属性加权

摘要： 为实现对电气故障快速、准确和动态的分类,提出一种有机结合实例和属性加权的朴素贝叶斯电气故障分类方法(AIWNB);朴素贝叶斯分类方法中的先验概率和条件概率采用两种实例加权方式加以改进,积极实例权值取决于各属性值频度的统计值,而消极实例权值通过逐条计算训练实例与测试实例间的相关性加以确定;属性权值则基于互信息定义为属性-属性相关性和属性-类相关性之间的残差;所提出的AIWNB方法将属性加权和实例加权有机结合在朴素贝叶斯统一框架内,利用高低压用户的电气实测数据进行验证,实验结果表明,与朴素贝叶斯相比,加权后的朴素贝叶斯方法更具竞争性,准确率和F1分数可提升3.09%和9.39%,证明所提的AIWNB算法在电气故障分类的实用性及有效性;并与其他电气故障分类方法进行对比,验证算法的优越性。

摘要： 为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以及约简方法.最后,通过实例验证了该约简方法的有效性.

摘要： 朴素贝叶斯分类器(Naïve Bayes,NB)是一种简单而有效的分类器,特别适用于中小规模数据分类.但作为以整体分类正确率为指导的传统分类方法,它在不平衡数据分类中对少数类的分类能力较弱.针对此问题,本文采用属性加权的方法增强朴素贝叶斯对于少数类的分类能力.类依赖属性加权朴素贝叶斯(class-specific attribute weighted naïve Bayes,CAWNB)是一种有效的属性加权朴素贝叶斯算法.本文通过在条件对数似然(conditional log-likelihood,CLL)和均方差(mean squared error,MSE)目标函数中引入平衡系数λ,提出了两个新的目标函数λ-CLL和λ-MSE,并进一步提出了通过最大化λ-CLL或最小化λ-MSE确定最优权重值的两个不平衡数据分类算法CAWNB^(λ-CCL)和和CAWNB^(λ-MSE).在不平衡的UCI数据集上的实验表明,这样的属性加权可以增强朴素贝叶斯对于少数类的分类能力,同时不会过分破坏其的总体分类能力.

摘要： 为了提高基于接收信号强度(received signal strength,RSS)的WiFi指纹定位方法的定位精度,提出基于距离和属性加权的室内定位方法(feature weighted K-nearest neighbors,FWKNN)。首先,对不同距离的主特征RSS进行权重分配计算加权距离;然后,用加权距离与离线指纹库进行匹配确定未知位置,对K近邻算法进行了改进;最后,利用卡尔曼滤波精确定位结果,进一步提升定位精度。上述算法结合了距离加权和属性加权的优点,能够更准确的计算各点的距离并选择合适的最近邻点。实验结果表明,FWKNN与KNN和GWKNN相比平均定位精度分别提升了34.6%和27.1%。

摘要： 朴素贝叶斯分类器的条件独立性这一假设称为"朴素贝叶斯假设",其限制了朴素贝叶斯分类的适用范围和分类准确率,本文提出用改进的鲸鱼优化算法来优化朴素贝叶斯分类器,并对算法进行应用研究以解决这个问题.改进的鲸鱼优化算法使用禁忌搜索机制来跳出算法寻优时候易陷入局部最优的误区.为了削弱朴素贝叶斯分类器独立性假设,通过改进的鲸鱼优化算法自动搜索分类器的属性全局性权值,从而提升了加权贝叶斯分类器运算的准确率.试验证明,相比较传统的朴素贝叶斯分类算法,本文优化后的加权贝叶斯分类算法具有更精准的分类结果.

摘要： 传统的聚类算法通常将样本间的距离作为相似度的划分标准,因此距离计算方式的选择对于聚类的结果至关重要.但是传统的距离计算方法忽略了不同数据属性特征对聚类的影响.为了解决此问题,论文结合K-means提出了一种基于属性加权的快速K-means算法FAWK.首先,定义了一个反映属性特征差异的离散度函数对属性特征进行加权;其次,根据加权属性特征计算数据属性间的距离,并将所有属性的加权属性距离求和作为样本间的相似性距离;然后,将加权属性距离作为FAWK算法的划分标准对数据进行聚类;最后,将论文算法与现有方法在8个UCI数据集和LAMOST恒星光谱数据集进行实验测试与分析,实验结果表明FAWK算法具有迭代次数少、运行时间短、聚类结果准确率高且更接近真实数据集划分情况的特点.

