区间值决策系统的多特定类属性约简

多特定类的属性约简是粗糙集理论研究的重要分支。通常用户在决策时只关注部分决策类,而现有算法是关注全部决策类,针对部分决策类的约简效率不高。为此,本文提出多特定类的快速约简模型。该模型充分利用正域、边界域和负域的特点,提出了关于多特定类的属性约简算法。实验结果表明,本文提出的算法效率较高,约简长度相对较短。

基于特定类的区间值决策系统的分布约简

在粗糙集理论中,属性约简是重要的研究内容之一。通过属性约简可以去除冗余属性,求得保持决策系统某种分类能力不变的最小属性子集。分布约简保持决策系统中所有决策类的分布不变,但针对所有决策类的分布约简在实际问题中可能是不必要的。针对以上问题,文中给出了区间值决策系统中基于α-相容关系的特定类分布约简的概念,证明了特定类分布约简的相关定理,构造了特定类分布约简对应的差别矩阵,提出了基于差别矩阵的特定类的分布约简算法(CDRDM),并分析了特定类的分布约简算法和全局分布约简算法(DRDM)构造的差别矩阵中非空元素的集合之间的关系。实验中选取了6组UCI数据集,引入了区间参数,当区间参数为1.2、阈值为0.5时,比较了DRDM算法和3种不同决策类下的CDRDM算法的约简结果和平均约简长度,并且当区间参数分别为1.2和1.6、阈值分别为0.4和0.5时,给出了DRDM算法和两种不同决策类下的CDRDM算法的约简时间随着对象数目和属性数目的变化情况。实验结果表明,特定类分布约简算法针对不同决策类的约简结果可能不同,并且当决策系统中的决策类数量大于1时,特定类分布约简算法的平均约简长度小于或等于全局分布约简算法的平均约简长度,特定类分布约简算法针对不同的决策类在约简效率上有不同程度的改进。

面向特定类的三支概率属性约简算法

鉴于现有的三支决策属性约简算法大多面向所有决策类,但在许多情况下,所有决策类下的约简子集不能完全等同于单个决策类下的约简子集,且有时考虑到约简代价等原因,可能只需获取单个特殊决策类的属性约简结果.为此,本文从代数论和信息论的视角研究了特殊决策类的三支概率属性约简模型,在此基础上,构建了启发式的属性约简算法.最后,通过医疗诊断实例详细分析了算法在一致决策系统和不一致决策系统上的约简过程,合理解释了算法的约简结果,同时也说明了算法的有效性和可行性.

基于特定类不完备决策系统的分布约简

现有的不完备决策系统的分布约简研究主要针对决策系统中的所有决策类,而某些实际应用中,人们往往仅关注于某个特定类的属性约简问题。基于这种考虑,首先提出了基于特定类的不完备决策系统的分布约简的理论框架,给出了在相容关系下的基于差别矩阵的约简算法,最后将该算法与基于所有决策类的不完备决策系统分布约简算法进行对比。实验结果表明,当决策类为特定类时,约简结果的平均长度相对较短,约简效率也有显著的提高。

基于粗糙集不确定度的特定类属性约简

粗糙集属性约简是数据分析的有效手段,传统决策分类属性约简适用于所有决策类优化,实际应用还需要考虑单个决策类优化的特定类属性约简.基于粗糙集不确定度构建,对比决策分类属性约简,提出特定类不确定度属性约简并研究约简相关关系.分解决策分类不确定度,获取决策类不确定度及其粒化单调性等性质,提出相应的特定类不确定度约简及其启发式约简算法,得到特定类不确定度约简与特定类正域约简、决策分类不确定度约简的关系.新建的特定类不确定度约简具有改进性,适用于特定决策类的优化处理与不确定性应用,决策表实例验证了相关算法与关系的有效性.

