一种基于新的条件信息熵的高效知识约简算法

分析了在知识约简过程中现有条件信息熵的不足,给出一种新的条件信息熵,由此定义新的属性重要性.将其与基于正区域和基于现有条件信息熵的属性重要性进行比较,结果表明新的属性重要性是一种更准确、更全面的启发信息.以新的属性重要性为启发信息设计约简算法,并给出计算新的条件信息熵的高效算法.理论分析和实验结果表明,与基于现有条件信息熵的约简算法相比,该约简算法时间复杂度较低,且在搜索最小或次优约简方面更优.

采用时空条件信息的动态场景运动目标检测

为了将动态场景中运动目标与扰动背景线性不可分的问题转换为线性可分问题,提出了负对数非线性核变换方法.该方法通过引入视觉注意机制构建视觉显著性时空域模型,以像素邻域加权条件信息作为分类特征,增强目标与背景的线性可分性,提高动态场景运动目标检测精度.最后结合图像分块建模策略,实现了动态场景中运动目标的高效、实时检测.

基于条件信息熵的决策表约简

Rough集理论是近年来发展起来的一种有效地处理不精确、不确定、含糊信息的数学理论方法 ,在机器学习、数据挖掘、智能数据分析、控制算法获取等领域取得了很大的成功 .研究者从不同的角度对这个理论进行研究 .本文将从信息论观点出发对 Rough集理论的基本概念和主要运算进行分析讨论 ,通过与 Rough集理论的代数观点进行比较分析 ,得到这两种观点下的一些等价性质和不同的特性 ,并基于条件信息熵提出决策表的约简算法 .

基于条件信息熵的自主式朴素贝叶斯分类算法

朴素贝叶斯是一种简单而高效的分类算法,但其条件独立性和属性重要性相等的假设并不符合客观实际,这在某种程度上影响了它的分类性能。如何去除这种先验假设,根据数据本身的特点实现知识自主学习是机器学习中的一个难题。根据RoughSet的相关理论,提出了基于条件信息熵的自主式朴素贝叶斯分类方法,该方法结合了选择朴素贝叶斯和加权朴素贝叶斯的优点。通过在UCI数据集上的仿真实验,验证了该方法的有效性。

决策表属性约简及其条件信息量表示

讨论了决策表属性约简和条件信息量之间的关系,证明了对于一致决策表,其属性约简在代数表示下和信息论中条件信息量表示下是等价的。并举例说明,对于不一致决策表,其属性约简的代数表示不能用条件信息量来等价表示。论文还给出了一种基于条件信息量的属性约简启发式算法。

垂直分布多决策表下基于条件信息熵的近似约简

目前粗糙集理论研究主要针对单个决策表,而有关分布式环境下的核求解和属性约简研究的报道不多,为此提出垂直分布多决策表下基于条件信息熵的近似约简算法.该算法在各局部站点并行求相应的条件信息熵,并通过传送部分等价类的策略,可有效降低通讯代价,提高垂直分布多决策表下基于条件信息熵的近似约简效率.算法分析和实验结果表明,所提出的算法是有效可行的.

基于条件信息量的快速粗集约简算法

为提高粗集约简的效率,提出了一种基于条件信息量的快速粗集约简算法.该算法定义了基于等价块的信息量与条件信息量,并给出了条件信息量的不变性定理与属性重要度的单调性定理.与其他算法相比较,该算法缩小了实例集合的规模,减少了需要计算重要度的属性个数.实验结果表明,保持约简集合不变的前提下,该算法有效提高了粗集约简的效率.

基于条件信息熵与贝叶斯网络的变压器故障诊断研究

提出了将条件信息熵与贝叶斯网络有机结合的变压器故障诊断方法,并进行了变压器故障实例分析。

基于边界域的条件信息熵和属性约简

为了建立边界域条件信息熵与属性约简之间的关系,证明了边界域和整个论域上的条件信息熵相等,得到信息熵约简的边界域条件信息熵表示。利用严凸函数和Jensen不等式,讨论了边界域条件信息熵的若干性质,给出保持边界域条件信息熵不变的充要条件。为了得到正域约简的边界域条件信息熵表示,给出了保持正域不变的边界域条件信息熵充要条件,从而得到正域约简的边界域条件熵判定方法,它是一致决策表正域约简判定方法的推广形式。最后设计一个数值算例阐述如何应用边界域条件信息熵计算正域约简和信息熵约简。

决策表中基于条件信息熵的近似约简

属性约简是粗糙集理论的重要研究内容,已有效应用于机器学习、数据挖掘等领域.基于条件信息熵的属性约简可有效推广代数观下的属性约简,但存在抗噪声弱且某些情况下冗余属性多的不足.为此,本文在引入决策表中基于条件信息熵的近似约简概念后,提出决策表中基于条件信息熵的近似约简算法,该算法可有效增强抗噪性,且可依据实际应用的需要有效地对冗余属性进行取舍.最后,本文侧重通过选择不同精度下的约简属性子集在Bench- mark上进行了分类器的性能测试.

协调覆盖决策系统下基于条件信息熵的属性约简

从条件信息熵的角度出发,讨论了协调覆盖决策系统的相关性质以及属性约简方法,并用一实例验证此方法的有效性.

