1974年1月创刊(月刊)
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TP
CODEN JKIEBK
编辑中心
    CRSSC-CWI-CGrC 2016 栏目所有文章列表
    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    1. 基于高斯云变换的遥感图像多粒度聚类
    刘旋,王国胤,罗小波
    计算机科学    2017, 44 (9): 23-27.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.004
    摘要 (65)   PDF (1825KB) (360)  
    遥感图像技术的迅猛发展,使得传统聚类方法的局限性日益凸显。针对其信息量大、结构复杂等特点,从多粒度、多层次的角度来分析与理解地学现象,能够更好地解决遥感图像的自适应聚类问题。基于云模型与混合高斯相结合的高斯云变换是一种求解多粒度问题的新方法,能够解决问题域中多粒度的生成问题,但是其时间复杂度较高以及对噪声敏感等缺点,导致对遥感图像的聚类结果不理想。因此提出一种改进的高斯云变换方法,首先通过K-Means聚类优化初始粒度的选择,其次结合幅度云综合对粒度跃升策略进行改进,然后使用一种隶属度距离进行粒度的区域划分,最终对遥感图像进行聚类。实验结果验证了所提方法的正确性和有效性。
    参考文献 | 相关文章 | 多维度评价
    2. 二型模糊粗糙属性约简模型
    路娟,李德玉
    计算机科学    2017, 44 (9): 28-33.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.005
    摘要 (70)   PDF (443KB) (200)  
    属性约简是粗糙集理论的重要应用之一,其目的是在保持分类能力不变的前提下去掉冗余的属性,从而简化信息系统。由于经典粗糙集等价关系的要求过于严格,为了更好地解决实际问题,将粗糙集与二型模糊集结合,得到二型模糊粗糙集。利用论域和特征空间的积空间上的两个一型模糊集来构造论域的一个二型模糊划分,将模糊粗糙集属性约简的模型推广到二型模糊粗糙集框架中,得到了一个二型模糊粗糙属性约简的模型,并举例说明了用此模型进行属性约简的方法。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(2)
    3. 基于Local约简的序贯三支分类器
    鞠恒荣,李华雄,周献中,黄兵,杨习贝
    计算机科学    2017, 44 (9): 34-39.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.006
    摘要 (95)   PDF (513KB) (250)  
    序贯三支决策是三支决策理论近年发展起来的一种新型决策方法。传统的序贯三支决策方法鲜有针对序贯信息粒的构建和其在分类学习中的应用的研究。针对这两个问题,研究了Local约简与Global约简之间的内在序贯性,并以此构建了具有约简特性的序贯信息粒。在此基础上设计了一种序贯三支分类器。实验结果表明,该序贯三支分类器不仅能很好地在合适信息粒上进行分类,而且较传统的分类算法提高了数据集的分类精度。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(3)
    4. 基于弯曲距离三支决策的时序相似性算法
    徐健锋,何宇凡,张远健,汤涛
    计算机科学    2017, 44 (9): 40-44.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.007
    摘要 (134)   PDF (484KB) (305)  
    动态时间弯曲距离算法(DTW)是目前公认的最有效的时间序列相似性计算方法之一,但是较高的时间复杂度一直是其主要缺点。快速弯曲距离算法(FTW)能有效提高DTW的计算速度,但是该算法对不同粒度时间序列剪枝的行为是典型的二支决策,与人类处理不确定问题时普遍采用的三支判断不同。因此,通过将三支决策理论引入到DTW算法的优化工作中,建立了DTW三支决策模型;然后对DTW三支决策模型中的决策阈值α和β进行了基于误识别率的推导,并且给出了具体求解阈值α和β的模拟退火算法;最后基于上述理论提出了基于弯曲距离三支决策的时序相似性算法(3WD-DTW)。通过对比实验表明,与FTW算法相比,3WD-DTW算法在保持较快的计算速度的前提下明显提升了计算准确度,使其接近DTW的水平。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(2)
    5. 一种基于决策粗糙集的模糊C均值聚类数的确定方法
    石文峰,商琳
    计算机科学    2017, 44 (9): 45-48.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.008
    摘要 (99)   PDF (973KB) (289)  
    Fuzzy C-Means(FCM)是模糊聚类中聚类效果较好且应用较为广泛的聚类算法,但是其对初始聚类数的敏感性导致如何选择一个较好的C值 变得十分重要。因此,确定FCM的聚类数是使用FCM进行聚类分析时的一个至关重要的步骤。通过扩展决策粗糙集模型进行聚类的有效性分析,并进一步确定FCM的聚类数,从而避免了使用FCM时不好的初始化所带来的影响。文中提出了一种基于扩展粗糙集模型的模糊C均值聚类数的确定方法,并通过图像分割实验来验证聚类的效果。实验通过比对不同聚类数下分类结果的代价获得了一个较好的分割结果,并将结果与Z.Yu等人于2015年提出的蚁群模糊C均值混合算法(AFHA)以及提高的AFHA算法(IAFHA)进行对比,结果表明所提方法的聚类结果较好,图像分割效果较明显,Bezdek分割系数比AFHA和IAFHA算法的更高,且在Xie-Beni系数上也有较大优势。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(5)
