词性分析C4.5算法的候选属性规则优化

针对标准C4.5算法在词性分析的应用中表现出精确性不高、运算速度不快的问题,本文提出了一种基于候选属性规则优化C4.5算法的词性分析模型,首先以信息增益的思想为鉴,辅之以关联规则,制定一个与参数支持度和可信度相近的评价标准,由此来对候选属性规则进行优化,之后再在信息增益率计算过程中,降低决策树的计算成本由此来节省决策树的生成时间。本研究还进行了专门的仿真试验,实验结果表明,与标准算法相比,本文设计的改进模型在精确性和运算速度方面都有更好的效果。

利用量化规则格分布获取关联规则(英文)

在形式概念分析中,规则挖掘是构造概念格的目的之一.分布式构格首先是构造部分格,然后合并部分格得到完整格从而加快构格的效率.提出了一种规则合并方法,先在部分格上得到部分规则,然后有部分规则直接合并得到最终规则.结果表明此算法在挖掘规则是快速有效的.

基于微粒群抽样的关联规则算法

采用了ApASAR算法的设计思想,符合最小范围下界的将会进入后选集进一步判断是否是频繁规则,不断更新,在候选规则集中加入新的规则组合,并将候选集中表现突出的规则组合晋升至大项集中,而将无法进入候选规则集的规则组合淘汰。

对多标段工程建设项目招标的思考

对于大型基础设施工程,建设单位考虑到施工工期、技术工艺、合同管理等因素,常常会划分标段后再进行招标。多标段项目招标过程中,招标人要准确把握标段划分、投标保证金、定标推荐原则等关键条款的设置,保证投标人充分竞争和招标项目的顺利实施。

一种面向大类别集的快速分类方法

针对大类别集分类问题提出了一种新的快速分类方法.引入了基于分组的候选规则,通过冗余分组,将大类别集分成若干独立的子集.组的数量和类别数都是有限的,因此可以充分利用各种信息,单独为每个组设计优化的分类器.以手写汉字识别为例,利用多级学习矢量量化来分别训练全局分类器、组中心以及每个组的细分类器.提供了危险区域的判据,并且结合其他的候选规则来提高边缘样本的识别率.