约简

摘要： 模糊功能树是模糊推理领域的研究重点之一。针对现有研究遇到的技术瓶颈,文章首先在模糊数学领域论述了模糊功能树逻辑命题定义,通过矩阵计算实现模糊功能的创新推理,然后提出了面向创新的保熵约简原则,给出模糊功能树的保熵约简功能求解方法,并实现了逻辑等价的约简,同时维持原有的创新能力,为模糊推理的理论建设带来突破。

摘要： 利用矩阵方法研究模糊β-覆盖近似空间中有关模糊β-最小和最大描述的问题,并研究模糊β-覆盖近似空间的约简问题.首先,通过定义的新矩阵计算模糊β-最小和最大描述,并用相关的实例进行验证.其次,定义去除交可约元的约简,提出有效计算约简的一种矩阵方法.最后,研究模糊β-最大描述和去除交可约元产生的约简之间的联系.

摘要： [目的/意义]提出一种基于主成分约简和突变级数的学术期刊综合评价方法.[方法/过程]首先,采用主成分约简法将相关的指标转换成相互独立分量,并根据贡献度确定主分量;其次,利用突变级数法对约简后的主分量进行处理,并实现二次综合集成;最后,选取部分综合林业类期刊进行实证研究,并将该方法结果与其他方法结果进行对比.[结果/结论]研究表明,该方法可以较好地处理学术期刊评价指标具有层次性、矛盾性、相关性的特点,能够得到客观准确的评价结果,为学术期刊评价问题提供了一种新思路.

摘要： 为了提高虚拟现实场景中三维模型的渲染速度,通过对三维模型的结构特征的研究,在分析了三维模型各个子结构对模型整体的真实性的影响权重大小不同,提出了基于结构权重的三维模型结构的动态约简方法.该方法可以通过计算三维模型每个子结构的权重系数,针对不同硬件水平的计算机,根据视点与三维模型结构的距离,动态调节模型子结构的渲染效果,实现模型的快速渲染.通过对该方法进行的测试实验,表明该方法显著提高了三维模型的渲染效率,减少了模型三角面片的渲染数量,降低了系统的内存占有率,保证了模型的真实性.同时经过对比实验,相同距离下,该方法显著提高了虚拟现实场景渲染时的FPS(画面每秒传输帧数).

摘要： 通过对重采样技术和属性约简方法进行研究,提出一种多模态选择性集成学习算法SE_RSAR.采用重采样方法扰乱样本空间,采用一种基于相对决策熵的属性约简方法扰乱特征空间,通过这种多模态的扰乱策略增加个体分类器之间的差异性.实验在多个UCI数据集上完成,KNN算法被用来训练个体分类器.实验结果表明,相对现有的集成学习算法,SE_RSAR算法能够取得更好的分类效果.

摘要： 探究模糊广义决策信息系统的证据特征和信任约简.首先,给出模糊广义决策信息系统中的模糊上、下近似算子及其相关性质.然后,基于证据理论探讨模糊广义决策信息系统的数值特征,并在模糊广义决策信息系统中,利用证据理论中的模糊信任和模糊似然函数对模糊近似集进行刻画.最后,根据模糊信任函数定义的属性重要度,提出模糊广义决策信息系统信任约简的算法,并给出实例验证其有效性.

摘要： 面向具有缺失属性值的不完备数据,文中从辨识矩阵的角度构造不完备信息系统和不完备决策系统的多粒度约简结构.首先,讨论基于悲观和乐观多粒度近似的不完备信息系统的约简性质,构造不完备信息系统和不完备决策系统的3种多粒度辨识矩阵.然后,理论性证明通过对构造的辨识矩阵进行析取、合取逻辑运算,可精确得到不完备信息系统和不完备决策系统的所有多粒度近似约简.最后通过实例验证文中多粒度约简方法的有效性和实用性.

摘要： 给出了一种基于粗糙集理论的规则提取和约简方法.采用模糊C均值方法对实际数据进行聚类分析,提取初始决策表,然后用粗糙集理论方法对该决策表进行约简,得到极小决策表.采用了一个实际决策对象,对算法进行演示和验证.

摘要： 粗糙集理论是一种处理模糊和不确定性的有效数学工具,已经成功应用于数据挖掘、模式识别、过程控制等领域.粗糙集理论中约简的概念同集合论中集合极小覆盖的概念有本质上的联系,文中针对这一点进行了讨论.分别证明了属性约简、属性值约简和决策规则约简同集合极小覆盖的有条件等价,给出了用求解集合极小覆盖问题的算法求解各种约简问题的理论依据.

摘要： 研究了树型文档的结构相似性度量,提出了一种二维的树型文档结构相似性度量方法。该方法首先计算文档树的结构摘要以对树型文档进行约简.然后,提出了两个特征集,它们分别从不同的角度反映了摘要树中的结构特征,而且相互补充.与这两个特征集相对应,提出了一种二维的结构相似性度量,其中包含两个相似度:纵向结构相似度和横向结构相似度,将它们结合起来,可以得到比较准确的最终的相似度.在实际数据集和合成数据集上的实验结果都显示,基于这种二维的相似性度量的聚类结果质量较高,说明这种相似性度量具有很好的准确性。

摘要： 本文提出了用于刻画不一致程度的概念——不一致层次,讨论了不一致层次的性质.用三种粗糙集模型对决策系统中由约简引起的分类率、分类正确率、未分类率和不一致层次的变化进行了讨论.讨论结果对粗糙集理论的研究和实际应用具有一定的指导作用.