基于多特定类的序决策表下近似约简

属性约简是粗糙集理论研究的重要内容之一,通过属性约简可以获取给定信息系统的最小特征子集。经典的序决策表属性约简是关于决策属性中的所有决策类的约简,但在实际应用中,由于决策者的偏好或者部分决策类数据的缺失,往往仅需要获得特定决策类的属性约简。基于这种考虑,文中回顾了序决策表的优势关系与下近似约简,定义了基于序决策表的单特定类与多特定类下近似约简,构造了相应的差别矩阵,提出了基于多特定类的序决策表下近似属性约简算法。基于多特定类的序决策表下近似约简可以较好地退化为基于单特定类的序决策表下近似约简或基于经典全决策类的序决策表下近似约简,是一种更加广泛的约简框架。实验采用了6组UCI数据集,分别在每个数据集上计算了3个单特定类和3组多特定类的约简,并将约简结果和约简效率与经典全类下近似约简、上近似约简及最大分布约简3个算法的约简结果和约简效率进行了比较。实验结果表明,在选定的特定类的数量相对全部决策类的数量较少时,约简的结果可能会更短,约简的效率也会有不同程度的提升。

不完备决策系统下的多特定类广义决策约简

属性约简是粗糙集理论研究中最重要的领域之一。经典的不完备决策系统广义决策约简关注决策系统中的所有决策类,而在实际应用中,决策者往往只关注一个或者几个特定决策类。针对以上问题,提出基于多特定类的不完备决策系统广义决策约简理论框架。首先,定义了单特定类的不完备决策系统广义决策约简的相关概念,提出并证明相关定理,构造相应差别矩阵和区分函数。其次,将单特定类的广义决策约简推广到多特定类,提出基于差别矩阵的多特定类的不完备决策系统广义决策约简算法。最后,采用6组UCI数据集进行实验。实验结果表明,相对全部决策类数量,当选定特定类数量较少时,平均约简长度有不同程度的缩短,占用空间有所减小,约简效率有不同程度的提升。

邻域近似条件熵的特定类属性约简及启发算法

针对属性约简的推广,采用邻域近似条件熵,建立邻域粗糙集的特定类属性约简及其启发算法。粒化分解决策分类的高层邻域近似条件熵,提取定义特定类的中层邻域近似条件熵并得到上下界与粒化非单调性;提出基于邻域近似条件熵的特定类属性约简,设计启发式约简算法;采用决策表实例与数据集实验进行有效验证。所得结果有利于特定类模式识别的不确定性度量与优化应用。

基于集成学习的决策粗糙集特定类属性约简算法

属性约简是粗糙集理论的重要研究内容。目前决策粗糙集的属性约简大多基于全局的决策类,并且都是采用单一的约简准则。针对这一问题,在决策粗糙集下提出一种特定类别属性约简算法。针对特定的决策类,给出一种属性约简的定义,在保证决策区域极大化的同时尽可能地降低决策区域划分时的代价;利用集成学习的方法设计出相应的启发式属性约简算法。通过在UCI数据集上与已有的算法进行实验比较,验证了该算法具有更高的属性约简性能。

《通用表》自动配号系统与《中图法》特定类目书次号排序方法研究

《通用表》自动配号系统与《中图法》特定类目书次号排序方法研究王颖（河南职业技术师范学院图书馆邮编４５３００３）《中图法》第三版关于特定类目书次号取号的规定有１３０十多处，包括１３个大类，分散在Ａ、Ｃ、Ｄ、Ｆ、Ｇ、Ｋ、Ｎ、Ｏ、Ｐ、Ｒ、Ｓ、Ｔ、Ｚ大类中。...

模糊决策粗糙集的特定类最小化决策代价属性约简算法

决策粗糙集模型是粗糙集理论的重要扩展。由于对于实际环境下的信息系统未考虑特定的类,并且数据类型可能是数值型或模糊型,基于此,文章提出一种模糊决策粗糙集的特定类最小化决策代价属性约简算法。文章首先将传统决策粗糙集进行推广,提出了模糊决策粗糙集模型;然后基于特定类的视角,提出了模糊决策粗糙集特定类别的三支决策规则;最后基于最小化决策代价思想,提出了一种特定决策类的最小化代价属性约简算法。实验结果表明,属性约简结果在降低决策代价的同时可以进一步提升信息系统的分类能力。

