不完备信息系统中知识约简的一种启发式算法

不完备信息系统中的知识获取是粗集理论应用的难点。通过引入信息熵和条件信息熵，对信息系统中属性的必要性进行了定义；提出了一种基于条件信息熵的知识约简启发式算法，并指出该算法的时间复杂度是多项式的。通过实例说明，该算法能得到信息表的约简和决策表的最小相对约简。     

基于相似关系粗糙集中的否定规则及约简

为了从不完备决策信息系统中获取否定决策规则,首次提出了基于相似关系的不相似知识颗粒的概念,研究了如何通过不相似知识粒获取否定决策规则的方法,给出了知识约简的启发式算法,并进行了实例分析,为从不完备信息系统中获取知识提供了新的理论基础与操作手段.     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

一种改进的无核信息系统属性约简算法

针对无核信息系统的特点,基于互信息提出了一种新的启发式属性约简算法,该算法以增加属性后的互信息增量和属性自身的信息熵2项指标作为评价属性重要度的依据。实验结果表明,该算法避免了对于没有核属性的无核信息系统因随机选择初始属性造成计算复杂度增大的问题,并且属性约简效率提高,属性约简后的个数也相对较少。     

基于二元矩阵的启发式属性约简算法

本文将基于分辨矩阵的二元矩阵和基于属性重要度的启发式属性约简算法结合起来,提出了一种新颖的针对不完备信息系统的属性约简算法。该算法用条件属性和决策属性之间的依赖度来度量属性重要度,进行启发式约简。该算法将属性约简问题转化为寻找能够覆盖决策属性的二元矩阵的二元矩阵集合问题。通过实例检验,该算法是有效的。     

关于粒度熵的知识约简算法

针对现有知识约简算法中存在的不完备性问题,提出了一种基于粒度熵的启发式知识约简算法,将该算法应用于电力变压器故障诊断决策表的约简,避免了选择约简集的盲目性,同时也大大提高了故障诊断的效率。     

基于重要性的不完备决策系统的属性约简研究

在不完备信息系统中引入决策属性依赖度,由条件属性所提供的知识对整体决策的支持程度,以此作为启发式信息求出相对核,使属性约简具有较强的支持度。文章通过实例分析,证明该属性约简是有效的方法。     

最优多用户检测问题研究

DS-CDMA无线通信中的最优多用户检测属于NP完备组合优化问题,启发式方法是求解这类问题的有效方法,通过分析最优多用户检测问题的适应值曲面特征,研究设计了系列低计算复杂度、接近最优多用户检测性能的启发式算法.仿真结果表明,基于演化策略的多用户检测算法能够在中等规模用户数情况下提供与最优多用户检测相当的性能,而快速迭代局域搜索算法能够以较低的计算复杂度得到比其他局域搜索算法更好的解.     

一种新的信息系统启发式属性约简算法

为降低信息系统属性约简算法的时间复杂度,首先引入简化信息系统的概念,然后定义了简化信息系统中属性集的区分对象数,证明了基于简化信息系统区分对象数的属性约简与原属性约简是等价的.进而定义了简化信息系统的属性重要性,并设计了一个快速求属性重要性的算法.同时,以属性重要性为启发式信息,设计了一个新的属性约简算法.新算法的时间复杂度降为max{O(|C||U|),O(|C|2|U|C|)}.最后用一个实例说明了新算法的有效性.     

Internet中基于启发式遗传算法的受限镜像放置问题求解

求解受限镜像放置问题对于Internet内容提供商具有重要的应用价值,但其在数学上归结为k-supplier问题,是一个NPC问题.本文提出了一种求解受限镜像放置问题的启发式遗传算法,该算法采用启发式交叉和变异算子,本质上是对标准两点交叉和单点变异产生的非法染色体进行启发式修正,以提高算法的局部搜索能力,加速收敛.仿真实验详细考察了启发式算子对收敛速度与全局优化性能的影响,并与两种常用启发式算法进行了性能比较.实验结果表明本文算法具有快速收敛,高性能,全局收敛等优点,证明其可行性和有效性.     

基于CHI与遗传算法的特征选择

在基于Web文本信息过滤系统中通过特征选择找到的最优特征子集直接影响到分类的速度及精度。针对此问题，提出了综合CHI及遗传算法的特征选择方法。首先针对原始特征集，采用CHI统计法进行初始筛选，去除冗余特征及噪声后，对得到的特征子集再采用遗传算法进行第二次特征选择，从而得出代表问题空间的最优特征子集，实现降维并提高了分类精度。     

遗传与互信息混合算法用于水声目标特征选择

特征选择是目标分类的一项重要步骤，直接影响到分类器的设计和性能。本文利用实际水声目标辐射噪声数据，对遗传算法和互信息算法两种特征选择方法分别作了分析。在特征维数较大的情况下，两种方法都需要很长的计算时间，为此，提出一种遗传与互信息混合算法，旨在降低计算时间。最后，分类器用三种选择后的特征子集作为输入进行分类，并与任意选择的特征子集作为输入的分类结果作了比较。     

