency Video Coding,HEVC),即H.265。帧内编码作为视频编码的重要组成部分,其编码的复杂度和性能会严重影响整个视频的编码复杂度和压缩性能。为了降低HEVC中帧内编码的复杂度,文章提出了一种重新确定备选模式列表的方法,该方法根据备选模式列表中第一个模式的不同,快速自适应地确定备选模式列表中需要保留的模式,减少执行率失真优化的模式数目。实验结果表明,文章提出的算法在保证与标准测试平台HM8.0编码性能一致的条件下,帧内编码时间与原始HM8.0相比平均节省24.50%,有效地降低了帧内编码的复杂度。同时,所提出的算法能够与其它层次的快速编码方法相融合,以进一步减少复杂度。

3D-HEVC深度图像快速帧内编码方法

目的新一代3D视频采用了多视点加深度图像的格式,其编码测试模型3D-HEVC(3D高效视频编码)为深度图像引入了一些新的编码技术,包括深度模型模式、分段直流(DC)残差编码模式和帧内跳过模式等,但是同时也显著地增加了帧内编码器的复杂度,严重制约了3D视频的实时应用,因此本文提出了一种深度图像帧内模式选择方法。方法首先,分析在分层编码结构中,父层帧内模式和子层帧内模式的关系,并依据父层的帧内模式对子层的候选模式进行修剪;其次,通过分析粗略候选帧内模式,把当前块分为平滑块、方向块和边界块,并根据不同块进行候选帧内模式的选择。结果与高效3D视频编码标准的测试模型相比,本文的深度图像帧内模式选择方法可以节省约44%的编码时间。本文方法有效地减少了计算率失真代价的候选帧内模式数目,从而降低了帧内编码器的复杂度。结论该方法能在保证虚拟视点质量的前提下,有效地降低深度图像帧内编码的复杂度。