检索结果-南通市图书馆

面向混合数据的邻域多粒度粗糙集模型和算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向混合数据的邻域多粒度粗糙集模型和算法研究

作者：杨宏健安徽大学

学位级别：硕士

粗糙集理论是波兰学者***于1982年提出的一种能够有效处理不精确和不确定信息的数学工具。经典粗糙集理论只能处理名义型属性,无法直接处理数值型属性以及名义型属性和数值型属性并存的混合数据。为了解决这个问题,Lin利用邻域关系替代... 详细信息

粗糙集理论是波兰学者***于1982年提出的一种能够有效处理不精确和不确定信息的数学工具。经典粗糙集理论只能处理名义型属性,无法直接处理数值型属性以及名义型属性和数值型属性并存的混合数据。为了解决这个问题,Lin利用邻域关系替代等价关系,提出了邻域粗糙集模型。从粒计算的角度来看,上述的粗糙集模型都是基于单粒度和单层次的,无法从多粒度、多层次的角度对问题进行分析和处理。钱宇华和梁吉业等提出由多个不可分辨关系确定论域的层次划分,构造多粒度的论域空间,进而在多粒度论域空间上进行目标概念的近似逼近,提出了乐观和悲观多粒度粗糙集模型。乐观多粒度粗糙集模型较为宽松,而悲观多粒度粗糙集模型较为严格,为此,张明提出了可变粒度粗糙集模型,克服了以上缺点。林国平结合了多粒度粗糙集模型和邻域粗糙集模型的优点,将邻域粗糙集模型扩展到多粒度空间,提出了邻域多粒度粗糙集模型的概念,以名义型和数值型属性的不同组合方式构建属性集序列,以此作为粒化准则,定义了两种邻域多粒度粗糙集模型。但是该模型是基于相同的邻域半径建立的,因此只能处理邻域半径固定不变的问题。在此基础上,本文取得了如下研究成果：(1)本论文在分析传统粗糙集和邻域多粒度粗糙集的不足之后,在克服乐观多粒度粗糙集模型较为宽松,悲观多粒度粗糙集模型较为严格的缺点的基础上,为使粗糙集理论能从多粒度计算的角度,对名义型和数值型并存的混合型数据进行处理,将邻域多粒度粗糙集模型,与可变粒度粗糙集模型相结合,提出了基于邻域的可变粒度粗糙集模型,定义了其下上近似,并证明了基于邻域的可变粒度粗糙集模型是乐观邻域多粒度粗糙集模型和悲观邻域多粒度粗糙集模型的泛化,并给出了基于邻域的可变粒度粗糙集模型的一些性质。该模型可以基于粗糙集理论,根据实际应用的需要,动态调整参数,弹性的从多个粒度和多个层次处理名义型和数值型并存的混合型数据,最后通过实例验证了模型的有效性。(2)本文为了从多粒度、多层次的角度有效处理名义型属性和数值型属性并存的混合数据,基于不同的属性集序列和不同的邻域半径,构建双重粒化准则,建立基于双重粒化准则的邻域多粒度粗糙集模型,给出了该模型的相关性质,提出了该模型下的属性约简算法,最终的约简结果可以根据实际问题的需要,灵活选择合适的属性集和邻域半径,通过实例验证了所提模型和算法的有效性。并在此模型上提出基于双重粒化准则的邻域多粒度粗糙集模型的粒度约简算法,利用此算法,我们可以保持决策类下近似分布不变的前提下,得到原有粒度的约简集。

关键词：粗糙集多粒度可变粒度邻域关系双重粒化准则

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

粗糙集扩展模型的知识约简

粗糙集扩展模型的知识约简

作者：秦星山西师范大学

学位级别：硕士

粗糙集理论是上世纪八十年代初由波兰学者Pawlak首次提出的一种用于数据分析的数学理论,粗糙集理论的一个核心问题是知识约简.经典粗糙集是在等价关系上研究知识约简,这样不利于研究大多数模型的知识发现.集值信息系统是Pawlak粗糙集模... 详细信息

