基于一致规则的知识约简方法

粗糙集理论应用于决策表知识约简的主要思想是在保持信息系统分类能力不变的前提下,通过寻找最佳知识约简导出问题的决策和分类规则。传统方法多是基于知识分类的相对知识约简研究,算法较为复杂;文章从决策规则本身出发,依据规则的一致性进行算法设计,方便快捷地实现了决策表的属性约简和属性值约简。

一种基于熵的不一致规则的处理算法

不一致规则对于我们发现异常信息有着十分重要的作用。在总结了许多对不一致规则处理算法的不足之后,我们提出了一种基于熵的不一致规则的修正算法。根据给定的可信度阀门值,使用这个算法我们可以判断出一个信息系统中不一致规则是否异常规则。最后结合一个实例阐明了该算法的基本思路。

表面一致规则在出口商品检验证书中的运用

表面一致规则在出口商品检验证书中的运用黄荣生（宜昌商检局）在国际贸易中，出口商品检验证书常作为跟单信用证项下议付结汇的一种单据，它必须遵守银行的国际惯例及规则，才能保障货物安全及时收汇。本文根据国际商会第５００号出版物，现行生效的《跟单信用证统一惯例...

基于多粒度一致覆盖约简的混合数据规则学习

许多已提出的规则提取算法不适用于混合数据,而混合数据广泛存在于实际应用中.针对上述问题,提出了一种基于多粒度一致覆盖约简的规则学习方法.首先,在不同粒度下导出每个样本的多粒度表示,从而获得所有粒度下每个样本的最大一致规则;其次,基于一致性的原则计算每个最大一致规则的权重;最后,提出了一种基于最大一致规则权重的覆盖约简算法以获得最小规则集.实验结果表明:所提出的算法能够有效地选择一组最小规则集,相比一些常见的规则提取技术,所提出的算法具有更好的分类性能.另外,所提算法在噪声扰动下具有更好的鲁棒性.

基于启发式调度的OpenFlow网络规则一致更新方案

针对OpenFlow网络在状态转换过程中会暂时性出现转发回路、路由黑洞和违反访问控制策略等问题,提出了一种基于启发式调度的规则一致更新方案.首先,设计基于谓词的更新分解算法,利用并行网络属性验证技术得到子更新依赖图;其次,采用任务图生成算法对子更新依赖图进行分割,降低更新调度的复杂度;之后,设计启发式更新调度算法,采用规则增删操作交替执行策略,减少交换机的规则存储开销,并通过建立更新实施和监听并发执行机制,提升更新效率.仿真实验从更新时间开销和更新过程中交换机规则存储开销两方面验证了方案的有效性.

规则不一致消解网格服务的设计与实现

针对规则库合并过程中遇到规则不一致的问题,文中对各种的规则不一致进行了总结,并提出检测和消解方法。在此基础上完成规则的合并、解析、检测、消解等相关功能模块的开发,并对其进行网格化封装,实现了网格平台中规则不一致消解服务。

基于变精度优粗集模型的一致性规则挖掘算法

为了在含有噪声数据的优势关系系统中进行数据挖掘,提出以修正的知识粒度作为改进粗糙规则集的不确定性度量,并以此为启发式信息进行属性的相对约简,再依据变精度优粗集所给的参数值导出一致性规则集,并对参数值影响规则集的程度进行灵敏度分析。该算法所得到的一致性规则集具备较高的准确度和覆盖度,同时又可排除由数据噪声所引起的不一致性,从而保证了预测和分类的准确性和合理性。通过实例证明该算法是一种规则获取的有效方法。

一种针对规则集不一致性的测试数据包选取算法

在防火墙规则集正确性测试中,现有的测试数据包选取算法大多随机选取数据包和从规则顶点选取数据包。然而,这种做法忽略了存在规则不一致性的区域,从而导致不能检测出所有因规则不一致性而产生的配置错误。针对这一情况,提出了一种针对规则集不一致性的测试数据包选取算法。该算法以两条规则为基本单位,计算其不一致性区域。算法不但从规则顶点选取数据包,而且从规则集不一致性区域选取数据包。测试表明,与常见测试数据包选取算法相比,该算法只需增加少量测试数据包,就能检测出所有因规则不一致性而带来的配置错误。

