属性重要度

摘要： 针对现有的决策形式背景属性约简方法不能处理多粒度数据的问题,文中提出3种多粒度决策形式背景的属性约简方法,目的是通过删除每个协调粒度层下相同类别的类属性块,实现信息系统的属性约简.首先从信息粒的角度出发,在多粒度决策形式背景中引入协调粒度层的信息熵及条件信息熵,利用它们进一步度量属性重要度.然后,在多粒度决策形式背景中基于平均条件信息熵、最粗协调决策形式背景条件信息熵及最细协调决策形式背景条件信息熵,提出协调粒度约简方法、最粗协调粒度约简方法、最细协调粒度约简方法及其实现算法.最后,通过实验验证文中提出的3种属性约简方法的有效性,对比这3种方法得到的属性约简集,发现协调粒度约简方法的约束条件较严,相比之下,最粗协调粒度约简方法和最细协调粒度约简方法约束条件相对宽松.

摘要： 现有的节点重要度排序方法大多只针对网络的拓扑结构进行研究,忽视了网络节点自身所包含的属性信息.然而这些属性信息至关重要,却广泛存在不完备性,这些不完备属性信息与节点的重要性密切相关.针对这一问题,提出一种基于优势粗糙集理论和TOPSIS方法的网络节点重要度分析方法,融合网络结构特性和节点属性信息,克服了单一从拓扑结构分析的局限.最后,将本文所提出的方法应用于微博社交网络中的用户重要度评价,并与其他方法进行比较,结果表明,该方法的排序结果对节点在属性信息和结构特性的重要性进行了较好的综合,能全面地体现出各节点的重要程度.

摘要： 基于粗糙集理论的模型筛选与组合预测方法对于舰船维修费用的预测具有较强的应用价值,然而在连续属性离散化方面却存在部分问题。针对由多种预测模型预测值构成的数据表的离散化及模型筛选问题,分别分析了有监督离散化算法和无监督离散化算法的局限性与适用性,并针对无监督离散化算法可能改变原有不可分辨关系、已有的改进算法可能存在的断点冗余以及分别考虑决策表与条件属性的不相容度导致的计算复杂的问题,引入决策表相容度作为反馈信息,从整体上考虑决策表的相容度,初次离散化选取数值合理的断点数,并结合各条件属性的属性重要度对各条件属性进行排序,通过逐次对决策表相容度进行判别,依排序情况逐个对条件属性的断点数进行调整,以达到离散化效果并保证决策表的相容度不变。通过例证分析,验证了该算法的有效性。

摘要： 针对不完备混合数据,提出一种基于邻域区分度的属性约简方法.首先,在不完备混合邻域决策系统中,针对3种数据类型定义新的距离函数,由此给出邻域、邻域容差关系及其邻域上下近似集等概念,构造邻域粗糙集模型.然后,在不完备混合邻域决策系统中定义区分关系,给出邻域区分度、相对邻域区分度等度量,并讨论相关性质及定理.最后,基于相对邻域区分度定义不完备混合邻域决策系统的属性约简集、属性重要度等概念,设计一种启发式的不完备混合数据属性约简算法.8个公共数据集上的实验结果表明,所提出的属性约简算法可以获取最优/次优属性子集,且具有较好的分类精度.

摘要： 文章针对已有的基于粗糙集理论的组合预测单项模型筛选方法存在属性重要度可能均为0的问题,选取属性频率作为属性重要度评价标准;针对原算法未考虑单项模型预测精度可能导致组合预测精度不高的问题,结合单项模型的均方根误差构成新的属性重要度评价标准,提高了组合预测精度,同时解决了属性因重要度相同而难以选择的问题;为使算法完整,将筛选过程细化为有核与无核两种情况,并给出详细算法步骤。结合四种组合预测方法与不筛选和原算法得到的模型集进行实例对比分析,验证了筛选的必要性与该算法的有效性。

