粗糙集理论中的最小属性约简(MAR)问题是一个NP-难的非线性约束组合优化问题.本文提出一个新的求解MAR问题的组合蜂群算法,其中,引领蜂、跟随蜂和侦察蜂采用基于变异运算的搜索模式,在邻域候选蜜源的生成中引入与属性...
首先利用反例指出HU的利用差别距阵来求粗糙集中的核的方法是错误的 ,然后给出一个新的差别距阵的定义和求核方法 ,并证明了方法的正确性 .
研究基于二进制粒子群优化算法思想求解决策表最小属性约简问题的方法.定义适当的适应值函数,将决策表最小属性约简问题转化为一个适合二进制粒子群优化算法求解的0—1组合优化问题,证明问题解的等价性.在此基础上,引...
把求决策表最小属性约简问题归结为一个不含非线性约束的0-1组合优化问题,证明了两个问题之间最优解的等价性.针对问题的特性,对原有的二进制粒子群算法进行改进,引入基于决策表差别矩阵的疫苗接种机制以及k-精英保优...
首先用反例指出文献〔4〕中的利用 R.Felix等人提出的二进制可辨识矩阵来求决策表的相对核的方法是错误的 ,然后给出一个新的二进制可辨识矩阵的定义和求核方法 ,并从理论上证明了方法的正确性 .
受Jelonek粗糙集属性约简算法思想的启发 ,本文利用单属性的近似精度和Hu的差别矩阵方法 ,得到一个改进的属性约简算法 .理论分析表明 ,该算法比Jelonek算法具有更低阶的计算复杂性 .
利用单属性的逼近精度、由决策属性定义划分的粗糙逼近精度以及它们的均值和方差 ,给出了属性重要性程度的一种度量方式。在此基础上 ,提出了粗糙集中属性约简的一个贪心算法 ,将各属性按照重要性由大到小依次加入到约...
基于Skowron可辨识矩阵求属性约简的分辨函数方法只适合于相容的决策表,对于不相容的决策表,该方法可能产生错误的结果.对Skowron方法进行改进,提出一个计算不相容决策表属性约简的可辨识矩阵方法,并给出方法正确性的...
利用单属性的逼近精度 ,在Jelonek属性约简算法的基础上 ,得到一个改进的属性约简算法 .实例计算结果表明 ,在获得同样的属性约简的情况下 ,该算法与Jelonek算法相比 ,计算量较少 ,提高了计算速度 .
指出在决策表是不相容的情况下,常用的计算全部属性约简(代数意义下)的基于Skowron差别矩阵的分辨函数方法会产生错误的结果.为了解决这个问题,本文引入一个改进的Skowron差别矩阵,给出一个基于新的差别矩阵的分辨函数...
针对福建IT企业本地化高层次工程研究型人才短缺的问题,结合计算机学科研究生培养的实际情况,提出学术型计算机专业硕士研究生工程素养与工程能力培养的思路,并介绍面向工程应用课题的组织研究型教学的开展实践效果。
针对离散关系数据库知识发现和不确定性推理问题 ,采用粗糙隶属度函数来确定由粗糙集方法提取规则的可信度因子 ,减少了确定可信度因子的主观因素 ,提高了应用可信度理论进行不确定性推理的可靠性 .针对一医疗诊断的实...
４３（２０００）０１－０００７－０４摘要：根据信息表中相对每个条件属性的集合和划分的粗糙逼近精度，给出衡量属性重要性程度的一种准则．在此基础上，提出了信息表属性约简的一个较为简单有效的算法．
基于模型逼近度和接受概率的一个变步长快速BP学习算法 CNKI文献
本文给出模型逼近度的概念．在此基础上并利用模拟退火法的思想，提出了一个改进的变步长快速ＢＰ学习算法．数值结果表明该算法不仅明显地提高了ＢＰ网络的学习收敛速度，而且在一定程度上还能避免陷入局部极小．
计算机学科工程研究型全日制硕士研究生培养模式的探索 CNKI文献
当前海峡西岸经济区信息产业结构战略调整中,福建的IT企业面临高层次工程研究型人才严重短缺的形势。本文提出了在计算机学科全日制硕士研究生中开展校企联合培养工程研究型人才的思路,探讨了以工程研究课题为组织形式...
首先分析粗糙集中不同正区域之间的关系 ,在此基础上推导出近似精度计算的一个简洁的递归公式 .在Jelonek属性约简算法[3 ] 的基础上 ,应用上述递归公式和独立性条件判别策略设计了一个改进的属性约简算法 ,与原算法相...
探讨了径向基函数神经网络在个股走势模式分类中的应用问题。提出了一种可调基宽度的计算方法和若干数据预处理的措施。实例计算表明，该方法取得了较好的效果
考虑三层前馈神经网络隐结点学习问题．在分析同类与不同类训练样本在隐层输出上体现的差异的基础上，提出了一种在权值学习过程中动态地用除网络隐结点数的学习算法．数值结果表明本文算法是可行的．
给出一种相对属性约简的算法 .该算法对于信息表中由决策属性决定的划分中的每个基本集合 ,计算它们的下逼近集并对每个条件属性在下逼近集中的取值进行检索 ,剔除可能是多余的条件属性 ,得到一个候选属性约简 .在此基...
在文［８］的工作基础上，利用模型逼近度和训练误差函数值相对误差函数梯度向量长度的变化率，给出前馈神经网络的一个自适应学习算法对一具体的分类问题进行计算，结果表明本文算法效果良好，改进了文［８］的算法...