粗糙集理论是上世纪八十年代初由波兰学者Pawlak首次提出的一种用于数据分析的数学理论,粗糙集理论的一个核心问题是知识约简.经典粗糙集是在等价关系上研究知识约简,这样不利于研究大多数模型的知识发现.集值信息系统是Pawlak粗糙集模型的一个推广,在集值信息系统中定义知识约简并给出约简方法,这对粗糙集理论发展具有很重要的意义.主要内容如下：本文研究了基于相似度的集值信息系统的知识约简.把相似度引入到集值信息系统中,给出在相似水平和阈值下的基于相似度的集值信息系统的知识约简及可辨识矩阵,从而得到基于相似度的集值信息系统的知识约简的具体操作方法.在集值目标信息系统中引入邻域关系,研究基于邻域关系的协调集值目标信息系统和不协调集值目标信息系统的知识约简,给出基于邻域关系的协调集值目标信息系统和不协调集值目标信息系统知识约简的判定定理及可辨识矩阵.进一步研究了基于邻域关系的集值目标信息系统的属性特征及判定定理.证据理论是信息融合技术中一种有效的不确定推理方法.粗糙集理论与Dempster-Shafer证据理论之间有许多相似之处,本文将证据理论应用到基于邻域关系的集值目标信息系统中,给出了基于证据理论的协调集值目标信息系统知识约简的具体方法.

关键词：粗糙集集值信息系统相似关系邻域关系知识约简证据理论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于记忆网络的个性化推荐方法研究

基于记忆网络的个性化推荐方法研究

作者：陈红亮桂林电子科技大学

学位级别：硕士

随着网络和信息技术的飞速发展,人们已经身处于一个信息爆炸的时代。一方面人们感受到了科技发展所带来的前所未有的方便与便捷,另一方面也使得信息过载成为互联网时代的一大挑战。信息资源的急剧增加,使得用户想在纷繁复杂的网络资源... 详细信息

随着网络和信息技术的飞速发展,人们已经身处于一个信息爆炸的时代。一方面人们感受到了科技发展所带来的前所未有的方便与便捷,另一方面也使得信息过载成为互联网时代的一大挑战。信息资源的急剧增加,使得用户想在纷繁复杂的网络资源中找到自己所需的内容变得十分困难。个性化推荐可以有效地缓解上述所存在的“信息过载”状况,让用户得到符合自身偏好的服务,以提升用户体验,因而具有重要的研究价值。近年来,越来越多的研究者将深度学习技术应用于基于隐式反馈的协同过滤推荐领域。然而,传统的深度学习模型通常利用记忆能力有限的隐藏状态或权重来充当记忆功能,无法存储长期信息,因而难以执行记忆操作。例如,将用户的所有历史交互记录嵌入到单个隐藏状态向量中,这将无法捕获单个用户历史交互记录与用户偏好之间的相关性。记忆网络能够存储长期信息,并能执行记忆操作,因此我们考虑设计记忆网络来充当记忆功能。此外,传统的深度学习模型一般都是直接刻画用户和项目,而忽略了用户邻域和项目邻域中含有的协同信息的重要性。用户邻域指的是访问过同一个项目的所有用户组成的用户集合,同一个用户邻域中的用户们互为邻居;同理,项目邻域是指同一个用户访问过的所有项目构成的项目集合,同一个项目邻域中的项目们互为邻居。我们猜想邻域中含有的协同信息能够在一定程度上提升推荐的性能。为此,本文基于记忆网络展开了对个性化推荐方法的研究。通过设计记忆网络作为记忆功能,同时考虑邻域之间的协同信息,来提高推荐的准确性。本文主要内容如下:（1）本文提出了一种基于项目邻域的协同记忆网络模型。该模型首先设计了记忆网络并结合注意力机制构造出项目邻域组件,以此来存储项目的长期信息。接着通过项目邻域记忆网络来捕获目标项目与其邻居之间的关系,经过多层项目邻域组件的迭代处理,达到对高阶的项目邻域信息的长期记忆。最后联合用户和项目记忆与项目邻域信息来编码复杂的用户-项目关系,并得到预测分数。在三个真实数据集上,本文通过与最先进的协同过滤方法以及基于深度学习的模型进行对照,验证了该模型在HR@5、HR@10、NDCG@5和NDCG@10等评测指标上的优越性。（2）本文以（1）中提出的模型为基础,进一步提出了邻域注意协同记忆网络模型。为了学习用户与其用户邻域中邻居之间潜在的相似性,该模型又设计了用户邻域组件,用于存储用户的长期信息。接着通过关联寻址方案来编码目标用户与其邻居之间的关系,再堆叠多层用户邻域记忆网络得到更深层次的结构,进一步挖掘更高阶的用户邻域信息。最后输出模块通过融合用户和项目记忆与用户和项目邻域信息得到排序分数。实验结果表明相比于最先进的基准方法以及（1）中提出的模型,本模型有着一定的性能提升,验证了模型的有效性。此外,本文还分析了该模型的参数敏感性,并通过消融实验探究了单个邻域记忆网络组件对模型的影响。

