期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于模糊邻域粗糙集的启发式属性约简算法 被引量：5
1
作者 任晓霞 薛凡 《计算机工程与应用》 CSCD 北大核心 2018年第9期47-53,212,共8页
属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后... 属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法。实验结果表明,所提出的算法具有较好的属性约简性能。 展开更多
关键词 属性约简 模糊邻域粗糙集 依赖度 知识粒度 模糊邻域粒度
在线阅读 下载PDF
模糊邻域粗糙集的决策熵不确定性度量 被引量：7
2
作者 樊雲瑞 张贤勇 杨霁琳 《计算机工程与设计》 北大核心 2021年第5期1300-1306,共7页
针对不确定性度量的强健构建与泛化推广,采用代数表示与信息表示的融合,提出模糊邻域粗糙集的决策熵。关于模糊决策概念,代数粗糙度的信息函数深入诱导出模糊邻域相对决策熵;关于模糊决策分类,决策类集成自然诱导出模糊邻域相对决策熵,... 针对不确定性度量的强健构建与泛化推广,采用代数表示与信息表示的融合,提出模糊邻域粗糙集的决策熵。关于模糊决策概念,代数粗糙度的信息函数深入诱导出模糊邻域相对决策熵;关于模糊决策分类,决策类集成自然诱导出模糊邻域相对决策熵,融合依赖度改进出模糊邻域依赖决策熵。模糊邻域决策熵实施了代数与信息的复合构建,呈现关于属性与半径的双重粒化单调性,具有鲁棒的不确定性刻画能力,决策表实例与数据集实验验证了相关有效性。 展开更多
关键词 模糊邻域粗糙集 不确定性度量 决策熵 粗糙度 依赖度 粒化单调性
在线阅读 下载PDF
基于模糊邻域相对决策熵的属性约简算法 被引量：1
3
作者 徐久成 张杉 +1 位作者 白晴 马妙贤 《计算机科学》 北大核心 2025年第2期165-172,共8页
针对模糊邻域粗糙集对数据分布敏感且无法有效评估密度差异较大数据集的分类不确定性这一问题,提出了一种基于模糊邻域相对决策熵的属性约简算法。首先,采用相对距离定义样本的分类不确定度,重塑模糊邻域相似关系,并结合变精度模糊邻域... 针对模糊邻域粗糙集对数据分布敏感且无法有效评估密度差异较大数据集的分类不确定性这一问题,提出了一种基于模糊邻域相对决策熵的属性约简算法。首先,采用相对距离定义样本的分类不确定度,重塑模糊邻域相似关系,并结合变精度模糊邻域粗糙近似,减少样本被归入错误类别的可能性;其次,在信息观下将模糊邻域可信度和覆盖度引入信息熵,并与基于代数观构造的模糊邻域相对依赖度相结合,提出模糊邻域相对决策熵;最后,设计一种基于模糊邻域相对决策熵的属性约简算法,从信息观和代数观两个角度来评估属性的重要度。在8个公共数据集上将其与现有的6种属性约简算法进行对比实验,结果表明,所提算法能有效地测量不同数据分布下样本的不确定度,提高数据的分类性能。 展开更多
关键词 属性约简 模糊邻域粗糙集 分类不确定度 信息熵
在线阅读 下载PDF
基于多粒度模糊邻域熵的在线流组特征选择
4
作者 韩子钦 徐久成 +2 位作者 章磊 周长顺 许诗卉 《计算机工程与设计》 北大核心 2025年第1期214-222,共9页
针对传统在线流组特征选择方法无法处理异常或者缺失的不完备混合数据,导致特征选择效果不佳的问题,在不完备系统中提出一种基于多粒度模糊邻域熵的在线流组特征选择算法。考虑不完备混合数据中的不确定信息,将决策自信息与模糊邻域熵... 针对传统在线流组特征选择方法无法处理异常或者缺失的不完备混合数据,导致特征选择效果不佳的问题,在不完备系统中提出一种基于多粒度模糊邻域熵的在线流组特征选择算法。考虑不完备混合数据中的不确定信息,将决策自信息与模糊邻域熵相结合,从代数和信息视角提出多粒度模糊邻域熵;提出在线流组内、组间粒选度,根据模糊邻域对比度对特征组进行冗余分析。在8个公共数据集上进行实验对比分析,所提算法在处理不完备混合数据时能有效消除冗余特征,提高数据的分类精度。 展开更多