摘要： 研究在不完备信息系统(incomplete information system,IIS)中的知识获取已经成为近期粒度计算研究的热点方向之一.为探索一种高效的知识获取方法,基于相容粒度计算的基本原理,针对不完备信息系统的特点,提出了一种完整的知识获取算法.该算法包括不完备信息系统的属性约简算法和系统中对象的约简算法.其主要特点是在由完全覆盖构成的粒度世界中去研究知识的表示和获取问题,其基本粒就是最大相容类.对算法的性能进行了理论和实验分析,证明了算法的有效性和可行性.

摘要： 文章设计了一个粗糙集理论的神经网络结构.该网络利用粗糙集理论对原始数据进行特征选择,约简了冗余特性,减小了BP网络的输入维数,提高了网络的学习效率.在对一组数据实际分类的过程中,与单纯的神经网络相比较,在同等精度要求的情况下属性约简后的网络训练时间短,识别能力强.

摘要： 针对电网故障时,可能产生的保护装置或断路器拒动、误动以及通信装置传输缺陷所造成的信号缺失甚至错误的情况,应用粗糙集理论进行对原始专家库的约简处理.提出了一种基于粗糙集理论的新约简算法,并为每条规则加入了相应的置信度.根据支持某一决策的规则数目以及每条规则的置信度,创造性的提出了综合分析置信度的算法.编程实现了对故障决策表的约简,测试结果证明了该约简算法的有效性和可用性.

摘要： 给出了广义信息系统以及其上的广义关系,在统一的模型下研究了知识约简问题.通过属性集上的闭算子给出了简化约简的方法.

摘要： 本文旨在利用粗糙集优越的约简理论对文本进行分类.主要完成了以下几个方面的任务:对文本进行了预处理,包括分词、词性标注、停用词的过滤以及同义词的处理;改进了Okapi权重计算公式,综合考虑了位置、词频、文本长度、反文档频率等因素,并对权值进行了离散化;实现了属性约简和规则抽取,首先利用区分矩阵对特征向量维数进行了初次压缩,然后通过相对约简计算再次压缩了特征向量维数,并生成了决策规则;采取了规则合成的策略,生成最终的决策规则;设计了一种文本与规则的匹配算法,使匹配过程尽可能简单有序.试验结果表明该方法是行之有效的.

摘要： 将概念格应用于入侵检测系统中,构造了一个基于规则分类判决的入侵检测模型;提出了决策规则格和决策规则格约简的概念,获得了入侵检测的分类规则集.实验表明此方法能较好地缩减分类规则集中的规则数目,且有较高的分类正确率.

摘要： 本发明公开一种基于自适应约简阈值的物联网感知数据约简系统及方法，系统包括数据加载模块、自适应数据约简模块和数据重建模块；采用这个系统进行数据约简的方法基于实时的物联网感知数据，在传感器端通过概念漂移检测对数据变化趋势建模，基于漂移检测动态自适应确定卡尔曼滤波器的约简阈值，基于卡尔曼滤波器的数据估计与实际值之差约简数据并将约简后的数据和建模的数据趋势上传至边缘端，在边缘端根据约简后数据与数据趋势重建数据，最终达到在保证数据准确率和数据质量的前提下减少数据采集和传输的目的，同时可以显著降低传感器节点的能源消耗以及边缘端数据存储。

摘要： 本发明公开了基于多随机变量最优约简模型的输电系统调度约简方法，属于电力系统领域，包括：在综合最优约简框架的基础上，提出一种新的输电系统调度场景约简方法，该方法利用关联权重来平衡相关损失，并利用原始集与约简集之间的概率相似性来提高高维场景约简的性能；该模型的优化目标是选择一个具有代表性的场景子集，该子集不仅能使场景约简前后的关联损失最小化，而且能最大限度地提高原始场景集与简化场景集之间的相似度。应用本申请实施例，基于以上结果和分析，提出的方法在多目标变场景约简问题中表现出良好的性能，在实际应用中具有有效性。

摘要： 本发明公开了面向深度神经网络的自然语言处理技术测试用例约简方法，包括：步骤1)、明确待测试的模型，并使用原始数据对基于深度神经网络的自然语言处理模型进行训练；步骤2)、使用训练好的模型提取原始测试集的特征向量，并将提取的文本数据的特征向量存储在xlsx文件中；步骤3)、定义评价函数对文本数据测试用例进行排序，评价函数值越大表示测试用例被错误分类的可能性越大，将评价函数值大的测试用例依次向前排。本发明从所使用文本数据独有的特征出发，定义了衡量测试用例被错误分类可能性大小的函数；随着基于深度神经网络自然语言处理技术模型的普及，可有效提升这类模型的测试效率，削减测试成本。