多维关联规则扩展本体规则过程中的一致性维护

提出了将本体规则和关联规则的一致性维护映射到样本空间中解决的策略。通过对基于样本空间的一致性规则模型的建立和证明得出基于规则的一致性判则,并在此基础上设计了基于本体的多维关联规则一致性维护算法MARCMAO,最终得到了基于本体的具有一致性的关联规则集。基于茶叶病虫害预测本体的实验结果表明,该策略具有较高的可行性和有效性。

异构物联网中关联数据一致性规则挖掘模型

数据一致性规则属于数据质量管理的核心规则。因此,以高效、准确挖掘为目的,研究了面向异构物联网,构建了一种关联数据一致性规则挖掘模型。先通过多维数据聚类去除异构物联网中的重复数据,以此来减少后续关联数据一致性规则挖掘过程的耗时;基于内容相关的条件函数依赖关系建立挖掘模型,并将清理后数据导入中,对其中的一致性规则展开挖掘。经仿真测试可知,针对3种不同数据量的异构物联网数据,上述模型对在挖掘其一致性规则时的效率与准确性均较高,挖掘耗时最大值仅为1.27s,规则挖掘结果与实际规则数量一致,充分证明了上述模型的高效性。

基于信息特征耦合夹角一致性规则的图像匹配算法

目的针对当前基于灰度特征的图像匹配算法在遇到匹配图像存在较大的光照变换时,会引起较多的误匹配和漏匹配等问题,提出一种基于信息特征耦合夹角一致性规则的图像匹配算法。方法首先,利用Forstner算子来检测图像的特征点,接着用Hessian矩阵最大特征值与其最小的特征值做比值计算,优化Forstner算子的检测特征点。然后,以特征点为原点,构建极坐标系,将特征点的邻域进行分割。再利用信息熵模型求取每个分割块中的信息特征,以生成特征描述子。最后,利用特征描述子构造距离模型,搜索指定特征点的最近邻特征点和次近邻特征点,并通过距离比值方法完成特征点的匹配。通过匹配特征点之间形成的夹角,建立夹角一致性规则,对匹配特征点的可靠性进行度量,剔除错误匹配特征点,从而完成图像匹配。结果实验结果显示,与当前图像匹配算法相比,所提图像匹配算法图像在旋转角度10?~100?范围内,识别率为94.6%~88%,平均识别时间为5.48 s,具有更高的匹配精度与鲁棒性。结论所提算法具有较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。

一致同意规则与银企交易的有效治理

在银企交易中，只有银企双方能够最方便最合理地坚持一致同意规则，银企交易治理控制绩效才是最优的。本文分析了一致同意规则对银企交易治理控制的影响，探讨了在一定的制度环境和控制技术条件下一致同意规则与银企关系两种倾向的相互影响，并对银企交易不同阶段银行控制权运用了理论分析，提出了银企交易控制权有效的制度安排特征。

一致同意规则与银企交易的有效治理

在银企交易中，只有银企双方能够最方便最合理地坚持一致同意规则，银企交易治理控制绩效才是最优的。本文分析了一致同意规则对银企交易治理控制的影响，探讨了在一定的制度环境和控制技术条件下一致同意规则与银企关系两种倾向的相互影响，并对银企交易不同阶段银行控制权运用了理论分析，提出了银企交易控制权有效的制度安排特征。

群体决策中的投票规则研究述评

投票规则是群体决策研究的一个重要方面,常见的投票规则有一致同意规则和多数规则。这两种规则都有各自优缺点:一致同意保护了成员的利益但损害了决策的效率;多数规则刚好相反。群体成员能力、群体规模、成员之间的相关性和具体决策过程是权衡两者孰优孰劣的关键因素。

