基于模糊聚类模型的葡萄酒分类

应用模糊聚类分析的思想和方法,综合考虑酿酒葡萄的各项理化指标,建立了葡萄酒分类的数学模型。一方面,通过对理化指标的相关性分析进行属性约简,刻画了理化指标之间的内在联系;另一方面,在属性约简的基础上对每个属性进行加权,经实验验证两方面均可以优化模糊聚类分析模型对葡萄酒质量的分类效果。     

基于关系积的属性约简算法

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现.     

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。     

地震多属性在浊积扇河道砂体识别中的应用

浊积体中河道砂体单层厚度薄,横向变化快,受断层构造影响大,利用常规瞬时振幅沿层切片方法很难识别河道砂体展布,而用地层切片构建等时地层格架,利用谱分解技术将相干属性与地层切片结合起来,运用测井相、沉积相资料可对浊积扇的河道砂体进行综合预测.将此方法运用到渤海工区中取得了较好的实际效果,查明了河道砂体的展布规律,为后期的布井钻探提供了依据.     

容错粗糙主成分分析的属性约简方法

在分析大肠早癌荧光数据属性约简方法的基础上,提出一种基于容错关系信息熵的粗糙主成分属性约简方法.该方法首先针对数据的不完整特性,建立容错关系粗糙集模型.然后,引入随信息量减小而单调下降的信息熵,建立基于信息熵的容错关系粗糙集模型,并进行初步数据属性处理.最后,结合主成分分析方法,形成基于容错关系信息熵的粗糙主成分分析方法,在进行数据降维处理的同时提取数据特征.以大肠早癌荧光光谱为实验数据的分析处理结果表明,该方法可以有效地降低荧光光谱数据的处理维数,提取影响医疗诊断的特征数据,减少后续数据处理的复杂度.     

多组独立样本下一般统计函数的渐近性质

统计学家PaulJanseen等人于1984年引入了一般统计函数类，巧妙地运用Gateaux微分及U统计量的一些结果得到了一般统计函数类的渐近正态性质，本文在他们工作的基础上进行了推广，引入了多组样本条件下的一般统计函数类，并利用Generalized-U统计量的性质及Gateaux微分得到了多组独立样本下一般统计函数的渐近正态性质。     

基于属性理论的西部地区高速公路后评价

为了科学、有效地总结西部地区已投入运营的高速公路项目的经验教训,提高西部地区高速公路项目管理水平,基于属性理论建立了西部地区高速公路后评价模型。首先,从过程评价、投资与效益评价、影响评价、目标持续性评价4个方面构建了西部地区高速公路后评价指标体系。属性理论的运用,能将定量因素和定性因素有机结合起来进行评价,运用属性理论建立了后评价模型。最后,将该公路后评价模型应用于甘肃省某高速公路项目,并通过获取的各项基本参数,对案例公路进行了后评价分析。研究结果表明,该项目实施与运营效果良好。针对于这一评价效果,对案例项目的经验教训进行了总结,提出了关于西部地区高速公路项目发展的针对性建议。     

高维数据流的聚类离群点检测算法研究

针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测（CODHD-Stream）算法。该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的 K-means 聚类算法将数据集划分成微聚类,并检测微聚类的离群点。通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度。     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

基于用户模型和属性扩散的混合个性化推荐

电子商务的飞速发展,在为人们提供了更加方便快捷的购物途径同时,如何给用户提供更加人性化的推荐服务,是电商赢得市场需要解决的关键问题。以淘宝电子商务平台为依托,提出基于用户模型和商品属性扩散的混合个性化推荐系统,研究用户兴趣的时间演化和空间扩散方法,综合运用多种推荐方法,给为用户提供更加精准的推荐服务。实验证明,该方法具有较明显的效果,能够较好地运用于同类电商平台。