摘要： 本发明针对变异测试领域中变异体数量巨大，导致变异测试成本过高的问题，提出了一种基于自组织映射神经网络的变异体约简方法。首先根据弱变异转化法构建变异体对应的变异分支，将变异分支插入原程序中得到新程序，然后用测试用例集执行新程序得到弱变异测试下的变异体杀死矩阵，将变异体杀死矩阵作为变异体的特征数据，进一步获取变异体位置信息和变异体的变异算子类型信息生成变异体特征矩阵，再使用自组织映射神经网络聚类技术约简冗余变异体。本发明在保证测试有效性几乎不受影响的同时可以约简大量的冗余变异体，从而降低变异测试成本，提高软件测试效率。

摘要： 本发明公开了一种基于RS‑PCA的雷达导引头干扰效能评估指标体系约简方法，属于干扰效能评估技术领域。本发明将粗糙集和主成分分析法相结合，对评估指标体系进行约简；首先利用粗糙集对指标体系进行约简，得到几组指标体系约简集；再利用主成分分析法选择其中贡献率最大的一组属性约简集，得到最终的约简结果。本发明充分利用了粗糙集处理不确定、不精确和不完整信息的优势，以及主成分分析法通过贡献值评价约简集的客观性，设计了指标体系约简方法，实现干扰效能评估指标体系最优约简集的生成，有效解决了指标体系代表性弱和相关性强等问题，显著提高干扰效能评估的客观性、科学性和可操作性。

摘要： 本发明公开了一种事件信息采集中的事件规则约简方法，其步骤如下：(1)将用户定制的事件规则ER拆分为子事件规则集SER；(2)判定SER间是否满足相交关系，通过运算选取事件规则，得到约简的SER集LS。本发明方法针对事件信息采集效率低下的问题，为事件规则、子事件规则的要素组成提供了指导，分析了子事件规则间的相交关系，提高了事件信息采集的性能。

摘要： 本发明公开了一种基于CAE网络的双曲型系统模型约简方法，所述方法包括如下步骤：步骤1：采集传感器时空数据，并对时空数据进行预处理；步骤2：对高维时空数据进行模型约简，训练CAE网络，获得编码器网络和解码器网络，由此计算系统的低维表示；步骤3：训练GRU网络，建立系统低维表示的低维时间序列模型；步骤4：将系统最近的时空数据经标准化后送入CAE编码器获得双曲型系统的低维表示，利用低维时间序列模型预测下一时刻低维表示的输出值，再由CAE解码器进行解码，重构未来输出的预测值，进行反标准化得到系统原始传感器时空数据的预测值。该方法通过使用CAE网络，提高了双曲型系统的模型约简精度。

摘要： 本发明公开了一种面向光伏运维数据的约简方法，从光伏电站的运维系统中导出光伏运维数据；设置种群大小，最大代数；迭代执行改进的差分演化操作得到最优个体；将最优个体解码为光伏运维数据的约简结果，即实现光伏运维数据的约简。本发明应用改进的演化算法来优化光伏运维数据的约简效果，在改进的演化算法中，利用选择的个体与最优个体的适应值差值作为启发式信息，再利用启发式信息对选择的个体与最优个体进行线性组合生成组合均值，然后利用组合均值增强最优个体在搜索过程中的主导作用，以此提升算法的局部搜索能力，从而提高了光伏运维数据的约简效率。

摘要： 本发明公开了一种基于反馈机制的自然语言处理模型测试用例约简方法。本发明可以有效削减测试成本，提升测试效率，并提升这类模型的质量。本发明包括：步骤1)、在原有数据集基础上依据数据类别分层抽样获取小的数据集D；2)、依据已有的测试用例评价函数将数据集D分为两类，第一类为容易使模型出错的类别第二类为不容易使模型出错的类别；3)、使用分类好的数据集训练SVM模型，并使用训练好的SVM模型对剩余数据进行分类得到初始测试集T；4)、引入反馈机制，使用初始测试集进行测试得到错误数据，将错误数据反馈到SVM模型中对其参数进行及时调整，并重新对剩余数据进行分类和得到新的错误数据，迭代到最大迭代次数停止得到最终约简后的测试用例集。

摘要： 本发明公开了多标签文本挖掘技术领域的一种基于空时网络聚类约简集成的极端多标签学习方法，包括以下步骤：空时网络注意力集成表征；自适应标签关系增强和聚类约简学习；加权的约简标签集不平衡学习；本发明集成了多标签文本中词、短语、标签三者之间交互注意力，探索了词、短语、标签之间的依赖关系，有效提升了极端多标签文本表征能力；提出自适应标签关系增强和聚类约简学习机制，通过自适应标签关系增强，能有效挖掘标签之间的依赖关系，提升模型的泛化性，通过聚类约简学习，能有效将不同量级标签适应现有模型进行训练；提出加权的约简标签集不平衡学习机制，解决了标签稀疏和不平衡带来的模型泛化性、可扩展性差等问题。