基于DiMP的类特定养殖奶山羊跟踪方法

为准确实时跟踪羊只目标,进行疾病异常预警,实现奶山羊精细化养殖,本文基于DiMP跟踪模型,利用奶山羊跟踪对象单一且图像样本丰富的特点,结合迁移学习和类特定融合方法,设计了一种类特定的奶山羊目标跟踪模型,能够有效克服DiMP算法在跟踪类特定目标时定位精度不足的缺点。利用构建的奶山羊视频跟踪数据训练集对跟踪算法进行迁移训练,加快模型收敛速度,使评估网络预测出的边界框更贴合奶山羊真实框的位置和尺寸。在线跟踪阶段,针对目标模板仅采用第1帧特征制作整个序列的调制向量,导致该调制向量相对整个跟踪阶段特征不具代表性,与后续帧差异大的缺点,使用训练集制作包含奶山羊各种姿态的类调制向量,以指数消融方式更新奶山羊类调制向量与第1帧调制向量间的比重,增强边界框回归任务中的奶山羊特征与背景的判别性。提出的算法在测试集上的AUC(Area under curve)和精准度(Precision)分别为76.20%和60.19%,比DiMP方法分别提升6.17、14.18个百分点,跟踪速度为30 f/s,满足实时跟踪的要求。实验结果表明,提出的类特定奶山羊目标跟踪方法可用于监测复杂场景下奶山羊的运动,为奶山羊精细化管理提供了技术支持。

区间值决策系统的特定类β分布约简

属性约简是粗糙集理论的重要研究方向之一,区间值决策系统的β分布约简保持约简前后对应的β分布不变。在实际需求中,属性约简通常只需要关注某一决策类而非所有的决策类,本文在区间值决策系统中的β分布约简基础上提出了基于特定类的β分布约简理论框架。首先,定义了特定类的β分布约简基本概念,然后构造了特定类的β分布约简差别矩阵,最后提出基于差别矩阵的特定类β分布约简算法。在实验中,采用6组UCI数据集分别在全类算法和特定类算法进行约简结果和约简效率的比较。结果表明,本算法约简结果能保持关于特定类对应的β分布约简前后不变,特定类算法的约简长度小于等于全类算法的约简长度,且算法效率高于全类算法效率。

基于单调信息度量的特定类属性约简

邻域粗糙集中属性约简的主流是基于决策表宏观高层的分类属性约简,但分类属性约简不能反映每个决策类的特殊性,而只反映所有决策类的平均性,具有应用局限.因此,利用已有的信息度量,从层次视角研究基于决策表中观中层的特定类属性约简.首先,提出基于中观中层条件邻域熵的特定类属性约简定义,并设计基于属性重要度的特定类属性约简启发式算法;其次,讨论特定类约简和分类约简的关系;最后利用实例对以上算法和关系进行验证说明.

基于指数分布族的类特定文本分类算法

在文本分类中,选取一个高效的分类算法是提高文本分类准确度,缩短分类时间的关键。提出基于指数分布族的多项式贝叶斯类特定分类算法(exponential family-multinomial naive Bayes,EF-MNB),基于多项式模型构造了 N 个类的分布,利用类特定特征选择算法得到第 N 个类的特征子集及对应类的特征概率密度函数(probability density function,PDF),通过指数分布族构造了 N 个类的原始PDF估计表达式,给定 N 个类的训练集,得到了第 N 个类的最优PDF估计,并基于贝叶斯定理制定了分类规则。仿真结果表明,与基于文档主题生成模型和支持向量机(latent dirichlet allocation-support vector machine,LDA-SVM)的层次分析分类算法、改进的超球支持向量机(improved hyper-sphere support vector machine,IHS-SVM)文本分类算法和基于主成份分析和k最近邻(principal component analysis-k-nearest-neighbor,PCA-KNN)混合分类算法相比,EF-MNB类特定分类算法使用少量的时间就可获得更高分类准确率。

