基于动态约简的铁路牵引供电系统故障诊断研究

对铁路牵引供电系统中的复杂信息进行采集并构建决策表,基于动态约简方法建立故障诊断数学模型,降低了已有诊断方法中对专家主观判断的依赖性,提高了故障诊断结果的可靠性。后对津山线牵引供电系统的故障情况进行了分析。     

基于半监督稀疏多流形嵌入的高光谱影像分类

提出了一种半监督稀疏多流形嵌入方法,并应用于高光谱影像分类.该方法充分利用少量标记和大量无标记样本,采用稀疏表示方法得到样本的稀疏系数,并选取来自同一流形的点作为近邻点,然后构建相似图来表征多流形结构,得到样本在每个流形上低维鉴别特征,增加来自同一流形的数据点聚集性,进而提升分类性能.本文方法在PaviaU和Salinas两个高光谱数据集上的总体分类准确度分别达到84.91%和89.74%,相较于其他方法明显提高了地物分类性能.     

基于边界域条件熵的最优尺度约简

由于现实世界中属性具有多层次多尺度,因此多尺度决策表的概念被提出.目前对多尺度决策表的研究大多集中在最优尺度组合上,但通过最优尺度组合得到的并不是一个真正的约简集,仍需再次进行属性约简,因此可能会导致求约简的时间较长.为此考虑利用边界域条件熵直接求最优尺度约简.首先,引入多尺度决策表中最优尺度约简的定义,给出多种最优尺度约简的定义,探讨在协调和不协调两种背景下几种最优尺度约简之间的关系.其次,给出多尺度决策表中边界域条件熵的定义,讨论边界域条件熵的若干性质以及与约简的关系.最后,给出基于边界域条件熵的最优尺度约简算法,并用实验验证该方法的有效性.     

一种快速图像特征降维方法:SPCA

讨论了几种图像特征降维算法,着重介绍了一种简单、快速、性能优越的Simple PCA（Simple Principal Component Analysis,SPCA）算法,并就SPCA算法、PCA算法以及广义Hebb（GHA）算法等高维数字图像压缩算法进行了比较实验.实验结果表明：SPCA算法在保证压缩性能的前提上,能有效提高压缩速度.     

基于布尔矩阵的保持二元关系不变的概念约简

通过布尔矩阵运算,研究保持二元关系不变的概念特征和概念约简问题。首先,用布尔矩阵表示形式背景,用关系矩阵生成对象\属性关系矩阵,并研究其相关性质。其次,通过矩阵运算获取概念约简中三种不同概念的概念特征。最后,用矩阵运算实现概念区间集的极小运算,简化辨识矩阵,给出概念约简的求解方法,与已有的形式背景的概念约简方法进行比较,该矩阵算法简单且时间复杂度更低。     

属性值和属性变化的增量属性约简算法

针对决策信息系统属性增加且属性值发生细化的情况下如何快速更新属性约简的问题,探讨了基于矩阵方法计算决策信息系统相对知识粒度的增量更新机理,设计了属性增加且属性值发生细化的矩阵增量约简算法。当决策表中的属性值细化且决策表中属性增加时,所提出的增量约简算法与非增量约简算法及其他增量约简算法相比,约简的分类精度变化不大,但是能够大大缩短计算约简的运行时间。最后利用一些UCI数据集做了大量仿真实验,仿真结果验证了所给出的动态属性约简算法能够有效地解决动态数据约简的问题。     

基于循环矩阵投影的Nyström扩展

不同于采样矩阵近似方法,设计了一种基于随机循环矩阵投影来实现矩阵的近似。首先,利用随机采样得到一个初始矩阵的近似轮廓,然后构造循环嵌入矩阵,将该循环矩阵作为投影矩阵,从而将输入数据空间的初始轮廓嵌入到一个低维的特征子空间上,最后在特征子空间上进行奇异值分解,从而扩展了传统的Nyström方法。与其他典型的矩阵近似方法相比,所设计的Nyström方法具有时间复杂度低、重构精度高的优点。最后通过实验证实了所设计的循环矩阵投影方法的有效性,可以实现对传统Nyström方法的有效扩展。     

基于粗糙集理论的多维定性变量约简方法

基于粗糙集理论中的属性约简方法,提出了一种基于信息熵进行多维定性变量的约简方法,并进行了实证分析.     

集值信息系统在相容关系下的属性约简

借助于属性集值的相似程度在集值信息系统上定义了一种新的相客关系,给出了这种相客关系下集值信息系统的属性约简与判定,得到了集值信息系统属性约简的具体探作方法,并讨论了相似水平对集值信息系统的属性约简的影响.     

一种高效鲁棒的无监督模糊c均值聚类算法

先通过数据约简技术在不损失数据聚类结构的前提下对数据进行精简, 利用提出的近似模糊c均值聚类算法对精简后数据进行划分得到初始化中心, 再在该中心基础上通过模糊c均值聚类算法结合聚类有效性指标, 实现对数据的无监督聚类, 改进了无监督模糊c均值聚类算法聚类性能过分依赖初始化中心及大数据集下计算效率不理想的问题. 与已有算法的对比实验表明, 所提出的算法具有更高的求解精度与计算效率, 得到的聚类个数更合理.