摘要： 冗余属性过多是影响分类算法运行效率和准确率的重要因素。为了提高分类算法的运行效率和分类准确率,提出一种基于改进邻域粗糙集属性重要度的快速属性约简算法。首先,提出一种改进的KNN属性重要度;其次,利用改进过属性重要度的邻域粗糙集对原始数据的条件属性进行重要度排序,利用排序结果对原始数据进行属性约简,得到约简后的特征子集;最后,将约简后的特征子集输入分类模型进行分类预测。实验仿真结果表明,与改进前的基于邻域粗糙集的属性约简算法相比,所提出的方法具有较高预测精度和较快运行速度。

摘要： 当数据集发生变化时,基于粗糙集的增量方法可以对属性约简进行快速更新。考虑样本增加的动态情况,现有方法对添加的全部样本进行增量计算,时间消耗仍然较大。该文考虑样本的重要程度,认为不同区域的样本对约简更新的贡献程度不同,只选取贡献度大的样本参与约简的更新,从而有效降低计算量。在邻域粗糙集框架下,该文针对分类问题的连续值信息系统,根据样本的分布提出了基于不确定性和邻域关系粗糙集的增量属性约简方法。首先,利用不确定性和分类器结果对样本的贡献程度进行度量和类型划分;然后,针对不同类型的新增样本设计相应的处理策略,在此基础上提出新的增量属性约简算法;最后,在11个UCI数据集上进行大量实验,结果表明该方法与现有方法相比进一步降低了时间耗费,并保持了良好的分类精度和约简能力。

摘要： 为了满足用户进行水体富营养化评价时的不同需求,针对水体富营养化评价中各评价指标的多样性和不确定性,综合考虑指标的多粒度特性,运用集对信息粒计算方法构建多粒度水体富营养化评价模型.首先,分级别建立样本各个指标的集对关联度,根据正同度最大和负反度最小的等级,计算评价确定度;其次,计算各个指标的信息熵,根据熵的大小确定评价指标的重要度,分析不同指标子集下不同粒度的评价确定度,构建多粒度的水体富营养化评价模型;最后,以我国12个代表性湖库为实例对模型进行了验证,并与Gamma-云方法、改进粗-云方法、模糊可变集法、单一指标法、神经网络法以及投影寻踪法的评价结果进行了对比,结果表明该模型可以客观反映水体的实际状况,适用性更强.

摘要： 测风数据能够真实客观地反映该区域内风能情况,数据质量对计算风电场理论出力有重要意义.文章根据异常风速数据产生的原因及特点,提出了一种基于最小二乘滤波-肖维勒组合的风速数据识别算法,并利用测风塔不同高度的风速数据波动关联性的特点,对待剔除的数据进行校正.在数据缺失情况下,提出了基于属性重要度-相似片段的补齐方法,得到完整风速数据.对比分析了常用异常数据识别和补齐方法,结果表明,文章所提方法可有效剔除并重构异常数据,对不同风电场有较强的通用性,具有一定的工程实用价值.

摘要： 经典粗糙集的前向启发式正域约简算法没有考虑到存在多个重要度最大的条件属性时如何合理地去选择候选属性;同时在度量条件属性间相关性时忽略了决策属性的影响程度,由此得到的约简集合泛化能力较弱.针对这些问题,首先引入信息粒度,提出一种候选属性选择的优化策略;其次引入信息论中交互信息的概念,通过计算属性之间的交互信息来剔除冗余属性;并在此基础上,提出了基于信息粒度与交互信息的属性约简改进算法;最后在高维微阵列基因表达数据集上进行对比实验,实验结果表明,本文提出的算法有较好的属性约简结果和分类准确率.

摘要： 支持向量机(SVM)是一种新型的基于统计学习理论的机器学习方法,已经成功的应用于模式识别和函数估计等问题中.已有的加权支持向量机方法大都是从样本重要程度的角度来考虑问题,本文提出了两种基于样本属性重要度的加权SVM方法,包括基于增益比率和基于Gini指标的属性重要度加权SVM方法.这两种方法分别通过计算各个属性的增益比率和Gini指标来评估样本属性的重要度.并把这两种方法与已有的基于信息增益的属性重要度加权SVM方法作了比较,数值实验的结果表明,这两种方法在所选数据集上提高了分类器的分类能力.