类特定字典学习-局部核协同表示分类的人脸识别法

针对人脸识别中的光照变化和遮挡等固有难题,提出一种核函数和分块相结合的人脸识别方法。对人脸图像分块,利用高斯核映射各子块到更高维空间;结合类特定字典学习得到各子块对应的局部核协同表示的每类重构误差;根据重构误差的倒数以投票完成从人脸局部到全局的识别。在Extend Yale B,AR,CMU PIE人脸库上的实验表明:提出的方法不仅具有较高的识别正确率,同时对光照变化以及遮挡的人脸图像具有较强的鲁棒性。

基于多特定决策类的不完备决策系统正域约简

现有的属性约简方法大部分关注决策系统中的所有决策类,而在实际决策过程中决策者往往仅关注决策系统中的一种或几种决策类。针对上述问题,提出基于多特定决策类的不完备决策系统正域约简的理论框架。首先,给出不完备决策系统单特定决策类正域约简的概念;第二,将单特定决策类正域约简推广到多特定决策类,构造了相应的差别矩阵及区分函数;第三,分析并证明了相关定理,提出基于差别矩阵的不完备决策系统多特定决策类正域约简算法(PRMDM);最后,选取4组UCI数据集进行实验。在数据集Teaching-assistant-evaluation、House、Connectionist-bench和Cardiotocography上,基于差别矩阵的不完备决策系正域约简算法(PRDM)的平均约简长度分别为4.00、13.00、9.00和20.00,PRMDM算法(多特定决策类中决策类数目为2)的平均约简长度分别为3.00、8.00、8.00和18.00。实验结果验证了PRMDM算法的有效性。

基于注意力类特定编码的小样本目标检测

基于CNN的小样本目标检测网络在两阶段元训练注入少量新类图像时,不混合基类进行训练已成为一种趋势,这样能高效地向模型注入新类。而在这种增量式训练方式下,由于输入的新类别样本量少,模型由于泛化性能不足,易错检新注入的类别数据为模型训练过的种类。基于此,在CenterNet框架上设计了一种新的小样本目标检测器,能快速高效地进行检测。检测器引入了一个重要组件:对图像做有效增强处理后提取类表征信息的注意力类编码器,能有效地提升网络对新类的编码性能,从而增强模型对新类的泛化能力。实验结果表明,方法在一些场景下优于近期比较流行的小样本目标检测框架。

面向分类的增量字典学习算法

针对面向分类的传统字典学习方法在大数据集上批量学习时计算代价较高的问题,提出一种类特定的增量式字典学习算法。该算法在初始训练集上进行类特定的字典学习得到初始字典,通过增量数据集选取增量字典原子初始值。根据不能在初始字典上稀疏表示且互信息最大的原则,从增量样本集中选取若干样本作为增量字典原子的初始值。在保持原有字典原子不变的情况下,迭代更新编码系数和增量字典原子,直至收敛得到新的字典。利用稀疏表示分类器,在Eclipse数据集和ORL人脸图像数据库上的实验结果验证了该算法的分类有效性和计算代价上的优越性。

文本类文本共生叙事类型学谱系的建构

在各类文学作品及其周边,类文本要素普遍存在,且因为相对于文本中心由近及远的位置关系,决定其或强或弱、或隐或显的叙事作用。以与文本中心位置的距离为参照,所有类文本要素可以分为边界明晰的三种不同类型:处于文本中心位置的形式符号类文本,具有文本和类文本双重属性的“二象性”特征,发挥着极为隐蔽的等效叙事作用,与文本构成杂糅共生叙事关系;处于近文本中心位置的特定内容类文本,具有对毗邻特定内容的协同性特征,发挥着相对明显的佐助叙事作用,与文本构成邻比共生叙事关系;处于远文本中心位置的特别距离类文本,具有对文本主题交互映衬的互补性特征,发挥着最为显明的照应叙事作用,与文本构成疏离共生叙事关系。由于类文本要素相对于文本中心位置由近及远存在于文学作品及其周边的固有性和普遍性,使得基于类文本位置而建构的以“位置—类型—特征—作用—关系”为逻辑理路的文本类文本共生叙事理论类型学谱系,不仅廓清了类文本的边界问题,而且具有鲜明的普适性应用价值。