关键词：深度学习协同过滤记忆网络邻域关系

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于邻域粗糙集属性约简算法的研究

基于邻域粗糙集属性约简算法的研究

作者：陈文刚渤海大学

学位级别：硕士

近些年来,随着信息技术的快速发展,大量的数据爆炸式增长,这其中就包含大量冗余的数据,这些数据会对我们做出正确的决策产生影响,因此对这些数据进行预处理将变得更加迫切。属性约简作为粗糙集理论的的核心内容取得了很大的发展,其主要... 详细信息

近些年来,随着信息技术的快速发展,大量的数据爆炸式增长,这其中就包含大量冗余的数据,这些数据会对我们做出正确的决策产生影响,因此对这些数据进行预处理将变得更加迫切。属性约简作为粗糙集理论的的核心内容取得了很大的发展,其主要工作就是在保持系统分类能力不变的前提下,删除冗余或者不重要的特征,从而减少搜索空间,提高约简效率。被广泛的应用在数据挖掘、模式识别等方面。经典邻域粗糙集理论在进行数据分析的过程中,把正域作为样本的有效分类,往往忽略了边界样本的可分性,从而正域的定义不能真实反映分类的真实情况。为此,在本文中,我们重新构造了基于最大决策函数的粗糙集属性约简模型,并对其相关性质进行了推理及讨论,同时进行了相关数据实验分析。本文所做的主要工作如下:1.在邻域粗集中,正域通常被用来反映特征子集的分类能力。然而,正域并不是分类精度的一个有效估计,因为它只考虑一致决策的样本,而忽略边界样本。根据贝叶斯分类规则可知,边界样本也包含一定的分类信息。基于此,在本章中,通过引入最大决策函数的概念,提出了一个新的粗糙集模型——最大决策函数的粗糙集模型。该模型不仅考虑了正域中的样本,而且利用了边界样本的区分信息。该模型保证了样本分类的最小分类误差。基于该模型,构造了反映分类能力的特征评价函数——依赖度函数,并设计了属性约简算法。通过数值实验,进行了该算法和一些现有的算法的分析和比较。实验结果表明,该方法是有效的。2.在最大决策函数的粗糙集模型中,特征评价是用依赖度函数进行的。依赖度函数是否具有单调性对属性约简算法的设计非常重要,这是因为具有单调性的依赖度函数能够较好的实现算法的停止搜索步骤。然而,基于最大决策函数的粗糙集模型中的依赖度函数不具有单调性。针对这个问题在最大决策函数的基础上,我们对上、下近似以及边界进行了重新构造,继而定义了具有单调性的基于最大决策函数的依赖度函数,从而解决了在分类精度不变的情况下依赖度函数的单调性问题。最后利用UCI数据集进行了实验分析,通过数值实验表明,该算法能够找到比经典约简算法更小、更精确的特征子集,因而该算法是可行的。

关键词：属性约简粗糙集依赖度函数邻域关系最大决策函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于监督信息邻域粒距离的属性约简方法

重庆邮电大学学报:自然科学版 2023年第5期35卷 898-907页

作者：支宇胡军重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065

在邻域粗糙集的研究中,主要通过邻域关系来实现信息的粒化。传统的邻域关系容易引起信息的不一致,导致将确定可分的样本划分到边界域里,使得属性约简的结果不理想。将监督信息(标签信息)引入邻域粒,提出了一种新的属性约简方法。该方法... 详细信息

