检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

粗糙集理论中几种离散化方法的比较研究

模糊系统与数学 2016年第4期30卷 135-143页

作者：解铭吉伟卓邯郸学院河北邯郸056005

本文针对粗糙集理论常用的4种数据离散化方法,结合实例从离散化后变精度粗糙集模型下分类质量、近似精度以及离散化后约简变量集合与原始变量集的聚类相似度两个方面进行了对比,得到了离散化方法可信度的一致性结论。而在属性约简集的... 详细信息

本文针对粗糙集理论常用的4种数据离散化方法,结合实例从离散化后变精度粗糙集模型下分类质量、近似精度以及离散化后约简变量集合与原始变量集的聚类相似度两个方面进行了对比,得到了离散化方法可信度的一致性结论。而在属性约简集的确定上,将评价指标约简视为多目标优化问题,采用遗传算法计算约简,并引用包含度得到了最优属性约简集。

关键词：粗糙集离散化方法分类质量近似精度聚类相似度

在线全文

学校读者我要写书评

暂无评论

总变分图像复原方程的离散化方法

电子与信息学报 2001年第9期23卷 861-867页

作者：邹谋炎刘小军中国科学院电子学研究所北京100080

基于总变分的图像重建和复原导致一类最小化问题,它归结为解一个非线性椭圆型偏微分方程。为了得到数值解,必须将问题线性化和离散化。***和***等人(1996)的定点迭代是一个良好的线性化方法。然而文献中已报道的离散化方法需要微分方程... 详细信息

基于总变分的图像重建和复原导致一类最小化问题,它归结为解一个非线性椭圆型偏微分方程。为了得到数值解,必须将问题线性化和离散化。***和***等人(1996)的定点迭代是一个良好的线性化方法。然而文献中已报道的离散化方法需要微分方程数值解的工具,比较繁杂。该文提出一种新的离散化方法,它只需要图像处理中的常规技术。图像反降晰和噪声抑制的实验结果表明该文的结果不亚于文献中报道的结果。

关键词：总变分图像复原方程离散化方法图像处理

基于推理信息量的BN参数学习变量离散化方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2009年第5期35卷 185-187,199页

作者：王磊周旋朱延广杨峰国防科技大学信息系统与管理学院长沙410073

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量... 详细信息

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量。

关键词：参数学习推理信息量离散化方法遗传算法

Madwed 与 Boxer-Thaler 离散化方法中采样周期的选择

在线全文

学校读者我要写书评

暂无评论

铁道学报 1997年第4期19卷 76-79页

作者：任恩恩西南交通大学

基于高阶数字积分法的Ｍａｄｗｅｄ与Ｂｏｘｅｒ－Ｔｈａｌｅｒ离散化方法具有比传统的离散化方法更高的精度，但是它们不能保持连续时间系统的稳定性。本文讨论了如何选择适当的采样周期，使得这些离散化方法不但具有较高的精度。

关键词：采样周期离散化方法高防数字积分法

一种离散化方法及其在船台等弹性地基板中的应用

在线全文

学校读者我要写书评

暂无评论

水运工程 1995年第5期 6-12页

作者：王元战天津大学

介绍一种离散化方法，该法通过引入满足边界条件的正交形函数，将目前用于梁、杆等一维结构系统的离散元法（ｔｈｅｃｅｌｌｄｉｓｃｒｅｔｉｚａｔｉｏｎｍｅｔｈｏｄ）扩展应用于薄板结构系统的分析。通过对某船厂斜坡造船台船台板的... 详细信息

介绍一种离散化方法，该法通过引入满足边界条件的正交形函数，将目前用于梁、杆等一维结构系统的离散元法（ｔｈｅｃｅｌｌｄｉｓｃｒｅｔｉｚａｔｉｏｎｍｅｔｈｏｄ）扩展应用于薄板结构系统的分析。通过对某船厂斜坡造船台船台板的计算，其结果与常用的近似梁法、有限差分法及有限元法的计算结果进行了比较。

关键词：船台弹性地基板离散化方法

利用半无限规划的离散化方法求解半定规划问题

在线全文

学校读者我要写书评

暂无评论

重庆师范大学学报（自然科学版） 2018年第2期35卷 21-27页

作者：席鸣晓罗洪林重庆师范大学数学科学学院重庆401331

【目的】对半定规划的强对偶定理以及求解半定规划近似解的算法进行讨论。【方法】利用求解半无限规划的近似解的离散化思想,及线性规划的强对偶定理。【结果】得到了半定规划强对偶定理一种新的证明方法以及求解半定规划近似解的离散... 详细信息

