一种新的决策粗糙集启发式属性约简算法

属性约简是粗糙集理论中最重要的研究内容之一。在决策粗糙集中,学者提出了多种属性约简的定义,其中包括保持所有对象正决策不变的约简定义。针对该约简定义,为了高效地获取约简集,设计了一种启发式函数 ——决策重要度,这种启发式函数根据每个属性正决策对象集合的大小来定义其重要性,正决策对象集合越大表示重要性越高,由此构造了基于决策重要度的启发式属性约简算法。该算法的优点是通过对属性决策重要度的排序,确定了一个搜索方向,避免了属性的组合计算,减少了计算量,能够找出一个较小的约简集。实验结果表明,该算法是有效的,能够得到较好的约简效果。     

相关测度与增量式支持度和信任度的计算

通过相关测度的定义,从理论上探讨了增量式规则发现问题,并把分类规则挖掘和关联规则挖掘联系起来进行研究,为该问题的深入研究奠定了理论基础.相关测度刻画了给定关系和相关集合的数字特征.对相关测度的概念、定义、性质以及与支持度和信任度的关系等方面作了详细的分析和探讨,给出了基于相关集合的支持度和信任度的定义及计算方法.证明了测度增量定理和支持度增量定理,并给出了增量式支持度和信任度的计算公式.另外还详细地分析了数据增量对关联规则和信任度的影响,探讨了基于新支持度的候选项的修剪问题.所提出的相关测度及其思想为研究既能用于分类规则又能用于关联规则的统一数据挖掘方法提供了有价值的新思路.     

一种改进的关联规则自顶向下算法

关联规则是数据挖掘的主要技术。文中介绍了关联规则的基本概念,阐述了自顶向下算法的基本思想和存在的不足,扩展了相关定义和性质,提出了基于自顶向下算法基础上的改进算法。该算法的主要特点是运用集合运算的思想和递归的方法,保存前面扫描时比较运算的结果进行最大频繁集的查找。最后用实例进行仿真实验并做了比较分析,效率有所提高。     

基于可拓理论的CBR系统实例检索模型

围绕产品配置设计中实例检索的准确性问题,依据可拓学中关联函数的概念,提出了一种新的实例检索方案。根据客户定制需求和产品实例对属性的描述方式对属性进行分类,在可拓学关联函数的基础上分别定义它们的相似度的计算方法,根据AHP（Analytical Hierarchy Process）计算属性的权重比,给出客户需求与产品实例的相似度计算模型,并通过一个具体例子证明模型的有效性。     

Vague软集的分解定理、表现定理和扩张原理

基于现有关于Vague软集的研究以及Fuzzy集与经典集合之间的关系,定义了Vague软集截集和集合套的概念。进而给出Vague软集的分解定理、表现定理和扩张原理的定义,以及其相关性质的数学证明。由此构建出Vague软集与经典软集之间的联系。     

基于粒计算的Rough集模型

上近似、下近似是Rough集的基本定义,它使我们能够用精确的集合讨论不精确的概念,Rough集利用可计算的边界域实现了G.Frege的边界思想.然而,Rough集本身的代数定义和其他各种扩展模型并没有提供简单直观的计算边界元素数目的算法.在二进制粒计算的基础上,通过定义粒矩阵和粒矩阵运算,建立了基于粒计算的知识表示方法和基于粒计算的Rough集模型,据此可以获得Rough集基本概念的粒矩阵表示和粒矩阵快速计算方法,为建立基于粒计算的知识发现算法提供了理论基础.举例证明了Rough包含与Rough相等的隶属度函数定义并非充要条件.同时给出了基于粒计算的Rough包含与Rough相等的充要条件.     

基于中智模糊关联规则生成的大数据挖掘分析算法

关联规则挖掘作为一种大数据挖掘方法,被用于确定不同项目间存在的内在联系,并以大于某一阈值作为评判不同项间存在关联的依据。传统关联规则挖掘方法仅能建立不同项间的布尔型关联规则,存在硬化数据"尖锐边界"问题导致关联规则挖掘性能下降的缺点。为克服经典数据挖掘算法的这一缺陷,提出一种新型中智关联规则挖掘算法。基于专家知识对语言学术语进行量化预处理,得到不同指标的量化数据资料库;基于关联规则支持度定义计算不同指标项集合的支持度;通过考虑不同项间的隶属度、不确定度和非隶属度函数生成关联规则。将该中智挖掘算法与模糊挖掘算法进行对比,结果表明,该算法能够增加生成关联规则数量,有助于提高数据挖掘的准确性。     

一种改进的关联规则自顶向下算法

关联规则是数据挖掘的主要技术.文中介绍了关联规则的基本概念,阐述了自顶向下算法的基本思想和存在的不足,扩展了相关定义和性质,提出了基于自顶向下算法基础上的改进算法.该算法的主要特点是运用集合运算的思想和递归的方法,保存前面扫描时比较运算的结果进行最大频繁集的查找.最后用实例进行仿真实验并做了比较分析,效率有所提高.     

