基于依赖性度量的Hammerstein系统的时滞估计

时滞在工业系统中广泛存在,但是现有的Hammerstein辨识算法大多没有考虑时滞,使得这些算法的应用受到局限。针对具有整数时滞的Hammerstein非线性系统,提出了一种新的时滞估计方法。该方法基于输入、输出数据的依赖性工作,首先计算输入数据和输出数据的边缘分布;其次基于2-copula函数构建它们的联合分布,利用该分布定义一个依赖性度量方法;最后基于这个度量推断时滞。该方法独立于参数估计时滞,并且避免了基于优化的时滞估计方法中存在的取整运算问题。通过数值实验和实际案例,验证了该方法可以准确估计Hammerstein系统的时滞。

基于粗集理论的属性权重分配系统设计与实现

基于粗集理论中对知识表达系统的属性依赖性度量的定义。根据定义中涉及的关键技术,利用ADO.NET技术对实例数据库进行存取,结合C Sharp编程语言实现其算法,实现了实例属性权重分配系统。通过计算实验数据,系统计算结果的正确性得到了验证。

基于C4.5的决策树改进算法研究

对海量数据的处理能力是数据挖掘最关注的问题。决策树作为一种分类器,是数据挖掘中用到的一种基本方法之一。基于C4.5的决策树改进算法,是在一些典型的决策树分类算法的基础上提出的,基本思想是在建树过程中,用属性依赖度替代信息增益率来确定划分条件属性的顺序。该算法借鉴Med Gen算法的阈值设定方法,在简化决策树剪枝和优化过程的同时,可优化C4.5算法中使用信息熵率的时间复杂度,避免了使用信息熵带来的不当划分。简述了该改进算法的执行过程,证明了算法的正确性。