摘要： 针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题,提出了一种基于加权距离的聚类决策树算法.通过Relief-F算法为预测属性计算权重,并将权重用于树结点中数据的聚类过程,使用分簇结果对结点进行多路划分,得到可直接用于多分类问题的决策树.理论分析和实验结果表明,该算法与经典轴平行决策树相比,拥有更好的泛化能力以及相近的算法时间复杂度,与大部分斜决策树相比,在付出更少计算代价的前提下,获得了近似的正确率以及模型简洁度.

摘要： 针对当前建筑物消防检测受干扰影响较大,导致火灾预测精度较低的问题,给出一种用于消防检测的改进朴素贝叶斯算法.基于消防检测数据分析,通过信息增益计算加权值,将特征属性附加权重系数对朴素贝叶斯算法进行改进,并在此基础上通过Weka平台,设计并实现了改进朴素贝叶斯算法框架,将其用于消防检测.实验验证,比较朴素贝叶斯算法和其他分类预测方法,改进的朴素贝叶斯算法能有效解决每个特征属性对类别变量影响的关联度量化问题,降低了分类干扰,提高了消防隐患检测准确率.%Aiming at the problem that the fire detection of buildings is greatly affected by disturbance, which leads to the low accuracy of fire prediction, an improved naive Bayesian algorithm is proposed for fire detection. Based on the analysis of fire detection data, an improved naive Bayesian algorithm with additional weighting coefficients of feature attributes is proposed by calculating the weighting value through information gain. On this basis, an improved naive Bayesian algorithm framework is designed and implemented on the Weka platform, which is used in fire detection. Compared with naive Bayesian algorithm and other classification prediction methods, the improved algorithm can effectively solve the problem of associative measurement of the effect of each feature attribute on category variables, reducing the interference of classification, and improving accuracy of fire hazard detection.

摘要： 针对风电场风速随机性强、波动性明显以及预测难度高等问题,提出一种新型模块化风速预测的方法.该方法主要包含3个模块:风速属性加权模块、智能优化聚类模块及极限学习机风速预测模块.首先考虑不同气象属性对风速的影响和风速的时间波动特性,计算风速属性矩阵元素的皮尔逊系数值并进行加权;然后采用遗传-模拟退火算法优化模糊c均值聚类方法,对加权风速属性矩阵矢量进行聚类;再通过极限学习机构建各类别的风速预测模型,进行短期风速预测.最后结合美国一风电场(N39.91°,W105.29°)的实测数据对风速进行预测,通过对比仿真结果与实测数据验证该文方法的正确性和有效性,结果表明该方法具有较高的预测精度.

摘要： 现有的文本自动分类方法通常是基于向量空间模型并使用TF-IDF表示,忽略了属性在不同类别中重要性的差异,因而影响到分类的性能.本文提出一种基于聚类的文本分类属性加权方法:把训练集中的每个类别看作已知的聚簇(cluster),通过优化属性权重(每个类对应一组分类属性权重)以达到聚类效果最佳的目的,使在此权重下不同类别的文档得到尽可能的区分.运用kNN方法对Reuters-21578和20-Newsgroups的分类测试表明,使用C-Weighting的分类效果明显优于不使用C-Weighting时的效果.

摘要： 针对大规模、高维、稀疏的分类数据聚类,CLOPE算法相比于传统的聚类算法在聚类质量及运行速度都有很大的提升,然而CLOPE算法存在聚类的质量不稳定、没有区分每维属性对聚类的贡献度、需要预先指定排斥因子r等问题.为此,本文提出了基于随机顺序迭代和属性加权的分类数据聚类算法(RW-CLOPE).该算法在每轮迭代时,首先利用“洗牌”模型对原始数据进行随机排序,然后对随机排序的数据按加权CLOPE算法进行聚类.在每轮迭代中,无论是首轮还是后续各轮,都是取多组随机顺序数据进行聚类,并选取最优聚类作为下一轮的输入,这样几乎完全排除了输入顺序对聚类质量的影响.当聚类收益值几乎不再提升时,即收敛于一个稳定值时迭代终止,因此该算法能得到全局最优聚类.同时,根据属性维的信息熵计算各个属性的权重,以区别每维属性对聚类的贡献度,极大地提升了数据聚类的质量.最后,在高效的集群平台Spark上,实现了RW-CLOPE算法.在三个真实数据集上的实验结果表明:在不同顺序的数据集份数相同时,RW-CLOPE算法能比p-CLOPE算法取得更好的聚类质量.对蘑菇数据集,当CLOPE算法取得最优聚类结果时,RW-CLOPE比CLOPE取得高68％的收益值,比p-CLOPE取得高25％的收益值.在处理大量数据时,基于Spark的RW-CLOPE算法比基于Hadoop的p-CLOPE算法执行时间更短.计算资源充足时,随机顺序的数据份数越多,执行时间的提升越明显.