System Entropy and Its Application in Feature Selection

1　IntroductionFeatureselection ,ideally ,istoselecttheopti malfeaturesubsetfromacandidatesettodescribethetargetconception .Peopleusuallypaymuchat tentiontofeatureselectionbecauseofitspotentialofsimplifyingthestructureofasystem ,speedinguptheprocessofruleinduction ,reducingthecostofinstanceclassificationandimprovingtheperfor manceofthelearnedresults.Theoptimalfeaturesubsetofasystemisusuallymini featurebiased ,i.e.itprefersdescribingasystemwithfeaturesasfewaspossible[1 ] .Unfortunately ,theprob…     

特征级图像融合方法及在医学图像应用中的研究进展

医学图像特征级融合在医学领域中有重要的地位,首先给出了医学图像特征级融合流程图;然后对医学图像特征级融合技术进行探讨;其次,将特征变换方法归纳为基于核函数、非线性流行学习、不确定性和仿生学等四类,并分别进行了总结;再次,将特征选择方法归纳为基于启发式搜索、完全式搜索和随机搜索等三类,并对其中典型的粗糙集、遗传算法进行了讨论;最后对医学图像特征级融合技术进行总结和展望.     

基于改进的遗传算法无线通信网频率指配问题研究

通过对无线通信频率指配问题的分析,结合遗传算法在频率指配领域的应用,提出了一种启发式的指配方法。该方法通过改进选择方式,自适应地调整交叉、变异概率来指配信道分配。仿真分析证明,该算法科学可行,有效地避免陷入局优解,加快了种群进化速度,减少了迭代次数,较快收敛到最优解。     

基于相像系数的雷达辐射源信号特征选择

提出一种基于相像系数(RC)的特征选择新方法,给出了RC的定义和基于RC的类别可分离性判据,描述了 基于RC和量子遗传算法的雷达辐射源信号特征选择算法,设计了神经网络分类器,并将该方法与基于距离准则的顺序前 进法(SFSDC)和吕铁军的方法(GADC)作了特征选择和分类识别的对比实验。结果表明,本文方法无需事先指定最优特征 子集的维数,能可靠有效地选择出最佳特征子集,不仅大大降低了特征向量的维数,简化了分类器的设计,而且获得了比 原始特征集、SFSDC和GADC更高的正确识别率和识别效率。     

Generating Ensemble of Classifiers through Unsupervised Feature Selection

In this paper we propose a strategy to create ensemble of classifiers based on unsupervised features selection. It takes into account a hierarchical multi-objective genetic algorithm that generates a set of classifiers by performing feature selection and then combines them to provide a set of powerful ensembles. The proposed method is evaluated in the context of handwritten month word recognition, using three different feature sets and Hidden Markov Models as classifiers. Comprehensive experiments demonstrate the effectiveness of the proposed strategy.     

An ant colony optimisation algorithm for aggregated multicast based on minimum grouping model

The tree‐based delivery structure of the traditional Internet protocol multicast requires each on‐tree router to maintain a forwarding state for a group. This leads to a state scalability problem when large numbers of concurrent groups exist in a network. To address this state scalability problem, a novel scheme called aggregated multicast has recently been proposed, in which multiple groups are forced to share one delivery tree. In this paper, we define the aggregated multicast problem based on the minimum grouping model, and propose an ant colony optimisation algorithm. The relative fullness of the tree is defined according to the characteristics of the minimum grouping problem and is introduced as an important component in identifying the aggregation fitness function between two multicast groups. New pheromone update rules are designed based on the aggregation fitness function. To improve the convergence time of the algorithm, we use the changes (brought by each group) in the relative fullness of the current tree as the selection heuristic information. The impact of the relative fullness of the tree is analysed using the hypothesis test, and simulation results indicate that introducing relative fullness to the fitness function can significantly improve the optimisation performance of the algorithm. Compared with other heuristic algorithms, our algorithm has better optimisation performance and is more suitable for scenarios with larger bandwidth waste rates. Copyright © 2011 John Wiley & Sons, Ltd.     

基于改进遗传算法的入侵检测技术的设计与实现

天地一体化网络处在开放的电磁环境中,会时常遭受恶意网络入侵。为解决网络中绕过安全机制的非授权行为对系统进行攻击的问题,提出一种改进的遗传算法。该算法以决策树算法为适应度函数,通过删除数据集中的冗余特征,显著提高了对网络攻击的拦截率。通过机器学习进行异常分类,并利用遗传算法的特征选择功能,增强机器学习方法的分类效率。为验证算法的有效性,选用UNSW_NB15和UGRansome1819数据集进行训练和检测。使用随机森林、人工神经网络、K近邻和支持向量机等4种机器学习分类器进行评估,采用准确性、F1分数、召回率和混淆矩阵等指标评估算法的性能。实验证明,遗传算法作为特征选择工具能够显著提高分类准确性,并在算法性能上取得显著改善。同时,为解决弱分类器的不稳定性,提出一种集成学习优化技术,将弱分类器和强分类器集成进行优化。实验证实了该优化算法在提高弱分类器稳定性方面性能卓越。