基于改进差别信息树的广义决策属性约简

属性约简作为一种有效的数据降维方法,对于处理高维数据具有重要意义,通过删除冗余属性保留重要属性,获得与原系统具有相同表达能力和分类能力的属性子集。差别矩阵是得到属性约简的一种重要方法,但其中含有大量无用的信息,本文受改进差别信息树的启发,将改进差别信息树与决策多层次系统相结合,在该方法下研究不同决策层级间改进差别信息树之间的关系,提出一种基于改进差别信息树的广义决策属性约简算法。所提方法不仅可以实现对差别矩阵中非空元素的压缩存储,还有效缩短了时间消耗。为了验证算法的有效性,选取8组UCI数据集分别从算法的约简结果和约简效率两方面进行对比,实验结果验证了算法的可行性和有效性。

基于优化可辨识矩阵和改进差别信息树的属性约简算法

运用可辨识矩阵表示信息系统中所有对象的区分信息,为研究属性约简提供了新方向。然而,传统的可辨识矩阵在构造结束后才利用核属性消除冗余元素项,忽略了核属性在矩阵构建过程中的作用。针对这一问题,文中做了以下研究:1)优化可辨识矩阵的构造方式,在计算任意两个对象的区分信息之前,先判断核属性上的取值是否相等,如果不相等,则直接将对应元素项记为Φ,忽略对其他条件属性的判断;2)提出属性加权重要度的概念,综合考虑每个条件属性占可辨识矩阵中非空元素项的比率(称为宏观重要度)与每个属性对区分对象的贡献程度(称为微观重要度),并通过例子说明了该度量方法的合理性;3)针对优化后的矩阵仍然存在大量冗余元素和空集这一缺陷,结合差别信息树的概念提出基于优化可辨识矩阵和属性加权重要度的差别信息树。按照属性加权重要度对优化可辨识矩阵中所有非空元素项进行排序,使得重要度高的属性被更多的节点共享;且在构建过程中将不包含核属性的元素项映射到树中的一条路径上,而包含核属性的元素项则被直接忽略。最后,提出基于优化可辨识矩阵和改进差别信息树的约简算法HSDI-tree。在UCI的5个数据集上分别比较了HSDI-tree算法与CDI-tree,DI-tree和IDI-tree算法的约简结果和节点个数,实验结果表明HSDI-tree算法能有效找到最小属性约简且空间压缩能力更好。

区间值序信息系统中差别信息树的属性约简

属性约简是粗糙集领域的一个热门研究课题,而差别矩阵是获得属性约简的有效方法。然而,差别矩阵含有重复元素,增加了获得约简所需要的时间。差别信息树的提出解决了差别矩阵含有重复元素的问题,实现了对差别矩阵中非空元素的压缩存储。但是差别信息树是在等价关系下的差别矩阵的基础上提出的,并没有考虑序决策信息系统的情况。在区间值序信息系统的背景下提出了基于可分辨矩阵的差别信息树,解决了可分辨矩阵中存在冗余元素的问题,实现了对可分辨矩阵中非空元素的压缩存储。得到了该树的相关性质定理并对其进行了验证,并在此基础上给出区间值序信息系统的基于差别信息树的完备的属性约简方法。最后给出了实证分析,验证了该方法的可行性以及有效性。

不协调目标信息系统中基于改进差别信息树的分布属性约简

在信息系统不协调的背景下,文中研究了如何有效地求解分布属性约简的问题。利用分布协调集的判定定理,提出了一种在不协调目标信息系统背景下进行分布属性约简的新方法。受到差别矩阵和差别信息树的启发,在该方法中构造了一种利用改进的差别信息树进行分布属性约简的算法。该信息树实现了对差别矩阵中的非空元素以及冗余信息的压缩储存,极大简化了时间复杂度及空间复杂度。

序决策信息系统中基于差别信息树的分配约简

差别信息树是在等价关系下差别矩阵的基础上提出的,并没有考虑序决策信息系统的情况.在差别信息树的基础上提出了基于分配可辨识矩阵的差别信息树,研究了该差别信息树的相关性质,分析了基于分配可辨识矩阵的差别信息树的时间和空间复杂度,进而给出了适用于不协调序决策信息系统的分配约简方法.

生态话语分析拓展之国际关系研究——以中国北极定位分析为例

目前生态语言学非隐喻研究重点关注话语对自然生态系统的影响,缺少对其他关键领域的探索,而国际关系就是其中之一。本文展示了生态议题下国际关系研究的驱动因素,包括生态话语分析的跨学科属性、主观价值倾向、广泛研究对象和服务国家宗旨;探讨了生态议题下国际关系研究的特色内容,涉及信息需求以及各领域和谐发展;并以CNN报道和《中国的北极政策》白皮书中的中国北极定位为例,论证如何探寻信息差别并开展差别溯源。由此,将生态话语分析提升至服务国家层面,拓宽其研究范围,丰富生态话语研究的生态圈。