摘要： 基于不确定数据进行数据挖掘和知识发现的研究由于更加符合客观实际而逐渐成为近年来研究的热点．而在K—means算法聚类的过程中，样本空间各维度对聚类效果贡献的价值不同也成为现实应用中不可回避的问题．为了得到更加客观、真实的聚类结果，在经典K—means算法的基础上引入了属性的权值并重新构造了针对不确定数据集的聚类算法，并通过实验证明了该算法的有效性．

摘要： 属性约简是粗糙集理论的重要研究内容之一,本文对浓缩树结构中属性出现的频率进行加权,以属性频率的权重作为启发,以核为基础,从树中删除属性重要性最大的属性结点,直到树为空；为了找到信息系统的最优约简,在此基础上加了一个逆向消除的过程,直到不能再删为止.最后通过一个实例完整演示了该方法,证实其有效性.

摘要： 最优路径搜索功能是车载导航系统的路径规划模块的核心功能之一。车辆在道路路段上的旅行支出是综合考虑道路的各种属性，通过加权、无量纲化等计算后的结果.本文利用层次分析法对道路元素的各种属性加权，给出了不同类型的属性的无量纲化的标准函数。

摘要： 本文针对农业领域本体映射中概念相似度计算准确性不高的问题,将形式概念分析理论与粗糙集理论引入相似度计算.综合考虑概念格内属性间的层次关系,对不同深度的语义特征进行加权,提出缺值背景中的粗糙形式概念相似度计算理论与方法,给出相似度计算模型.实验表明该模型具有较高的计算精度.

摘要： 本文针对农业领域本体映射中概念相似度计算准确性不高的问题,将形式概念分析理论与粗糙集理论引入相似度计算.综合考虑概念格内属性间的层次关系,对不同深度的语义特征进行加权,提出缺值背景中的粗糙形式概念相似度计算理论与方法,给出相似度计算模型.实验表明该模型具有较高的计算精度.

摘要： 本文针对农业领域本体映射中概念相似度计算准确性不高的问题,将形式概念分析理论与粗糙集理论引入相似度计算.综合考虑概念格内属性间的层次关系,对不同深度的语义特征进行加权,提出缺值背景中的粗糙形式概念相似度计算理论与方法,给出相似度计算模型.实验表明该模型具有较高的计算精度.

摘要： 本文针对农业领域本体映射中概念相似度计算准确性不高的问题,将形式概念分析理论与粗糙集理论引入相似度计算.综合考虑概念格内属性间的层次关系,对不同深度的语义特征进行加权,提出缺值背景中的粗糙形式概念相似度计算理论与方法,给出相似度计算模型.实验表明该模型具有较高的计算精度.

摘要： 本文针对农业领域本体映射中概念相似度计算准确性不高的问题,将形式概念分析理论与粗糙集理论引入相似度计算.综合考虑概念格内属性间的层次关系,对不同深度的语义特征进行加权,提出缺值背景中的粗糙形式概念相似度计算理论与方法,给出相似度计算模型.实验表明该模型具有较高的计算精度.

摘要： 两个图元可以通过在粗像素中心处内插顶点属性来合并。输入属性被计算为内插顶点属性的覆盖加权平均。然后使用经合并的图元来执行粗像素着色。

摘要： 本发明公开了基于加权三维哈尔变换的点云属性编码方法及解码方法，其中，所述点云属性编码方法包括步骤：将点云进行八叉树划分，构建N层八叉树结构；针对八叉树的N‑1层，将当前层节点的8个子节点属性值作为变换输入系数进行加权三维哈尔变换，计算相应的N‑1层变换输出系数，至少包括一个低频系数；从八叉树的N‑2层开始直到根节点，将前一层变换输出的低频系数作为当前层节点的子节点变换输入系数进行加权三维哈尔变换，得到变换输出系数；将根节点变换输出系数及其它层变换输出高频系数作为所述点云变换输出系数。本发明提供的点云属性编码方法和解码方法能够提升子节点之间属性相关性地利用，从而有效提高点云属性压缩性能。

摘要： 本发明提供一种基于加权植被时序属性特征曲线的分类方法，选取一年内的多景双极化Sentinel‑1数据，采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象，根据植被生长季状况对其时序特征进行加权分析，运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线，然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线，通过挖掘深层次属性曲线之间的相关性，提高植被类别的分类精度。