基于Curvelet变换与一致性约束的遥感图像融合

为解决当前遥感图像融合方案存在的块效应以及光谱扭曲等不足,在图像归一化区域方差的基础上,设计一致性约束规则的融合方法。利用变换,从多光谱图像中分解出亮度分量;将其与全色图像在快速离散Curvelet的变换下,求取高、低频系数;根据高频系数的归一化区域方差,建立一致性约束规则,对其进行融合;将不同低频系数的归一化区域能量特征进行比较,采用不同的融合方法对低频系数进行融合;基于融合后的子带系数,将其通过Curvelet与HSV逆变换,完成图像融合。通过对比实验发现,与当前遥感图像融合方法相比,所提方法不仅具有更高的融合质量,最小光谱扭曲度仅为2.291,其具备更高的融合效率,所需时耗为1.74s。

一致同意的理由:审视公共选择的行动逻辑及其规范内涵

由布坎南和图洛克创立的公共选择理论存在两个饱受争议的核心要素:"交易的政治理论"和"一致同意规则"。本文结合布坎南后期的"元规则偏好"理论,将《同意的计算》一书中提出的元规则模型拓展为二阶元规则选择模型,证明在允许多次选择的情形下,公共选择的基本逻辑符合当年布坎南和图洛克的判断。首先,一致同意规则并非公共选择理论模型的前提条件,而是参与集体决策过程的个人进行理性计算的必然结果;其次,作为理性计算的结果,一致同意规则也就具备了伦理内涵,人们出于自身利益的考量而尊重他人的选择;最后,"交易的政治理论"能够适用于当代社会科学分析。

RBF神经网络在关联数据一致性挖掘中的应用

为提升对数据规则的挖掘效果,本文将神经网络应用于关联数据一致性规则的挖掘。通过径向基函数神经网络预测网络关联数据的规则属性,并利用粗糙集对预测结果实施离散化处理,生成粗糙规则。实验结果表明:在不同数据属性值以及不同的元素数量下,本文的方法挖掘网络关联数据的一致性规则所用的时间较少。

基于改进相似性度量的扩展置信规则库规则激活方法

针对扩展置信规则库(extended belief rule base,EBRB)系统在计算个体匹配度时会出现负值以及所有规则的激活权重都为零的问题,引入基于属性权重的欧氏距离,对传统的EBRB中相似性度量方法进行改进.此外,传统的规则激活方法激活的是所有激活权重大于零的规则,并没有考虑到规则之间的不一致性,而规则的不一致性会减弱EBRB系统的推理能力,因此将激活规则之间的不一致性也考虑进来,提出一种基于改进相似性度量的规则激活方法.与传统的扩展置信规则激活方法相比,新的规则激活方法通过设置阈值来激活规则,这些被激活的规则不仅是激活权重大于零的规则,而且是不一致性最小的规则集合.最后,利用输油管道泄漏问题和多个公共分类数据集对新的规则激活方法的有效性进行验证,实验结果表明,基于改进的相似性度量的规则激活方法能够有效提高EBRB系统的推理准确性.

基于分类误差一致性准则的自适应知识迁移

目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时,通常假设源域中的数据均与目标域数据相关。然而在实际应用中,源域中的数据并非都与目标域数据的相关程度一致,若基于上述假设往往会导致负迁移效应。为此,该文首先提出分类误差一致性准则(CCR),对源域与目标域分类误差的概率分布积分平方误差进行最小化度量。此外,该文提出一种基于CCR的自适应知识迁移学习方法(CATL),该方法可以快速地从源域中自动确定出与目标域相关的数据及其权重,以辅助目标域模型的构建,使其能在提高知识迁移效率的同时缓解负迁移学习效应。在真实图像以及文本数据集上的实验结果验证了CATL方法的优势。

欧盟反倾销调查新规则的合规性研究

欧盟于2017年12月20日通过了反倾销调查新规则修正条例,这次修改皆在强调中国市场存在着企业融资、产业政策、税收政策等政府干预的市场扭曲现象,进而在《中国加入WTO议定书》第15条a款(ii)项到期后,仍然不认可中国符合欧盟要求的市场经济地位标准。现拟通过WTO相关案例的分析对该新规则进行合规性研究,指出欧盟反倾销调查新规则使得已失效的"替代国"做法死灰复燃。面对欧盟贸易救济法律工具重整的新局面,中国应该冷静看待此次修改可能产生的影响,积极运用WTO争端解决机制维护自身利益,时刻警惕非市场经济的其他替代方法,并在应诉中要求企业准确把握公认会计原则的使用规则。