基于条件信息熵的覆盖约简算法

针对覆盖算法中识别精度与泛化能力存在的矛盾,在信息论观点的Rough集理论基础上,提出覆盖熵概念,以决策属性相对于分类器的条件信息熵为约束条件,在确保算法分类能力不降低的情况下,对一组覆盖中信息熵最大的覆盖进行约简,减少了分类器的不确定因素。实验结果证明,该算法具有很好的识别精度与泛化能力,对模糊、不确定的数据也具有较好的处理能力。

知识粗糙性和条件信息熵的关系

目前,粗糙集理论存在着两种观点,它们分别是代数观和信息观。在代数观点中,知识粗糙性体现了知识的粒度;而在信息观中,定义了知识的信息熵和条件信息熵。已经有定理证明了信息熵与知识的粗糙性存在对应关系,它建立了代数观和信息观之间的联系,但是这种关系却不是一一对应的。该文通过重新证明知识粗糙性和信息熵的对应关系定理,找到与知识粗糙性存在一一对应关系的是条件信息熵,并给出相关定理及其证明。

基于条件信息熵的超高维分类数据特征筛选

文章提出了一种基于条件信息熵的超高维自由模型下非参数特征筛选方法,在响应变量为两类别时,对多类别离散型协变量进行特征筛选。通过理论证明和蒙特卡罗数值模拟验证了该筛选方法具有确定筛选性质,对超高维分类变量的重要特征筛选具有显著的效果。

代数约简的条件信息熵表示及其高效约简算法

给出如何保持正区域不变的语义分析,提出一种修正条件信息熵计算公式,证明保持修正条件信息熵不变与保持正区域不变相互等价。在此基础上,给出代数约简概念的修正条件信息熵表示。给出反例说明修正条件信息熵不具有单调性,导致没法给出自底向上的启发式约简算法,证明了代数协调集中不可删除属性的不可逆性质,提出一种自顶向下直接删除属性的高效约简算法。它从所有条件属性集出发,逐步删除不必要的属性,只需遍历各属性一次,即可保证得到原始决策表的一个代数约简。数值算例和实验验证了该算法的正确性和高效性。

基于粗糙集条件信息熵的区域创新驱动能力评价研究——以河南省为例

创新驱动能力是实施创新驱动战略的关键,找出影响创新驱动能力的关键因素显得尤为重要。通过建立创新驱动能力评价指标体系,运用熵值法对各省市2015年创新驱动能力进行评价,在此评价结果的基础上,利用粗糙集条件信息熵方法找出影响区域创新驱动能力的关键因素,为提升区域创新能力提供决策参考。以河南省为例进行实证研究,分析找出制约河南省创新驱动能力的关键因素,为其进一步提升创新驱动能力提供决策参考。

基于粗糙集和条件信息熵的高校教师绩效评价研究

针对当前高校发展的基础与需求,从影响高校教师评价结果的因素考虑,构建一个合理、高效的高校教师评价指标体系。将粗糙集理论和条件信息熵引入高校教师评价,建立基于粗糙集条件信息熵的综合评价智能模型,最大程度呈现专家的经验、知识对指标重要性的倾向。针对该体系中获取指标权重的问题,结合实际评价分析过程中小样本数据所呈现的特点,对决策表进行合理分块,从信息熵的角度结合粗糙集理论,以层次式计算的方式客观获取其权重值。通过实例分析,验证了该评价指标体系的合理性和粗糙集智能评价模型的有效性与优越性。

条件信息熵在“概率论与数理统计”评价体系中的应用

利用粗糙集理论中的条件信息熵在数据挖掘及处理不确定性问题分析中的优势,建立一个较为完善、具有适应不同学科专业需求的量化课程评价体系模型,并以“概率论与数理统计”课程为例,对课程考核数据进行量化挖掘并进行算例验证,结果表明,利用该模型可以对课程的教学活动进行相应的评价与归纳,并可推广到其他各类课程的教学评价中。

基于覆盖算法的条件信息熵表示及属性约简

利用覆盖算法对数据进行处理,得到论域U的一个划分,定义一种基于覆盖的条件信息熵,由新的条件信息熵定义新的属性重要性,并证明了对于一致决策表,它与代数定义下的重要性是等价的。以新的属性重要性为启发信息设计约简算法,并给出计算新的条件信息熵的算法。实验结果表明该约简算法能快速搜索到最优或次优约简。

基于粗糙集条件信息熵的城市创新能力研究——以郑州市为例

城市是区域经济社会发展的中心,创建创新型城市是我国实施创新驱动发展战略的关键,综合评价城市创新能力发展水平,并找出影响创新能力的关键因素显得尤为重要.通过创建城市创新能力评价指标体系,运用熵值法对33个创新型试点城市创新能力进行评价.在此基础上,利用粗糙集条件信息熵方法确定影响城市创新能力因素的指标权重,并具体分析了影响郑州市城市创新能力发展的关键因素.研究发现,郑州市创新能力在全国位于中游水平,其中二级指标对创新能力的影响权重依次是创新环境、创新投入、创新绩效和创新产出.