海量大数据定向采样有差别挖掘算法仿真

在大数据中,不同类别之间可能存在数据分布不均衡的情况,即某些类别的数据样本数量远远少于其他类别。这种情况下,传统的采样方法无法正确反映所有类别的特征和差异。为提升大数据信息的应用性,文中研究海量大数据定向采样有差别挖掘算法。以网站统一资源定位器(URL)初始化为基础,在网络上抓取网页,采集网页的超文本标记语言(HTML)数据,提取定向数据的相关链接,并将其导入URL队列。根据网络搜索策略,实施相关的数据搜索和处理。完成数据搜索后,将自动进行下一网页的URL,继续进行海量大数据定向采样。结合模糊特征匹配与检测滤波方法实现大数据定向采样过程中的抗干扰处理。采用粗糙集算法实施挖掘,利用扩展差别矩阵对大数据决策表内的值实施约简,实现海量大数据的模式分类。实验结果显示,该算法数据采集过程中的丢包率基本控制在0.2%以下,具有较高的鲁棒性。

单向S-对偶粗决策规律与决策规律挖掘

利用单向S-粗集对偶,给出单向S-对偶粗决策规律生成方法;给出上决策规律,下决策规律,单向S-对偶粗决策规律核,单向S-对偶粗决策规律带的概念.利用这些概念,提出下决策规律传递定理,上决策规律传递定理,-F-分离的属性定理,粗决策规律挖掘定理与粗决策规律挖掘准则.

单向S-粗决策规律与决策规律挖掘

利用单向S-粗集,给出单向S-粗决策规律生成方法;给出上决策规律,下决策规律,单向S-粗决策规律核,单向S-粗决策规律带,单向S-粗决策规律壳的概念;利用这些概念,提出下决策规律传递定理,上决策规律传递定理,F-分离的属性定理,粗决策规律挖掘定理,与粗决策规律挖掘准则。

副集上的双向粗决策与决策识别

As+(X*),As-(X*),分别是双向S-粗集的上副集,下副集.As+(X*),As-(X*)是具有动态特性的普通集合,As(X*)上的模糊决策结论是As+(X*)和As-(X*)上的模糊决策结论的叠加合成.本文提出副集上的双向粗决策的概念,双向粗决策判定定理和决策识别定理.本文的研究为解决动态决策因素域上的系统决策问题提供了新方法.

规律与它的^-f-属性控制

函数单向S-粗集对偶(dual of function one direction singular rough set),具有单向动态特性和规律特性;它是函数S-粗集(function singular rough set)的基本形式之一。函数S-粗集是在改进S-粗集的基础上提出的。利用函数单向S-粗集对偶的动态特性和规律特性,给出-f-规律,-f-规律的属性特征,属性距离,-f-冗余规律概念。利用这些概念,提出规律与它的-f-属性控制,并给出-f-属性控制定理,-f-属性控制判定定理,-f-属性控制识别准则与应用。

增材制造工艺匹配性评估的宏微观决策模型

增材制造存在悬空区域难制造、不同结构和不同性能要求零件的可成形性难预测等突出问题,提前评估工艺的匹配性和合理性具有重要意义。提出了一种宏微观一体化综合决策模型,从增材制造工艺角度评估零件的可成形性,根据打印零件的效果推演出最佳的成形策略。宏观决策阶段建立设计需求与制造工艺间的数学模型,从可成形性角度评判工艺的匹配程度;微观决策阶段建立表面粗糙度、支撑结构体积和打印时间的数学模型,从打印质量的角度优化打印工艺。最后,以拓扑优化的梁结构零件为例,利用建立的综合决策模型优化其打印工艺,结果表明,实际打印结果与模拟打印结果一致,验证了数学模型的有效性。

一种基于单向变异S-概率粗集的动态决策方法

针对因决策因素个数的减少而导致的决策精度降低的情况,提出了一种基于单向变异S-概率粗集的动态决策方法。利用单向变异S-概率粗集的属性动态迁移特性,结合知识库中的统计信息,讨论了单向变异S-概率粗集模型的属性概率性质。利用上述性质的讨论,给出了一个具体的军事动态决策实例,从而证明该方法可以有效地提高决策精度。

双向S-变精度优粗集模型及其应用

针对S-粗集模型及其现有扩展模型不能有效处理具有动态特性的偏好信息系统这一缺陷,本文提出了一种双向S-变精度优粗集模型,并给出了该模型的一些性质。新模型具有一定的抗数据干扰能力,从而可在动态偏好信息决策系统中获得更加合理的分类;最后给出一个应用实例,验证了新模型的有效性。