平均互信息和类别区分性修剪规则的KNN算法

大规模的样本数量及其特征高维性影响着K最近邻(KNN)分类算法的分类性能。为此,提出一种具备降维、修剪机制的特征参数平均互信息和类别区分性的KNN改进算法AMI&CD-KNN。首先使用熵中平均互信息的概念,衡量特征参数体现类别特征信息的准确程度;然后采用特征参数相对类别的优势率及其在数据集中的分布概率描述类别区分性,用于体现特征参数提供类别信息量的大小;最后建立特征参数平均互信息和类别区分性的内在联系,设计样本修剪方法,从而达到在保证分类准确性的前提下,提高分类速度的目的。理论分析与仿真实验表明,与经典KNN及其他具备修剪机制的算法比较,提出的算法具有更高的分类泛化性。

基于改进Ant-miner算法的分类规则挖掘

为提高基于传统Ant-miner算法分类规则的预测准确性,提出一种基于改进Ant-miner的分类规则挖掘算法。利用样例在总样本中的密度及比例构造启发式函数,以避免在多个具有相同概率的选择条件下造成算法偏见。对剪枝规则按变异系数进行单点变异,由此扩大规则的搜索空间,提高规则的预测准确度。在Ant-miner算法的信息素更新公式中加入挥发系数,使其更接近现实蚂蚁的觅食行为,防止算法过早收敛。基于UCI标准数据的实验结果表明,该算法相比传统Ant-miner算法具有更高的预测准确度。

家庭服务机器人路径规划的跳点搜索算法

针对传统A*搜索算法路径搜索时间过长的问题,采用跳点搜索算法(jump point search,JPS)减小家庭服务机器人的寻路时间。通过选取合适的启发函数、采用障碍物扩张方法及在虚拟地图和真实地图中对搜索算法进行仿真测试,对测试数据结果分析和对比,综合地提高了机器人的寻径速度。通过与传统A*算法进行比较,JPS算法用于家庭服务机器人的寻路是可行和有效的。

基于神经网络与遗传算法的汽轮机组数据挖掘方法

针对当前专家系统知识获取瓶颈的难题,提出了基于神经网络与遗传算法的汽轮机组数据挖掘方法。将汽轮机组历史故障数据首先进行模糊化及离散化处理,接着构造一个多层的前向神经网络,然后通过教师示教的方式训练构造好的神经网络,最后进行基于遗传算法的神经网络优化。以神经网络为知识本体,提出了汽轮机组故障诊断分类规则的挖掘算法,其实现过程有4个步骤:计算效果度量矩阵;提取规则;计算规则权重;基于遗传算法的规则修剪。实现了基于神经网络与遗传算法的汽轮机组数据挖掘和故障诊断仿真系统,其诊断正确率达到了84%。

基于神经网络与遗传算法的汽轮机数据挖掘研究

针对当前专家系统知识获取瓶颈的难题，提出了基于神经网络与遗传算法的汽轮机数据挖掘方法．将汽轮机故障历史数据首先进行模糊化及离散化处理，接着构造一个多层的前向神经网络，然后通过教师示教的方式训练构造好的神经网络，最后进行基于遗传算法的神经网络优化．以神经网络为知识本体，提出了汽轮机故障诊断分类规则的挖掘算法，实现了基于神经网络与遗传算法的汽轮机数据挖掘和故障诊断仿真系统，其诊断正确率达到了84％．实验表明该方法可行，对汽轮机故障诊断系统的设计具有借鉴意义和深入研究的价值．

磨矿工艺过程优化控制仿真研究

针对磨矿过程中多变量、强干扰、非线性等特点,提出一种改进模糊T-S模型的内模控制的方法。将此算法应用到再磨过程旋给浓度控制回路中,使旋给浓度稳定在一定的范围内,保证磨矿粒度的合格率。通过将变论域的方法与规则修剪的方法相结合改进T-S模糊模型,并将改进后的模糊T-S模型作为内部模型,其逆模型作为内模控制器,并验证了磨矿控制系统的稳定性和鲁棒性。仿真结果表明,改进方法的调节时间短、超调量小、鲁棒性好,验证了所提控制方法的有效性。

基于一个新的类的关联分类方法

为得到更高的分类精度和效率,提出了基于一个新的类的关联分类算法CACA(a new class based associative classifica-tion approach)。该方法使用基于策略的类来削减频繁模式的搜索空间;设计一个OR-Tree(ordered rule-tree)的有序规则树来存储规则和他们的信息并且重新定义一个紧凑集,以便构造的分类器也是紧凑唯一的;同步规则的生成和分类器的构造以缩小规则的挖掘空间以便加快规则的生成。实验结果表明,CACA算法在关联分类方法中具有更高的准确度和效率。

洛伦兹映射拓扑熵计算的一点技巧

将Stefan矩阵推广用于含间断点的洛伦兹映射拓扑熵的计算 。

应用遗传算法构建化学模式分类器

神经网络和统计分析所构建的分类器均为复杂算式,难以体现专业知识;而分类规则直接以属性值为条件,确定个体类别,易于专业分析。对于连续属性的样本数据,本文应用基于信息熵的Chi-merge方法将其离散化,并将提取最优规则转换为组合优化问题,进而采用遗传算法求解。为此,本文将规则提取演绎为种群进化,并设计了个体适应度函数。由此提取出最优的分类规则,经过修剪处理后,与判别准则一起构成模式分类器。本文将其应用于橄榄油产地判别,所建立的分类器简单明了,规则数少,性能良好,适用于化学模式分类。