基于差别矩阵属性约简算法的改进

基于差别矩阵的粗糙集属性约简改进算法,先判断差别矩阵核是否为空,再根据判断结果采取求差别矩阵、求核、属性约简等步骤,完成其相对约简。即通过构造决策表的差别矩阵核心程序求差别矩阵,在对属性进行约简前先对核进行判断并求核。最后根据输入输出进行属性约简。该方法能节约属性约简时间,提高算法效率。

基于改进区分矩阵的决策表增量式属性约简

针对属性在不断增加的决策表,为了快速准确地计算出属性约简,提出一种增量式属性约简算法。以正域为约简的标准,利用贪心算法思想,以属性区分能力为选择标准,逐渐构造近似的属性约简,从中删减掉不必要的属性,最终得到属性约简。经复杂度分析与实验数据测试,证明该算法的复杂度低并且约简结果准确。

基于改进DMI与故障树以及IFR的故障诊断专家系统设计

为了达到减少压制观瞄装置的检修时间,提高部队维修人员工作效率的目的 ,设计了一种压制观瞄装置故障诊断专家系统。采用基于粗糙集理论的改进DMI(改进可区别矩阵)属性约简算法和建立故障树的方式来实现专家系统的知识获取,解决专家系统知识获取的瓶颈问题;提出一种改进正向推理(IFR)算法来设计专家系统的推理机,使得诊断推理更为高效。通过对比实验来验证此故障诊断专家系统的实际应用效果,从而体其现诊断推理的可靠性好、效率高的优点。

基于互信息的改进量子蛙跳算法属性约简

对零售行业的信用评价属性约简进行了研究。利用考虑删去某个条件属性后条件属性与决策属性的互信息是否改变来计算条件属性的属性核。为保障种群的多样性,利用混沌算法对量子蛙的叠加态的观测态赋值及二进制编码,对量子蛙进行适应度评价。按适应度大小对青蛙进行种群分配,对每个种群中最劣青蛙对最优青蛙进行改进步长的量子旋转门学习。经过一定迭代次数后,将所有种群的青蛙进行混合之后学习,再按适应度对青蛙进行种群分配。经过一定种群内学习及种群间学习后使其最优青蛙与最劣青蛙的适应度值之差小于阈值停止迭代从而达到属性约简的目的,从而得出零售行业信用评价的最简属性。

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。

基于粗糙集的改进遗传算法在RTM注射压力预测中的应用

针对目前RTM注射压力选取多凭经验,主观依赖性太强,数值计算又局限于简单模型,不适于形状复杂或已知参数不足的模型求解,以及遗传算法初始种群多为随机产生,容易导致算法早熟或不收敛等问题,提出基于粗糙集的改进遗传算法。用区分矩阵法对RTM注射压力决策表进行属性约简,并设定相似度阀值以提取知识库中符合相似度要求的样本来产生初始种群。实例表明,属性约简前后注射时间几乎相等,但约简后知识检索和提取速度比约简前提高了41%,说明对RTM注射压力决策表进行属性约简,不会改变知识分类,但可以明显提高计算速度。此外,改进遗传算法在17代时已经收敛,而标准遗传算法直到26代才收敛,表明改进遗传算法比标准遗传算法收敛更快更稳定,证明用改进方法优化RTM注射压力是可行和有效的。

关于高铁列车客运站优化选择编制仿真研究

高速铁路客运节点级别划分可以有效简化旅客列车停站方案优化编制问题。在旅客列车停站方案编制前,需要事先划分高速铁路客运节点的等级,以确定不同站点的停靠列车数量。高铁客运节点具有多属性、关联度高的特点,采用传统人工站点划分方法往往导致站点信息利用不足,划分结果不合理。提出了粗糙集和改进仿射传播算法相结合的客运节点级别划分方法,首先运用遗传算法采取粗糙集理论中的属性约简以排除冗余变量,接着基于约简后的客运节点属性变量指标体系,运用引入IGP指标的改进仿射传播算法对客运节点进行聚类。以2014年京沪高铁的实例研究结果表明,改进仿射传播算法能够对高速铁路客运节点进行有效划分,为高速铁路旅客停站方案优化编制提供基础。

基于二次诱导的群体空港旅客出行推荐方法

针对旅客个性化出行需求和机场快速疏解要求,在对陆侧交通各出行方式固定分配的基础上,提出了一种基于二次诱导的群体空港旅客出行推荐方法,为定制化旅客服务提供算法支撑;基于旅客原始数据,结合粗糙集理论进行特征属性的知识约简,提高算法性能;运用改进贝叶斯分类算法进行基于旅客独立特征概率计算的出行方式推荐度量化,生成基于一次诱导的旅客出行推荐序列;面向机场陆侧各出行方式运力固定分配的约束,将旅客出行推荐序列输入基于改进非支配排序遗传算法(NSGA-II)的旅客二次诱导出行推荐模型中,进行运力与旅客流的深度匹配,对旅客出行推荐结果进行再次优化;基于普适性原则,使用小规模(100人次)和大规模(1000人次)旅客样本进行模型验证。分析结果表明:在不同规模旅客流输入情况下均能得到良好结果,小规模样本下旅客出行方式推荐正确率为77.41%,大规模样本下旅客出行方式推荐正确率为79.62%;经过二次诱导后,旅客流出行推荐分布与运力间的匹配度相比真实出行以及一次诱导分布皆有巨大提升。在旅客流与运力高度匹配的基础上实现了旅客出行偏好需求,算法性能良好,为改善枢纽机场客流疏解能力提供了一种切实可行的方法。