【目的】对半定规划的强对偶定理以及求解半定规划近似解的算法进行讨论。【方法】利用求解半无限规划的近似解的离散化思想,及线性规划的强对偶定理。【结果】得到了半定规划强对偶定理一种新的证明方法以及求解半定规划近似解的离散化算法,给出了该算法的数值实验结果。【结论】为半定规划问题提供了一种新的近似求解算法。

关键词：半定规划半无限规划离散化方法强对偶定理

用离散化方法证明半定规划的拉格朗日强对偶定理

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2018年第4期32卷 204-211页

作者：罗丹罗洪林重庆师范大学数学科学学院重庆401331

从算法的角度重新考虑半定规划的强对偶定理的证明,首先将半定规划转换成与之等价的线性半无限规划并利用离散化方法将其近似地转换为一个线性规划问题,然后利用离散化方法的收敛性和线性规划的强对偶定理给出了半定规划的拉格朗日强对... 详细信息

从算法的角度重新考虑半定规划的强对偶定理的证明,首先将半定规划转换成与之等价的线性半无限规划并利用离散化方法将其近似地转换为一个线性规划问题,然后利用离散化方法的收敛性和线性规划的强对偶定理给出了半定规划的拉格朗日强对偶定理的一个新的证明方法,最后利用该证明思路从理论上为半定规划问题的求解设计了一种新的求解算法并给出了相应的收敛性证明。

关键词：半定规划半无限规划离散化方法拉格朗日强对偶定理

在线全文

学校读者我要写书评

暂无评论

贝叶斯网参数学习中连续变量离散化方法研究

计算机仿真 2009年第9期26卷 136-139,260页

作者：周旋王磊朱延广杨峰国防科技大学信息系统与管理学院湖南长沙410073

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标... 详细信息

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准。在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准。实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果。

关键词：参数学习推理信息量离散化方法遗传算法

在线全文

学校读者我要写书评

暂无评论

基于粗糙集理论的连续值属性离散化方法研究

基于粗糙集理论的连续值属性离散化方法研究

作者：岳晓冬山西大学

学位级别：硕士

现实中采集到用于分类学习的信息集合通常是基于连续特征空间的,但是,对于绝大多数机器学习算法来说,连续的特征值数据并不是一个合适的输入,必须将其离散化,采用高效的离散化算法,将会极大的提高机器学习算法的效率和精度,降低问题的... 详细信息

现实中采集到用于分类学习的信息集合通常是基于连续特征空间的,但是,对于绝大多数机器学习算法来说,连续的特征值数据并不是一个合适的输入,必须将其离散化,采用高效的离散化算法,将会极大的提高机器学习算法的效率和精度,降低问题的求解复杂性并提高算法的可移植性,此外,将保持原始数据分类信息的离散化数据应用于机器学习算法所获取的知识具有更精简和更易理解的形式,因此连续属性值的离散化方法作为机器学习算法的预处理过程受到人们越来越多的关注。近年来,作为一种新兴的归纳学习方法,粗糙集理论以其“不需对数据的任何先验假设”、“可提供非完备,非协调等不确定性知识获取方法”、“所获知识具有较好的直观可理解性”等显著优势获得人们的广泛关注。基于Rough集的离散化方法可以更加深刻的描述数据的依赖特征,获得较高的精度。本文通过对大量现有连续值属性离散化方法进行分析总结,依据发现的问题对基于粗糙集理论的离散化算法进行优化。主要研究内容及成果有: 1.提出新的评价标准,对现有的多种离散化方法进一步分类细化,并在分类框架的基础上对典型方法进行评述。总体来说,连续值属性离散化算法现有分类标准:动态和静态（Dynamic ***）,受监督和非监督（Supervised ***）,全局和局部（Global ***）,自顶向下和自底向上（Top-down ***-up）,直接划分和逐步划分（Direct ***）。本文依据“离散化过程是否考虑属性依赖性”可将离散化方法进一步分为属性独立的和属性依赖的方法（Attribute-independent ***-dependent）,通过建立离散化方法的分类框架可知具有Supervised,Global,Incremental,Attribute-dependent等特征的离散化算法可以具有相对良好的划分精度。而基于粗糙集理论的方法通常具有以上特点。 2.重点分析基于粗糙集理论的离散化方法,并依据发现的问题对原始的MD-算法进行优化。

关键词：离散化方法粗糙集理论线性存储分割点相关性 MD-离散化算法