数据块相容性统计的测试数据压缩方案

通过对测试集的研究发现,与参考数据块相容的数据块数目随着值的增加,其出现的频率急剧下降。基于这个特征,提出了一种利用FDR码变体来编码相容数据块数目的测试数据压缩方案。通过分析可知方案的解压电路结构简单,所需的硬件开销很小,对ISCAS’89基准电路的实验结果表明,该编码方法能有效地压缩测试数据。

一种基于相容块划分的动态增量式属性约简方法

属性约简是数据挖掘、机器学习等研究领域中的一个颇为重要的预处理步骤,其效率的高低会直接影响相关任务的性能.针对已有的非增量式属性约简方法在相容块粗糙集模型中对象集发生变化时无法高效更新属性约简的问题,提出一种以区分度为启发信息的增量式属性约简方法.首先,引入相容块的概念并运用相容块对论域进行划分,在此基础上给出不完备信息系统的区分度定义;然后,详细分析对象集发生变化条件下区分度的更新机理;进一步,以区分度为启发式信息构造增量式属性约简算法;最后,选取六个UCI数据集进行增量式约简的更新实验.实验结果表明,在不影响属性约简精度的前提下,该增量式方法的时间消耗比非增量式更新方法平均缩短50%,更加可行和高效.

数据块前向相容标记码的测试数据压缩方法

提出一种类似于字典索引的编码压缩方法,将与参考数据块相容的测试数据块用"1"标记来压缩测试数据,解压体系结构只需要一个有限状态机和一个与数据块等长的循环扫描移位寄存器.与在Golomb码和FDR码中所需要的与测试向量等长的循环扫描移位寄存器相比,该方法的硬件开销较小.实验结果表明,该方法可以有效地压缩测试数据,且效果优于Golomb码和FDR码.

基于极大相容块的粗糙性度量及其属性约简

由于相似关系或相容关系不具有传递性或对称性,从而相容类或相似类之间存在误判,因此研究不完备信息系统中合适粒度下的粗糙性度量和属性约简算法很有必要。在不改变相关模型的基础上,文章通过极大相容块的思想,研究了非等价关系的基本知识粒度构造,进一步讨论了合适粒度下的粗糙性度量方法,提出了基于极大相容块的知识粗糙性更精确的定义和极大相容块的条件信息熵及其属性重要性定义,并证明了相关性质;给出了合适粒度下属性约简的启发式算法,结果表明,极大相容块的重要性度量避免了通常意义下粒度过粗问题,知识粗糙性更为准确。

一种运用相容语义块约简的网络话题检测方法

针对已有基于词聚类的话题检测方法存在的缺点,本文利用网络文档的半结构化特征提供的语义信息以及利用词在语义上下文的共现频率定义词之间的语义相似度,然后构建文档集的词共现语义网络,实现词之间语义关联的建模;据此提出相容语义块的概念,并通过对相容语义块的构建、分裂和约简来实现对话题的检测,进而提出一种基于相容语义块约简的网络话题检测方法.该方法获得的结果稳定,表现话题的词集简短而富有表达力,因而十分适合于网络话题检测,实验亦说明它的这些优点以及它的有效性和可行性.

基于数据相容填补的极大相容块构造算法

极大相容块技术在不完备信息处理方面具有一定优势,但极大相容块获取本身是个耗时的过程。通过分析不完备信息系统中极大相容块的性质特点,给出极大相容块中不完备数据的相容填补方法;在不完备信息系统中使用相容填补方法,得到一种新的极大相容块构造算法;基于构造算法的特点,引入决策树存储结构对算法进行优化。使用标准的数据集验证了构造算法的有效性。实验结果表明,构造算法在较大规模的数据集上有较好的性能。

一种混合相容数据块的测试数据压缩方案

针对SOC芯片测试数据快速增长的特点,提出了一种有效的测试数据压缩方案.该方案根据测试数据中存在大量无关位,测试数据存在相容性的特点,采用二进制代码来表示具有相容性的测试数据,对符合条件的测试数据采用一位压缩,提高了编码压缩效率.同时提出了一种基于有限状态机和循环移位寄存器的解压缩算法的实现方案,对ISCAS 89部分标准电路实验结果表明,该方案跟同类方案相比,最高平均差值压缩率为13.32%,具有高压缩率、硬件实现简单等特点.