在邻域粗糙集的研究中,主要通过邻域关系来实现信息的粒化。传统的邻域关系容易引起信息的不一致,导致将确定可分的样本划分到边界域里,使得属性约简的结果不理想。将监督信息(标签信息)引入邻域粒,提出了一种新的属性约简方法。该方法利用样本邻域的监督信息构造出监督信息邻域粒距离,并基于此定义近似正域。将原边界域中确定可分的样本划分到正域中,从而更精准地刻画邻域系统的分类能力。实验结果表明,所提出的方法不仅能够有效删除冗余属性,而且还能提高分类性能,证明了在属性约简中考虑监督信息邻域粒距离的可行性和有效性。

关键词：粗糙集邻域关系边界域监督信息属性约简

基于粗糙集神经网络与联合参数法的数字调制信号识别研究

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于粗糙集神经网络与联合参数法的数字调制信号识别研究

作者：杜红月太原理工大学

学位级别：硕士

随着信息技术的快速发展,通信技术的调制样式也趋于复杂多样化,正确高效的识别通信信道中数字调制信号的样式,并对其加以利用,可以给人类在信号确认与监控、电子救援,通信对抗、军事威胁等领域内的通信研究带来更大帮助。然而不同样式... 详细信息

随着信息技术的快速发展,通信技术的调制样式也趋于复杂多样化,正确高效的识别通信信道中数字调制信号的样式,并对其加以利用,可以给人类在信号确认与监控、电子救援,通信对抗、军事威胁等领域内的通信研究带来更大帮助。然而不同样式的调制信号的调制参数不相同,因此,对调制信号有效监控和识别成为了重要的研究课题。自动调制识别的目的是为了在未知先验信息时,估计出信号的调制参数,然后对其调制方式进行识别。本文所作的主要工作：1.首先介绍了几种数字调制信号产生原理,分析了各种信号的瞬时特征信息,并对每一类信号进行了分析和仿真。2.介绍了关于高阶累积量的基础知识,根据本文所研究的八种数字调制信号,在他们的高阶累积量和瞬时幅度基础上,选择了(γmax、σaf、F1、 F2、F3、σap、R、γenv)八个特征参数,通过实验证明,这些特征参数能够有效区分这八种数字调制信号。3.详细的阐述了粗糙集理论,并且利用了粗糙集属性约简算法对特征参数进行选择。此算法不仅直观、而且易于理解。本文把邻域粗糙集模型应用在调制信号的研究识别中,得到了较好的效果。4.将BP神经网络用作识别信号的分类器。对采集到的2ASK、2PSK、2FSK、4ASK、4PSK、4FSK、8ASK、16QAM这八种信号进行调制识别的实验。实验结果得到了各类信号的仿真实验结果图、单个信号的识别率和所有信号的平均识别率,实验结果表明了本文算法的有效性。

关键词：邻域关系属性约简粗糙集 BP神经网络

基于邻域的扩展粗糙集模型及其在特征基因选择中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于邻域的扩展粗糙集模型及其在特征基因选择中的应用研究

作者：张灵均河南师范大学

学位级别：硕士

粗糙集理论是一种有效的数据分析工具，它可以处理不确定、不精确、不完备、不一致的数据。然而，经典粗糙集理论是基于严格等价关系的，在处理实际应用中的数据时具有一定的局限性。对粗糙集理论进行扩展，使其适用于不完备的、混合型... 详细信息