关键词 流特征选择 流组 自信息 模糊邻域粗糙集 不完备决策系统 模糊邻域熵 重合度
在线阅读 下载PDF
面向模糊邻域动态特征交互的特征选择方法
5
作者 徐久成 牛武林 +2 位作者 段江豪 张杉 白晴 《西北大学学报(自然科学版)》 北大核心 2025年第2期320-332,共13页
针对大部分基于模糊邻域信息系统的特征选择方法,在选入特征时只是单调的按照特征顺序进行特征交互的问题,以及大多数特征度量函数仅从代数观或信息观的视角构造度量函数的缺陷,提出了一种基于模糊邻域动态特征交互的特征选择方法。首先... 针对大部分基于模糊邻域信息系统的特征选择方法,在选入特征时只是单调的按照特征顺序进行特征交互的问题,以及大多数特征度量函数仅从代数观或信息观的视角构造度量函数的缺陷,提出了一种基于模糊邻域动态特征交互的特征选择方法。首先,引入模糊邻域互信息计算特征相关度,并根据特征相关度将特征顺序重组。其次,分析特征动态交互的过程,通过模糊邻域互信息以及模糊邻域条件互信息,按照特征排序依次计算特征之间的冗余及动态交互程度。最后,为改善大多数特征度量函数构造视角单一的缺陷,提出一种多视角下的依赖模糊邻域混合互信息度量函数。在8个公共数据集上与现有的7种属性约简算法进行对比实验,实验结果表明,该算法消除了冗余特征,同时提高了数据分类的准确度。 展开更多
关键词 特征选择 模糊邻域粗糙集 动态特征交互 互信息 条件互信息
在线阅读 下载PDF
基于中心偏移的Fisher score与直觉邻域模糊熵的多标记特征选择 被引量：1
6
作者 孙林 马天娇 《计算机科学》 CSCD 北大核心 2024年第7期96-107,共12页
现有多标记Fisher score模型中边缘样本会影响算法分类效果。鉴于邻域直觉模糊熵处理不确定信息时具有更强的表达能力与分辨能力的优势,文中提出了一种基于中心偏移的Fisher score与邻域直觉模糊熵的多标记特征选择方法。首先,根据标记... 现有多标记Fisher score模型中边缘样本会影响算法分类效果。鉴于邻域直觉模糊熵处理不确定信息时具有更强的表达能力与分辨能力的优势,文中提出了一种基于中心偏移的Fisher score与邻域直觉模糊熵的多标记特征选择方法。首先,根据标记将多标记论域划分为多个样本集,计算样本集的特征均值作为标记下样本的原始中心点,以最远样本的距离乘以距离系数,去除边缘样本集,定义了新的有效样本集,计算中心偏移处理后的标记下每个特征的得分以及标记集的特征得分,进而建立了基于中心偏移的多标记Fisher score模型,预处理多标记数据。然后,引入多标记分类间隔作为自适应模糊邻域半径参数,定义了模糊邻域相似关系和模糊邻域粒,由此构造了多标记模糊邻域粗糙集的上、下近似集;在此基础上提出了多标记邻域粗糙直觉隶属度函数和非隶属度函数,定义了多标记邻域直觉模糊熵。最后,给出了特征的外部和内部重要度的计算公式,设计了基于邻域直觉模糊熵的多标记特征选择算法,筛选出最优特征子集。在多标记K近邻分类器下、9个多标记数据集上的实验结果表明,所提算法选择的最优子集具有良好的分类性能。 展开更多
关键词 多标记学习 特征选择 Fisher score 多标记模糊邻域粗糙集 邻域直觉模糊熵
在线阅读 下载PDF
基于Fisher score与模糊邻域熵的多标记特征选择算法 被引量：5