基于极大相容块的不完备模糊目标信息系统的近似约简

在不完备模糊目标信息系统中引入了极大相容块的概念,定义了上下近似,并通过精确度的计算得到上下近似的定义具有合理性,同时提出了近似一致集的概念,给出了相关的粗糙集模型,以及该模型的近似约简概念及辨识矩阵的近似约简方法.

基于布尔推理的极大相容块构造方法

极大相容块是非完备信息系统中的最小知识单元,在非完备信息系统的知识表示、属性约简、粒度分析及知识获取方面有重要的应用价值。提出了一种获取非完备信息系统中极大相容块的方法。通过定义的区分关系,构造了新的布尔函数,证明了极大相容块与构造的布尔公式的素蕴含之间存在一一对应的关系。因此,这种新的布尔函数可以被用来获得系统的所有极大相容块,这将有助于非完备信息系统中的知识获取。

变精度极大相容块粗糙集模型及其属性约简

主要研究不完备信息系统的属性约简问题。首先基于极大相容块构造乐观和悲观两种广义变精度粗糙集模型,分析两种模型之间的关系并研究其主要性质。在此基础上,定义乐观(悲观)β-下分布约简和β-上分布约简并且给出相应的判定定理,进而得到一种保持决策类上(下)近似分布不变的属性约简方法--布尔计算方法。这种构造极大相容块间的辨识矩阵的方法缩小了矩阵的规模,进而简化了计算属性约简的过程,从而能够有效地节省计算时间和存储空间。然后对含有"丢失""不关心"值和只有"不关心"值的两种不完备信息系统进行实例分析,最后从UCI数据集中选取5组不完备信息数据集来验证方法的有效性。

基于互补相容数据块编码的测试数据压缩方案

针对集成电路芯片测试数据快速增长的特点,提出了一种有效的测试数据压缩方案。该方案将测试数据根据不通特点分组,用一种定长的二进制代码来代替分组后的测试数据。同时给出了一种关于该测试数据压缩方案的解压缩电路,实验结果表明,该方案能显著提高压缩率。

一种新的不完备信息系统中极大相容块的构造算法

在不完备信息系统中以分层递阶的方式求取极大相容块的构造算法,简化了不完备信息系统中极大相容块的求取过程.然而,该算法有一定不足之处,在求取极大相容块的中间过程中,没有进行非极大相容块的去除,从而增加了算法的空间复杂度,所以该算法仅适用于小规模不完备信息系统.基于这个缺点,提出了改进的极大相容块求取算法,从而可以在较大规模的不完备信息系统中进行极大相容块的求取.

基于极大相容块的不完备信息处理新方法及其应用

针对不完备信息提出一种新的基于矩阵方法的极大相容块求取算法与属性约简方法,结合智能分类器给出不完备信息条件下的故障诊断方法.首先,通过矩阵方法计算不完备决策表中的极大相容块;然后,利用所求得的极大相容块,提出一种新的属性约简算法,并与其他方法做对比;最后,将所提出的基于极大相容块的属性约简方法与智能分类器(支持向量机.随机森林、决策树等)结合,建立优化的智能故障分类器,将它应用于不完备信息条件下的故障诊断.以汽轮机组的故障诊断为例进行仿真实验,实验结果表明提出的针对不完备信息条件下的故障诊断方法可行、有效.