摘要： 本申请公开了使用三角形的属性的加权平均来合并粗像素着色的片段。两个图元可以通过在粗像素中心处内插顶点属性来合并。输入属性被计算为内插顶点属性的覆盖加权平均。然后使用经合并的图元来执行粗像素着色。

摘要： 本发明公开了一种基于DS规则的多属性信息加权融合目标识别方法，包括获取雷达辐射源信号，并提取出对应的数据信号；以数据信号作为输入信息，基于EKNN分类器确定所述数据信号的分类结果；根据数据信号的分类结果，确定雷达辐射源信号的类型；本发明通过EKNN分类器为雷达辐射源信号对应的数据信号进行分类时，为每个数据信号对应的类别中的维度属性赋予权重值，区别的利用每个类别的不同雷达信号属性，对与数据信号分类结果影响度较大/较小的雷达信号属性赋予较高/较低的权重值，使得各雷达信号属性对不同数据信号类别具有不同的影响，可以有效提升数据信号分类的准确性，进而提升雷达辐射源信号的分类准确性。

摘要： 一种预测点云属性编解码的方法包括：接收包括至少一个候选点的点云数据，从接收到的点云数据中提取至少一个候选点的至少一个候选属性值。该方法还包括利用提取的所述至少一个候选属性值和权重因子计算加权中值，其中所述权重因子对应于提取的所述候选属性值关联的候选矢量的相对重要性因子。该方法还包括响应于计算所述加权中值，将至少一个预测索引分配给所述候选点，其中所述预测索引对应于用于视频编码的属性数据，以及处理所述媒体内容，从而对具有最低预测索引的候选点所关联的属性数据进行编码。

摘要： 本发明涉及无线通信技术领域，具体地说，是一种基于多属性加权的WLAN接入点选择方法，包括以下步骤：步骤一：给定初始的接入点选择策略；步骤二：在当前的接入策略中，每一个WS根据其他WS的选择，选择最佳AP；步骤三：记录每一个WS改变AP前后的WLAN的多属性加权指标变化情况，使网络的多属性加权指标增长最大的WS赢得更新当前关联的AP机会，当前的接入策略改变；步骤四：重复步骤二和步骤三，直至当前的接入策略不发生改变；步骤五：输出此时的接入策略，AC按照此接入策略调度WS。

摘要： 本发明的各实施例总体上涉及基于媒体内容的推荐的属性加权。具体地，公开了用于部分基于有多少用户实际查看或倾听媒体内容以及有多少用户“喜欢”内容或表明对内容的偏好来向内容的属性自动分配权重的技术。内容项可以是任何类型的音频或视频媒体内容(诸如，歌曲、视频或电影)以及书写内容(诸如，书籍、文章、日记、广告或杂志)。基于内容项的用户偏好之间的相似性确定第一相似性得分。基于内容项的一个或多个公共属性之间的相似性确定第二相似性得分。这些属性被分配表示消费了对应内容的用户数的评级。接着，使用例如线性方程回归技术基于第一相似性得分和第二相似性得分向每个属性分配权重。

摘要： 本发明公开了一种基于关系属性加权的高价值路径发现方法，涉及战场目标关系路径发现领域，包括：首先基于目标实体和关系数据构建关系网络图谱；然后设定起始目标、目的目标和终止阈值条件；然后开始遍历节点；并使用关系属性加权算法计算节点路径分值；得出所有符合条件的关系路径，并按照综合得分进行排序，对所有关系路径划分价值等级；最后将关系路径构建成子图谱输出；本发明考虑关系及关系属性等要素对路径发现的影响，旨在从复杂的战场目标关系图谱中发现用户关注的高价值路径，相比于现有的所有路径发现、最短路径发现、最优路径发现等技术而言，能有效降低低价值路径对用户进行目标关系分析时的干扰，进而辅助用户决策和提升效率。

摘要： 本发明涉及无线通信技术领域，具体地说，是一种基于多属性加权的WLAN接入点选择方法，包括以下步骤：步骤一：给定初始的接入点选择策略；步骤二：在当前的接入策略中，每一个WS根据其他WS的选择，选择最佳AP；步骤三：记录每一个WS改变AP前后的WLAN的多属性加权指标变化情况，使网络的多属性加权指标增长最大的WS赢得更新当前关联的AP机会，当前的接入策略改变；步骤四：重复步骤二和步骤三，直至当前的接入策略不发生改变；步骤五：输出此时的接入策略，AC按照此接入策略调度WS。