时序犹豫模糊软集及其在决策中的应用

针对犹豫模糊软集的信息随着时间动态变化的情形,引入时间参数,将犹豫模糊软集推广为时序犹豫模糊软集。基于时序犹豫模糊软集的概念,定义了其基本的运算法则,分析对应的运算结果并讨论其运算性质。给出了时序犹豫模糊软集的一种决策方法,并通过实例表明了该方法的有效性与可行性。     

基于属性权重的时序模糊软集的群决策方法研究

针对模糊软集在群决策过程中其属性权重往往被忽略或依靠主观经验来确定的问题,提出了一种基于属性优势度的属性权重确定方法,并讨论了其相关性质及运算。在群决策过程中,针对决策信息是随时间变化而变化的这一特点,定义了时序模糊软集等概念,并建立了基于决策时间差的对数增长型时间权重确定公式。最后通过与其他决策方法进行对比分析验证了该方法的可行性和合理性。     

小重量一阶相关免疫均衡布尔函数的计数

该文介绍了一种关于一阶相关免疫布尔函数的计数方法,并由此给出了一些小重量的一阶相关免疲均衡布尔函数的计数。     

一类具有低相关特性和较大线性复杂度的序列集

对于p=3和偶数n=2k,构造了一类周期为3ⁿ-1大容量序列集S^(r),这里r与3^k-1互素。这类序列集的相关函数取-1±3^k,-1,-1+2•3^k四值,并完全确定了相关值的分布。通过选取适当的参数r,证明了这类序列集具有较大的线性复杂度下界。     

Formation of pseudorandom sequences with improved autocorrelation properties

An original technique is proposed for formation of pseudorandom sequences on the basis of coding methods. The synthesis of large ensembles of signals with improved autocorrelation properties is theoretically substantiated. Methods of correlation analysis are used to study auto-and crosscorrelation properties of sequences being formed. __________ Translated from Kibernetika i Sistemnyi Analiz, No. 1, pp. 3–16, January–February 2007.     

相对阶的递推辨识

首先给出相对阶与输入一输出相关函数之间的关系，然后给出非线性时不变性控制系统的相对阶的递推辨识方法，并把结果扩展到多变量系统。     

对称布尔函数的算术相关函数

算术相关函数是最近提出的一种研究布尔函数密码学性质的方法,该方法通过定义多元2-adic数上的加法和乘法运算,构建一种新的环结构,实现对经典相关函数的带进位计算的模拟。首先介绍了算术相关函数的定义,并针对具有良好密码学性质的对称布尔函数讨论了其算术相关函数的性质和取值,最后利用对称布尔函数的实值对称性证明了对称布尔函数的算术自相关函数也是一个与向量的重量有关的实值对称函数,至多是n+1值的。     

基于HSIC0的类间非线性相关系数度量

常见的相关系数反映变量之间的线性或非线性程度。基于希尔伯特-斯密特独立准则（Hilbert-Schmidt Independence Criterion,HSIC）的有偏估计（HSIC0）,提出了根据类标签划分出的类与类之间的非线性相关关系的度量方法。通过六组真实的、不同类型的数据集,分别选取了线性核、多项式核、RBF核和Sigmoid核函数进行实验。结果表明,该方法具有较好的可行性。     

基于自相关函数的决策树算法

判决精度是归纳学习及其应用领域中所涉及的主要问题,该文根据自相关函数与谱密度函数之间的对应关系,提出了一种新的基于自相关函数的决策树归纳学习算法,实验结果表明,自相关决策树算法在判决精度测试方面取得了比较好的收效。     

解析UWB信号的PPM调制性能

本文主要分析在高斯信道条件下PPM调制的UWB信号性能.其中包括两个性能指标的确定:信号持续时间、PPM信号的时间偏移.通过对信号的频谱要求来得到信号持续时间,而可以通过求信号欧氏距离的最大值来获得时间偏移.     

用二重互相关算法扩展涡街流量计测量下限

介绍了采用二重互相关算法对强噪声干扰下的涡街信号进行滤波的原理和具体实现方法。对涡街流量计在测量下限时的信号与噪声情况进行了分析,将二次互相关滤波算法引入涡街信号的数字滤波过程中。给出了具体计算方法和各主要参数的取值规则。在实际使用中取得了良好的效果。     

基于互相关函数的孤立词端点检测算法

提出了基于互相关函数的检测元音的端点检测算法。在语音识别系统中产生错误识别的原因之一是端点检测有误差,在高信噪比情况下,准确地确定语音的端点并不困难,然而在低信噪比情况下,一些常规的端点检测方法,例如基于能量的端点检测方法就不能有效地工作。本文利用互相关函数检测元音的端点,然后根据元音和辅音的能量比一般相对稳定的特点确定出实际语音端点。实验结果表明,本方法可以在不同信噪比下提高端点检测的准确率。