基于极大相容块的邻域粗糙集模型

对于数值型数据而言,邻域粗糙集模型是处理不确定信息的有效工具.现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策类的一致性情形,无法利用邻域中与多个决策类相交的边界样本所蕴含的信息.针对邻域粗糙集的这一局限性,将相容关系的极大相容块与邻域粗糙集相结合,选取样本邻域内的最大等价块作为最小的信息粒,通过重新定义邻域粗糙集的上下近似和属性重要度等概念,建立了一种基于极大相容块的邻域粗糙集模型.该模型可在更小的信息粒度下将原来边界样本转化成一致性样本来增大正域.运用前向贪婪策略构建了相应的属性约简算法.在七个公开的UCI数据集上的对比实验验证了提出模型的有效性。

基于粗糙集的不完备谣言信息系统的知识获取与决策

网络谣言可能扰乱人们的思想、心理和行为,引发社会震荡、危害公共安全,而微博等社交平台的广泛应用使得谣言造成的影响与危害变得更大,因此,谣言检测对于网络空间的有序健康发展具有重要的意义。当前谣言的自动检测技术更多关注检测模型的构建和输入数据的表现形式,而在改善数据质量以提高谣言识别效果方面的研究很少。基于此,本文将粗糙集理论应用于不完备谣言信息系统进行知识获取与决策,实质上是通过粗糙集理论解决不完备谣言信息系统的不确定性度量,冗余性以及不完备性等问题,以获得高质量的数据,改善谣言检测效果。首先系统总结了粗糙集理论中不确定性度量的方法,包括香农熵、粗糙熵、Liang熵以及信息粒度等四种不确定度量方法,并整理和推导了这四种不确定度量方法从完备信息系统到不完备信息系统的一致性拓展。基于上述总结的四种不确定度量方法,提出了基于最大相关最小冗余(MCMR,Maximum Correlation Minimum Redundancy)的知识约简算法。该方法基于熵度量方式,能够综合考量决策信息与冗余噪音,在UCI及Weibo等8个数据集上实验验证,结果表明本文算法优于几种基线算法,能够有效解决信息系统的冗余性。另外,提出了一种基于极大相容块的不完备决策树算法,在不同缺失程度数据上实验验证,结果表明本文算法能够有效解决信息系统的不完备性。

一种数据块相关标记码的测试数据压缩方法

提出了一种类似于字典索引的编码压缩方法,该方案将与参考数据块相容、反相容的测试数据块用"0""、1"标记来压缩数据,并用定长的数据来标识与参考数据块相关的数据块个数。通过分析可知方案的解压电路结构简单,所需的硬件开销很小,对ISCAS’89基准电路的实验结果表明,该编码方法能有效地压缩测试数据。

一种基于混合相容性的测试数据压缩方法

通过实验统计发现,测试向量中与参考数据块相容的数据块数量越多,其在测试数据中出现的频率就会越小,反之,则出现的概率会越大。根据此规律,本文提出了一种利用FDR码变体来对测试数据进行压缩处理的算法。通过对ISCAS基准电路进行仿真实验,证明该算法比其它编码方式更能提高压缩率。

对象集变化时相容块的近似集增量更新方法

为解决相容块粗糙集模型中概念近似集静态算法效率低的问题,对象集发生变化时,从新的角度提出一种增量式近似集更新方法。引入相容块粗糙集模型的基本概念,在对象集发生变化的条件下更新论域子集,结合增加(或删除)的对象集与相容块之间的联系,更新每一个相容块,并提出更新相容块在论域上覆盖和划分的方法,设计一种近似集增量式更新算法。6组UCI数据集试验结果表明,在增加对象时,本研究算法比非增量式更新算法时间缩短了1/3,在删除对象时时间缩短了1/2。在同种数据集下,本研究算法的时间消耗均小于其他4种更新算法,验证了算法的高效性和可行性。

一种适于大规模模拟电路多故障定位的方法

提出了判断模拟电路ｋ故障块相容性的一种快速方法和一种基于虚拟故障概念的电路分块诊断方法，它适用于大规模模拟电路故障定位．

基于属性分辨度的不完备决策表属性约简算法

针对现有不完备决策表属性约简算法复杂度较高的问题,提出了基于属性分辨度的属性约简算法.文中分析了不完备决策表中条件属性相对于决策重要性的外在表现,提出了属性分辨度的概念,并给出了属性分辨度随着约简属性集的变化而动态更新的计算方法.该算法在属性约简过程中会不断删除已经属于正域的对象或不影响正域计算的相容块,通过降低样本数据的规模来减少计算耗时,加速属性约简.理论分析和仿真实验表明,文中算法是有效的,并且算法复杂度优于现有的不完备决策表属性约简算法.