精度可变频率计的设计

本文利用EDA方法设计一种高精度频率计,能够测量0—99MHZ的信号频率,精度分为1HZ和0.1HZ两种。硬件仿真表明该频率计测频迅速准确,最大误差不超过0.007%。

基于精度可变乘法器的脉动阵列

为了有效地支持神经网络中精度变化的权重参数的乘法计算,针对多种神经网络的参数位宽需求和单比特乘法器存在的性能下降问题,结合卷积计算中特征图复用的特点,提出基于精度可变乘法器的脉动阵列结构.将被多次使用的乘数的两比特积寄存在查找表中,从而将乘法操作转化为查表操作,设计支持偶数比特精度的两比特串行乘法器;基于该串行乘法器的处理单元作为脉动阵列的基本组成部分,在计算开始之前将特征图加载至相应位置,计算过程中完成乘累加计算和数据控制.相邻的处理单元局部连接可构成任意所需规模的脉动阵列.实验结果表明,基于Xilinx ZCU102现场可编程逻辑门阵列平台,提出的精度可变乘法器,相比于最先进的单比特乘法器,资源归一化性能提升1.8倍,并且在多种神经网络上的性能平均提升80%.

可变精度多粒度粗糙集模型

可变精度粗糙集和多粒度粗糙集都是在不可分辨关系的基础上对经典粗糙集进行扩展.为了融合这两种扩展模型各自的优点,在多粒度环境中,构建了可变精度多粒度粗糙集,其中包括可变精度多粒度乐观近似和可变精度多粒度悲观近似两种形式.讨论了可变精度多粒度粗糙集的相关性质,并对可变精度多粒度粗糙集和经典的多粒度粗糙集进行了对比分析.最后得出结论,在多粘度框架下,采用变精度的方法,可以进一步提高近似精度.

可变精度的神经网络摄像机标定法

提出了一种提高摄像机标定精度的方法。通过摄像机径向畸变模型,建立根据畸变严重程度自动改变区域划分数目的方法,对远离图像中心畸变程度严重的区域,划分细密;而靠近图像中心畸变轻微的区域,划分粗疏。通过对摄像机径向畸变区域进行划分,并且对每个畸变区域的像素进行单独的处理,构造相应的神经网络,得到整个畸变区域的处理结果,并对于不同的划分结果进行比较分析。分析比较得出:采用可变精度的神经网络摄像机标定法,可以大幅度提高标定的精度,划分数目越多,标定的精度越高,实验中识别率最高可达到99.45%.

利用抽样技术分布式开采可变精度的关联规则

关联规则是数据开采的重要研究内容 .利用抽样及元学习技术提出一种快速的分布式开采可变精度的关联规则算法 .为了能获得更准确的结果 ,还给出采用适当缩小最小支持度和扩大全局检测的候选项集等技术的若干改进算法 .最后给出这种方法与类似方法的比较情况 .算法具有效率高和通信量小的特点 ,尤适合于效率比准确性要求更高的场合 .

基于容差关系的不完备可变精度多粒度粗糙集

在不完备信息系统中,为了融合可变精度粗糙集和多粒度粗糙集的各自优点,提出一种基于容差关系的不完备可变精度多粒度粗糙集模型。研究了基于容差关系的可变精度乐观多粒度粗糙集和悲观多粒度粗糙集的相关性质。通过对可变精度多粒度粗糙集和经典多粒度粗糙集的对比分析,结果表明,基于容差关系的不完备可变精度多粒度粗糙集拥有更高的近似精度,实例分析的结果也验证了该理论的可行性。

基于数据库系统的可变精度粗糙集模型

本文将粗糙集理论与关系数据库系统结合起来,使数据库的关系运算运用于粗糙集的集合操作,提出了基于SQL求可变精度粗糙集模型的近似核和近似约简的方法。由于数据库管理系统具有存取效率高,存储空间的利用率高,适合大规模数据的存储等优点,因此与普通文件的数据挖掘相比,基于SQL的可变精度粗糙集模型对于大规模数据库的处理更有效。

连续值属性决策表中的可变精度粗糙集模型及属性约简

属性约简是粗糙集理论研究的一个核心问题。为了有效地处理决策表中连续值属性约简,提出了连续值属性决策表中的可变精度粗糙集模型以及基于此模型的连续值属性约简算法。仿真实验结果表明,该算法可以对连续值属性进行约简,而且比经典粗糙集相关方法在处理连续值属性约简方面更有效。

可变精度粗糙集模型区间约简

本文对可变精度粗糙集模型约简异常进行了深入研究,通过引入条件类包含度阈值的概念,描述了包含度与分类率的区间关系,分析了包含度区间的动态变化和正区域变化引起的约简异常,提出了消除异常的区间约简基本思想,并构造了区间约简算法,完善了可变精度粗糙集模型的约简.

