醉酒者和正常人脑电的样本熵研究

为了探索应用非线性动力学理论研究醉酒者脑电信号的新方法,采用非线性动力学指标:样本熵对醉酒者和正常人的脑电信号进行分析和比较。试验随机选取了相同数目的醉酒者和正常人,运用样本熵算法对他们的脑电数据进行计算,得到样本熵值,然后对这些熵值进行分析。结果显示:醉酒者的样本熵普遍都大于正常人的样本熵,表明大脑在醉酒状态下复杂度会比正常状态要高。样本熵能够有效地区分醉酒者和正常人的脑电状态。

基于自适应权重的粗糙K均值聚类算法

原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在每一次迭代过程中,根据当前的数据划分状态,动态计算每个样本对于类的权重,降低了原有算法对初始权重的依赖。此外,该算法采用近似集合中的高斯距离比例来表现样本权重,从而可以在多种数据分布上得到更精确的聚类结果。实验结果表明,基于自适应权重的粗糙K均值算法是一种较优的聚类算法。

一种基于粗糙遗传算法的缩放模式双聚类分析方法

研究了基因表达数据的缩放模式发现问题,给出了一种缩放模式双聚类评价函数,并提出了一种基于粗糙遗传算法的双聚类分析方法。该方法先以启发式算法及随机方法生成初始种群,再基于粗糙遗传算法对种群进行迭代,以达到全局优化的目的。在Yeast数据集上进行的测试表明,该算法能对启发式算法的结果进行良好的修正。生物显著性分析表明所发现的缩放模式双聚类具有生物学意义。

知识空间理论析取模型下最小技能集的生成

知识空间理论是当前粒计算领域中的研究热点。对知识空间中问题代表的技能进行分析是构造知识空间及进行知识评价的一种重要方法。通过消除问题当中冗余的技能可以有效简化问题的处理,降低计算机处理的复杂度。在知识空间理论中,当技能映射模型是析取模型时,技能之间对于问题的解决表现出的是或的关系。通过类比粗糙集理论中属性约简的方法,提出了一种析取模型下最小技能集的生成方法。从粒计算的视角,将知识空间理论与粗糙集理论建立起了有意义的联系。

动态粗糙模糊集及其在模糊规则提取中的应用

基于粗糙模糊集的规则提取方法通常分为两步:首先利用粗糙模糊集进行属性约简,然后采用提取模糊规则的方法提取规则.在规则提取的预处理阶段通过属性约简某种程度上可以缩短规则提取的时间,但其固有的不足导致不利于产生良好的规则.在模糊规则产生过程中避开属性约简,可以提高规则提取方法的适用性,降低计算复杂度.本文提出了动态粗糙模糊集的概念,基于此的规则提取算法不再依赖于属性约简,而是基于粒度序和逐步缩小的论域.首先,通过两种不同方式定义了动态粗糙模糊集并得到一些重要性质;在此基础上提出一种新的模糊规则提取算法;最后通过对比实验说明了算法的有效性.

多决策表缺失属性补齐算法的研究

不完备数据是造成信息系统不确定的主要原因之一,对数据挖掘、知识发现等造成了困难。已有的大多数不完备数据的填补算法主要考虑单个决策表的情况,有关多决策表缺失属性补齐算法却报道不多。为此,首先定义了多决策表的属性综合重要性;并以此为启发式信息,基于多决策表的内在关联性,依次补齐缺失属性;最后,实验证明该算法是有效可行的。

一种基于结构的票据定位新方法

为了提高票据识别的准确率,对票据定位进行了研究。提出了一种基于结构的定位方法。它利用票据主边框上交叉点的个数和相对位置作为票据的特征信息,并将这些信息通过相应的分类相似函数集与已定义的模版进行匹配,从而实现对票据的分类,最终提取出当前票据的识别区域。实验结果表明:该算法取得了很好的定位效果。

分体策略在差别矩阵优化中的应用

在研究现有差别矩阵的基础上,提出了基于分体策略的差别矩阵算法,修正了Skowron差别矩阵方法的不足.与其它改进的差别矩阵算法相比,该算法更简洁、易懂,且在一定程度上降低了算法的复杂度,提高了算法的效率,在实际问题求解中有一定的应用价值.

基于层次分类的脱机手写字符识别

人类在进行字符识别活动时,会根据对象复杂度的不同,采用不同的识别方法。对于结构简单的字符,利用宏观整体信息识别;对于易混淆的形近字,利用微观具体信息区分。为了模拟人类智能进行字符识别活动的过程,设计了一种基于层次分类的脱机手写字符识别算法。该算法将分类器划分为宏观层和微观层,宏观层模拟简单字符识别过程,利用基于梯度的统计特征描述整体信息,完成识别;微观层模拟形近字识别过程,利用基于主曲线的结构特征描述具体信息,完成区分。算法还引入了可信度概念,用以量度推理过程及识别结果的不确定性程度。给出了形近字的定义及区分规则。实验表明,提出的算法有效地提高了脱机手写字符的识别率,对形近字的区分效果尤佳。

基于改进的GPL主曲线算法的指纹特征分析与提取

在对 GPL(Generalized Polygonal Line)主曲线算法和指纹数据特点分析的基础上,针对指纹数据本身的特点,改进原来的 GPL 主曲线算法以得到更好的指纹骨架,并实现基于主曲线的指纹特征提取.实验结果表明,改进的 GPL 主曲线算法在指纹骨架提取的效率和效果上比原算法都有明显提高.基于主曲线的指纹特征提取相对于其它一些传统方法也有着更高的准确率,具有一定的应用价值.