7
作者 孙林 马天娇 薛占熬 《计算机应用》 CSCD 北大核心 2023年第12期3779-3789,共11页
针对Fisher score未充分考虑特征与标记以及标记之间的相关性,以及一些邻域粗糙集模型容易忽略边界域中知识粒的不确定性,导致算法分类性能偏低等问题,提出一种基于Fisher score与模糊邻域熵的多标记特征选择算法(MLFSF)。首先,利用最... 针对Fisher score未充分考虑特征与标记以及标记之间的相关性,以及一些邻域粗糙集模型容易忽略边界域中知识粒的不确定性,导致算法分类性能偏低等问题,提出一种基于Fisher score与模糊邻域熵的多标记特征选择算法(MLFSF)。首先,利用最大信息系数(MIC)衡量特征与标记之间的关联程度,构建特征与标记关系矩阵;基于修正余弦相似度定义标记关系矩阵,分析标记之间的相关性。其次,给出一种二阶策略获得多个二阶标记关系组,以此重新划分多标记论域;通过增强标记之间的强相关性和削弱标记之间的弱相关性得到每个特征的得分,进而改进Fisher score模型,对多标记数据进行预处理。再次,引入多标记分类间隔,定义自适应邻域半径和邻域类并构造了上、下近似集;在此基础上提出了多标记粗糙隶属度函数,将多标记邻域粗糙集映射到模糊集,基于多标记模糊邻域给出了上、下近似集以及多标记模糊邻域粗糙集模型,由此定义模糊邻域熵和多标记模糊邻域熵,有效度量边界域的不确定性。最后,设计基于二阶标记相关性的多标记Fisher score特征选择算法(MFSLC),从而构建MLFSF。在多标记K近邻(MLKNN)分类器下11个多标记数据集上的实验结果表明,相较于ReliefF多标记特征选择(MFSR)等6种先进算法,MLFSF的平均分类精度(AP)的均值提高了2.47~6.66个百分点;同时,在多数数据集上,MLFSF在5个评价指标上均能取得最优值。 展开更多
关键词 多标记学习 特征选择 Fisher score 多标记模糊邻域粗糙集 模糊邻域熵
在线阅读 下载PDF
基于粗糙集和Bi-LSTM-Attention网络的电力系统暂态评估 被引量：6
8
作者 王晨宇 王锡淮 肖健梅 《控制工程》 CSCD 北大核心 2022年第2期330-338,共9页
为了降低不稳定因素对现代复杂的电力系统暂态评估的影响,在基于模糊领域单参数粗糙集和注意力机制的双向长短期记忆(Rs-Bi-LSTM-Attention)网络下,提出了一种电力系统暂态稳定评估模型。该模型首先用模糊领域单参数粗糙集对电力系统潮... 为了降低不稳定因素对现代复杂的电力系统暂态评估的影响,在基于模糊领域单参数粗糙集和注意力机制的双向长短期记忆(Rs-Bi-LSTM-Attention)网络下,提出了一种电力系统暂态稳定评估模型。该模型首先用模糊领域单参数粗糙集对电力系统潮流数据进行属性约简,该方法既保证了准确率又提高了核心因素的权重;然后,通过Bi-LSTM-Attention网络对约简后的数据与电力系统暂态稳定状态之间建立映射关系,其中引入了LayerNormalization对高层神经网络的输入数据进行处理,使得高层神经网络不仅能适应低层参数更新,而且可以加快网络的收敛速率。最后,用评估准确率和F_(1-measure)两种评价指标对该模型的性能进行评估。IEEE39算例分析表明,Rs-Bi-LSTM-Attention模型比机器学习模型和部分深度学习模型具有更高的优越性。 展开更多
关键词 模糊邻域单参数粗糙集 电力系统暂态评估 Layer-Normalization 双向长短期记忆神经网络 注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部