基于MDI法的化工生产碳排放强度计算方法

为使用主观、客观相结合的评价指标,准确判断化工生产碳排放强度,提出基于MDI法的化工生产碳排放强度计算方法。此方法在构建化工生产碳排放强度评价指标体系之后,由基于MDI法的碳排放强度评价指标综合赋权方法,完成碳排放强度评价指标综合赋权,以此便可把评价指标效用值转换为综合值;将综合赋权后指标输入基于改进BP神经网络的碳排放强度计算模型,由蚁群算法寻优可保证BP神经网络训练误差最小化的连接权重后,使用训练完毕的BP神经网络,以碳排放强度分级的方式,计算化工生产碳排放强度。经验证,此方法能够使用主观、客观相结合的评价指标,高精度计算化工生产碳排放强度。

基于差别信息树的rough set属性约简算法

差别矩阵为粗糙集属性约简提供了很好的思路,但差别矩阵中存在冗余的重复和父集元素.为了消除这些冗余元素,提出一棵有序树:差别信息树,该树能消除差别矩阵中的重复元素,同时在大多数情况下也能完全消除父集元素,实现对差别矩阵中非空元素的压缩存储.为了验证差别信息树的有效性,提出一种属性约简完备算法,并使该算法的时间复杂度降为O(∣C∣∣U∣2).

基于改进差别信息树的粗糙集属性约简算法

差别矩阵为属性约简提供了很好的思路,差别信息树能有效消除差别矩阵中的冗余元素,并实现对差别矩阵的压缩存储.然而,差别信息树既没有考虑"核"属性在消除差别矩阵中冗余元素的作用,也没有考虑属性序在压缩存储差别矩阵中非空元素的作用.对此,基于"核"属性和属性序关系,提出改进差别信息树,该树能进一步实现对差别矩阵中非空元素的压缩存储.最后,给出基于UCI数据库的仿真结果,并通过仿真结果验证该树的有效性.

基于MDI与进化计算相结合的HMM训练方法

MDI为HMM训练的优化准则之一,但传统的MDI是基于局部最优求解的,所得的解也是一个局部最优解,而进化计算则是基于全局搜索的。为此,提出了将MDI及进化计算相结合来训练HMM的方法。各个模型用个体来表示,个体的适应值采用模型的最小差别信息。实验结果表明。

基于混合频繁模式树的粗糙集属性约减算法的研究与应用

粗糙集对于学习分析系统的属性约减模型有着重要的研究意义和使用价值。针对教育大数据高维度、不完备、增量性等现状,提出了基于不完备决策表的差别信息增量更新算法,并结合树型结构对差别信息的高效存储和粗糙集的核属性概念,设计构建了MIX_FP树,实现高维属性的有效约减。实验结果验证了该算法具有较好的运行效率和空间性能,为教育大数据的属性约减提供了有效的方法,同时为基于粗糙集理论的属性约减算法研究及其在学习分析领域的应用提供了新的研究思路。

深度AWB结合改进DIT的高效大数据分类

针对传统数据分类属性模型中存在的较为复杂且大数据分类效率低等问题,基于云计算环境,提出利用深度属性加权贝叶斯(deep attribute weighting Bayesian,AWB)算法结合改进差别信息树(differential information tree,DIT)的大数据高效分类方法。利用AWB算法构建大数据训练集的模糊知识库,提高大数据分类精度;采用改进DIT进行模糊粗糙集属性约简,以并行方式利用映射函数对信息进行分区,将洗牌算法融入模糊分类器的设计中,提高大数据分类效率;利用CloudSim仿真器在大型网络数据集对所提方法的性能进行实验论证。实验结果表明,所提方法提高了分类准确度,降低了计算时间,提高了计算效率。

No-relationship Between Impossibility of Faster-Than-Light Quantum Communication and Distinction of Ensembles with the Same Density Matrix

It has been claimed in the literature that impossibility of faster-than-light quantum communication has an origin of indistinguishability of ensembles with the same density matrix. We show that the two concepts are not related.We argue that even with an ideal single-atom-precision measurement, it is generally impossible to produce two ensembles with exactly the same density matrix; or to produce ensembles with the same density matrix, classical communication is necessary. Hence the impossibility of faster-than-light communication does not imply the indistinguishability of ensembles with the same density matrix.

语音识别中结合进化计算与MDI的HMM训练方法

提出了将最小差别信息(MDI)和进化计算(EC)相结合引入到HMM的训练中去的方法.各个模型用个体来表示,个体的适应值采用模型的最小差别信息.这样借助于进化计算全局搜索的特点,能克服传统的MDI局部搜索的不足,从而得到系统的全局最优解.实验结果表明,该方法训练所得的系统识别率高于传统的MDI方法训练所得的系统.

中国股市大公司股票与小公司股票收益关系的实证研究

对中国股市的大公司股票与小公司股票的价格与收益关系进行了实证研究,结果表明大公司股票与小公司股票的收益无论在牛市阶段还是熊市阶段都存在较高的相关性;熊市阶段大公司股票收益的自相关程度最高,存在一定趋势性.大公司股票与小公司股票的价格序列是单位根的,但不是协整的,二者的收益序列是稳定的,在牛市阶段和熊市阶段大公司股票与小公司股票收益之间存在双向的领先—滞后后关系.