    6. 基于软K段主曲线的LPR字符特征的提取方法
    焦娜
    计算机科学    2017, 44 (9): 49-52.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.009
    摘要 (88)   PDF (332KB) (227)  
    车牌识别是智能交通系统的重要组成部分,提高车牌字符识别率的关键在于提取字符的特征。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法的分析可知:软K段主曲线算法对提取分布在弯曲度很大或相交曲线周围的数据的主曲线的效果较好。因此,尝试用该主曲线算法来提取车牌字符的结构特征。实验结果表明,利用该主曲线算法来提取车牌识别的结构特征能够取得较好的实验效果。所提方法为提取 车牌字符特征的研究提供了一条新途径。
    参考文献 | 相关文章 | 多维度评价
    7. 三元背景及概念三元格的简化
    祁建军,魏玲
    计算机科学    2017, 44 (9): 53-57.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.010
    摘要 (148)   PDF (366KB) (320)  
    三元概念分析是对形式概念分析理论的扩展,三元背景作为其数据基础在实际生活中普遍存在。三元背景所反映的三元关系是形成概念三元格的基础,它比形式概念分析中的二元关系更复杂,因而在此基础上形成的三元概念以及概念三元格就更为复杂。对此,提出一种三元背景和概念三元格的信息简化方法,该方法将三元关系拆解为最本质的二元关系,并在保证所有二元关系不变的基础上,同时考虑三元背景的3个论域,删减其中不必要的元素,以减少数据量,简化三元背景和概念三元格的表达方式。进而,得到简化后概念三元格的一些性质以及简化前后三元概念的关系等理论结果,为进一步的算法研究与应用以及更深入的理论分析工作奠定基础。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(3)
    8. 一种基于非负矩阵分解的聚类集成算法
    何梦娇,杨燕,王淑营
    计算机科学    2017, 44 (9): 58-61.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.011
    摘要 (180)   PDF (297KB) (294)  
    为了解决通过原始数据集获得的基聚类结果存在一定的信息丢失,从而使得集成阶段的有效信息减少的问题,提出了一种基于非负矩阵分解的K-means聚类集成算法。该算法先利用K-means聚类算法获得集成信息矩阵,然后从原始数据集获取数据相关性,将两者结合后通过非负矩阵分解(NMF)技术构建共识函数以获得最终结果。实验证明,所提算法可以有效获取原始数据的潜在信息,并提高聚类质量。
    参考文献 | 相关文章 | 多维度评价
    9. 基于概念格的异构数据知识发现方法
    牛娇娇,范敏,李金海,殷允强
    计算机科学    2017, 44 (9): 62-66.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.012
    摘要 (86)   PDF (348KB) (241)  
    基于概念格的知识发现方法已被广泛关注,同时也吸引了众多学者的研究兴趣,特别是决策形式背景的知识发现,近年来取得了一些重要的研究成果。然而,现有的知识发现方法在面临大数据环境时,缺乏可行性与有效性。考虑到异构性是大数据的主要数据特征之一,针对异构数据,研究了基于概念格的知识发现方法。具体地,提出了异构形式背景及其概念格,通过异构形式背景定义了异构决策形式背景,进一步在异构决策形式背景上讨论了规则提取问题,并给出了挖掘非冗余决策规则的有效算法。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(4)
    10. 基于多代价的决策粗糙集属性约简
    杨志荣,王宇,杨习贝
    计算机科学    2017, 44 (9): 67-69.   https://doi.org/10.11896/j.issn.1002-137X.2017.09.013
    摘要 (114)   PDF (299KB) (173)  
    与经典粗糙集相比,传统的决策粗糙集将代价考虑在内,利用代价矩阵生成一对阈值。但决策粗糙集不具备经典粗糙集的单调性,这为粗糙集的属性约简带来了新的挑战。传统的决策粗糙集中的代价矩阵只有一个,没有考虑到代价的变化性。首先介绍了多代价决策粗糙集下的悲观决策规则和乐观决策规则的定义,利用多个代价矩阵来生成阈值,并将其用于属性约简中。在属性约简中,从单独的决策类出发而不是基于全部的决策类提出了启发式的Local属性约简方法,且从相关实验结果中可以得到,相对于基于全部的决策类的属性约简,Local属性约简在乐观条件下比在悲观条件下能获得更多的正域规则。
    参考文献 | 相关文章 | 多维度评价
    被引次数: Baidu(1)
    首页 | 前页| 后页 | 尾页 第1页 共2页 共16条记录