粗糙集理论是一种有效的数据分析工具，它可以处理不确定、不精确、不完备、不一致的数据。然而，经典粗糙集理论是基于严格等价关系的，在处理实际应用中的数据时具有一定的局限性。对粗糙集理论进行扩展，使其适用于不完备的、混合型的（符号型和数值型混合的）数据是当前研究的热点。本文基于邻域关系提出一系列扩展粗糙集模型，构造基于扩展粗糙集模型的属性约简算法，并通过理论证明和实验分析验证这些算法的合理性。针对基因表达谱数据的特点，结合基因初选方法，将扩展粗糙集模型的属性约简算法应用于特征基因选择，通过对比实验分析进一步证明这些算法的有效性。本文主要内容如下：在邻域关系基础上，针对邻域参数缺乏理论依据和参数一致易造成误差的问题，借鉴量化理论中的等距量化概念，依据量化级数选择参数和不同基因值域范围，提出一种相对邻域关系，并构建相对邻域粗糙集模型;针对不完备混合型数据，利用邻域关系可以直接处理数值型数据和相容关系处理不完备数据的特点，对相对邻域关系和相容关系进行广义化表示，提出一种广义邻域关系，构建基于广义邻域关系的粗糙集模型;分析基于广义邻域关系的样本覆盖粒，研究覆盖粒内存在的不相容样本，定义相斥关系，研究相斥覆盖粒的性质，通过分解使相斥覆盖粒满足自反、对称和传递的性质。在广义邻域关系下，基于信息熵提出一种用于不完备混合型数据的条件熵，并给出基于条件熵的属性重要性，对比分析基于正区域的属性重要性，证明得到基于条件熵的属性重要性包含基于正区域的属性重要性，进而构造基于条件熵的不完备混合型数据属性约简算法。基因表达谱数据是不完备和混合型的，将提出的基于扩展粗糙集模型的属性约简算法应用于特征基因选择，结合基因初选策略，利用粗糙集属性约简不需要先验知识的优势，对基因初选中存在的冗余属性进行约简，最终得到特征基因子集。在公开的基因表达谱数据集上进行仿真实验，通过对比同类方法的时间复杂度和特征基因子集数目等指标，充分验证了基于邻域的扩展粗糙集方法在特征基因选择上的有效性。

关键词：粗糙集理论邻域关系条件熵基因表达谱数据特征基因选择

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

集值决策信息系统拓展模型的知识约简

集值决策信息系统拓展模型的知识约简

作者：王莉莉山西师范大学

学位级别：硕士

粗糙集是一种描述不精确、不确定知识的数学工具,最初是由Pawlak.Z于1982年提出来的,该理论是一种有效的分析和处理不一致、不精确、不完备等各种信息的数据分析工具,知识约简是粗糙集理论的核心问题之一.基于论域上不同的二元关系,本... 详细信息

粗糙集是一种描述不精确、不确定知识的数学工具,最初是由Pawlak.Z于1982年提出来的,该理论是一种有效的分析和处理不一致、不精确、不完备等各种信息的数据分析工具,知识约简是粗糙集理论的核心问题之一.基于论域上不同的二元关系,本文讨论了集值决策信息系统拓展模型的属性约简方法.·在基于邻域关系的集值决策信息系统中利用正域定义了可辨识矩阵,得到了知识约简的具体操作方法,并通过实例说明了该属性约简方法的有效性.·在基于变精度相容关系的集值决策信息系统中,首先定义了变精度相容矩阵,进一步定义了变精度相容矩阵距离,最后以变精度相容矩阵距离为启发信息给出了一种属性约简算法.·在基于模糊相容关系的集值决策信息系统中引入蕴含关系及条件模糊熵的概念,给出了集值决策信息系统属性约简的具体操作方法,并通过实例验证了属性约简方法的有效性.

关键词：集值决策信息系统邻域关系变精度相容关系模糊相容关系知识约简

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于邻域粗糙集模型的属性约简算法改进

微计算机信息 2010年第36期26卷 268-269,52页

作者：李三乐广东技术师范学院广州510665

邻域粗糙集模型可以直接处理连续型数据,属性约简是邻域粗糙集模型的重要研究内容之一。为了降低属性约简算法的计算代价,本文结合新的启发式运算因子,对基于邻域粗糙集模型的前向贪心数值属性约简算法进行改进,并证明该方法的合理性。... 详细信息

邻域粗糙集模型可以直接处理连续型数据,属性约简是邻域粗糙集模型的重要研究内容之一。为了降低属性约简算法的计算代价,本文结合新的启发式运算因子,对基于邻域粗糙集模型的前向贪心数值属性约简算法进行改进,并证明该方法的合理性。实例计算结果表明,在获得相同的结果下,该算法可以使计算量减少,提高计算效率。

关键词：粗糙集邻域关系决策表最佳属性约简核