可变精度粗集模型约简异常分析

粗糙集理论一直致力于研究不确定或不精确信息的数据分析问题。本文基于可变精度粗糙集模型相关概念,对其约简异常进行了深入研究,分析了包含度区间的动态变化和正区域变化引起的约简异常,提出了消除异常的基本思想,从而完善了基于可变精度粗集模型的约简。

基于可变精度粗糙集的驾驶员多源信息融合研究

研究了应用可变精度粗糙集获取驾驶规则的方法。该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。粗糙集理论一直用于研究不确定或不精确信息的数据分析问题,其主要思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则。而可变精度粗糙集作为对经典粗糙集理论的扩展,体现了等价类与集合的重叠度程度上的差别。给出了基于可变精度粗糙集的获取规则的方法,以驾驶过程的多源信息融合实例说明其使用方法,并验证了其有效性。

基于可变精度粗糙集的新兴技术企业信用风险识别

针对新兴技术企业信用风险评估的必要性和现有评估方法仅局限于财务指标且指标之间高度相关的缺点,借鉴了可变精度粗糙集(VPRS)模型具有噪声数据的强适应能力和强抗干扰能力的优点,提出了一类基于VPRS的新兴技术企业信用风险识别方法,并用已上市的部分新兴技术企业对其进行实证检验,检验结果表明了该方法具有较好的识别能力。该方法首先运用VPRS理论的最新研究成果,并借助于粗糙集分析软件ROSETTA,对由训练样本组成的数据关系表进行数据补缺、离散化及属性的β约简等处理,从而导出识别规则,形成识别规则库;然后集成二叉树构建一类新兴技术企业信用风险识别方法;最后用测试样本对方法的识别精度进行检验。

不完备目标信息系统中的可变精度粗糙集模型

文中以同时具有缺席型和遗漏型未知属性值的不完备目标信息系统为研究对象,根据特征关系,研究可变精度粗糙集的模型及其性质.可变精度粗糙集模型与原始的粗糙集模型不同,它是建立在集合多数包含的基础上的,因而该模型是基于特征关系的经典粗糙集模型的推广形式,而基于特征关系的经典粗糙集模型则是可变精度粗糙集模型的一种特殊表现形式.文中对新模型的主要性质作了阐述和证明,结果表明:在不完备目标信息系统中,新模型与原始的粗糙集模型相比具有更高的近似精度,可进行更为精确的度量.

可变精度优势关系下的析取集值有序信息系统

集值信息系统是单值信息系统的一种推广,按照语义可划分为合取集值信息系统和析取集值信息系统两类。本文分析了析取集值信息系统中已有的4种优势关系的局限性,提出了一种可变精度优势关系,定义了可变精度优势关系下的析取集值有序信息系统,扩展了经典粗糙集理论。然后,在析取集值有序信息系统中引入了一种对象排序的新方法,该方法利用对象在信息系统中的整体优势度来对对象进行排序。最后,通过风险投资实例说明本文方法可以用于处理析取集值有序信息系统中的决策规则获取问题。

一种基于可变精度粗糙集的群体分类决策方法

针对群决策分类问题,提出一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。首先定义决策表分类模式和频度的概念,其次给出每种分类模式在群体中的支持率和反对率的计算方法,以及如何调整粗糙精度因子,得出群体分类偏好的方法,最后通过一个算例验证新方法的可行性和有效性。

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。

基于可变精度粗集理论的规则挖掘模型

文章把可变精度粗集理论应用于一个判断地区综合发展程度的系统,利用可变精度粗集理论中的β-约简算法对系统属性进行简化,并对系统的数据进行挖掘,导出隐含在其中的规则,归纳出来的规则既简单又合理,大大简化了原始数据集,以更少的指标表达了同样的知识,同时还实现了抗噪音的干扰。

基于可变精度粗糙集模型的上市公司财务困境预测

基于可变精度粗糙集模型对上市公司财务困境预测进行的研究表明,可变精度粗糙集模型对ST公司的预测准确度达到了85%,对正常公司的预测准确度达到了65%,总的预测准确度达到了75%;而将ST公司误判为正常公司的错误率为15%,将正常公司误判为ST公司的错误率为35%,平均误判率为25%。因此总体而言,可变精度粗糙集模型具有较好的预测能力。

多粒度广义L-模糊可变精度粗糙集

为了更有效地处理不精确性问题,将模糊变精度粗糙集与多粒度相结合,成为研究的热点.在不可交换的广义剩余格的基础上,定义了基于L-模糊近似空间的广义L-模糊可变精度粗糙集中的左下(右下)和左上(右上)近似算子.然后,结合多粒度,给出了基于不可交换的广义剩余格的多粒度L-模糊可变精度粗糙集及其近似算子,研讨了它们的一些性质.该研究在变精度粗糙集研究中具有一定的理论价值,提供了一种新方法,能更加精确地解决实际中的不精确性问题.

可变精度粗糙集β值的增量计算

目前对于可变精度粗糙集中变精度参数β计算的研究,主要集中在非增量方面。当处理大量数据时,需要能够动态计算的方法,本文提出了一种增量计算β值的方法ICObeta。该方法以分类质量作为确定性度量的标准,以最大确定性度量为目标,来选取合适的β值。ICObeta相比于非增量的方法,具有动态增量和计算开销显著降低的优点,并通过实验证实了增量计算的优点。