摘要： 决策表是粗糙集理论和应用中的重要问题,是粗糙集研究的主要对象,因此决策表的属性约简的研究更为重要。本文在粗糙集理论的基础上,分析传统的盲目删除属性算法和基于属性重要度的属性约简算法,根据两种方法各自的优缺点,提出一种结合上述两种方法改进的基于属性重要度的属性约简算法,最后给出了基于属性重要度算法和改进后算法的时间复杂度分析,通过比较得出改进后算法的可行性。

摘要： 基于树结构的三支决策增量聚类算法(TIOC-TWD算法)同时解决了数据增量和重叠问题,但该算法在距离度量时没有考虑到属性重要度不同的问题.针对以上问题,本文给出了一种基于属性重要度的加权三支决策增量软聚类算法(W-TIOC-TWD算法),将属性重要度考虑到距离度量中,弥补了TIOC-TWD算法在聚类过程中将所有属性的重要程度视为相等的不足,并且提出了离群点这一定义,提高了算法的时间效率.分别在人工数据集和UCI数据集上验证W-TIOC-TWD算法的有效性,实验结果表明W-TIOC-TWD算法比原算法具有更高的聚类准确率和稳定性.

摘要： 基于树结构的三支决策增量聚类算法中的静态数据聚类算法(SOC-TWD算法)有效解决了数据重叠问题,但该算法只能对纯数值数据进行距离度量,并且度量时没有考虑属性重要度不同的问题.针对以上问题,本文提出了一种面向混合属性数据的加权三支决策聚类算法(MAW-SOC-TWD算法),该算法定义了一种新的混合属性权重系数分配方法,改写了SOC-TWD算法中的距离计算公式,将属性重要度考虑到距离度量中,弥补了SOC-TWD算法只能针对纯数值数据进行聚类以及聚类过程中将所有属性的重要程度视为相等的不足.并在UCI数据集上验证MAW-SOC-TWD算法的有效性,实验结果表明MAW-SOC-TWD算法具有更高的聚类准确率和稳定性.

摘要： 知识粒度主要应用于信息系统的属性约简.为了把知识粒度拓展到决策表约简领域,在研究知识粒度的基础上,定义了相对知识粒度的概念,证明了对一致决策表约简而言,相对知识粒度表示与Pawlak代数表示的等价性.进一步定义了基于相对知识粒度的属性重要度,提出了两个基于相对知识粒度的启发式决策表约简算法.通过理论分析与实例表明约简算法是有效可行的.

摘要： 以粒计算为基础对Rough集的知识约简进行研究,利用粒计算的思想定义了属性重要度,并对一些流行算法做了对比,实验结果表明这一方法具有较好的约简效果和较低的执行时间。

摘要： 不完备信息表的属性约简具有实际应用的价值.文章介绍了一种新的不完备信息表的二元关系--限制容差关系.同时,在讨论限制容差关系的基础上提出一种采用属性重要度的属性约筒算法,并给出一个实例验证算法的可行性.

摘要： 目前已有的基于粗糙集的属性约简算法中,计算属性重要性的算法复杂度可以进一步降低。本文提出一个新的较为合理的度量属性重要性的计算公式,并分析了该计算公式的性质,然后给出了一个时间复杂度更低的快速属性约简算法,最后用一个实例说明了算法的有效性.

摘要： 目前已有的基于粗糙集的属性约简算法中,计算属性重要性的算法复杂度可以进一步降低。本文提出一个新的较为合理的度量属性重要性的计算公式,并分析了该计算公式的性质,然后给出了一个时间复杂度更低的快速属性约简算法,最后用一个实例说明了算法的有效性.

摘要： 目前已有的基于粗糙集的属性约简算法中,计算属性重要性的算法复杂度可以进一步降低。本文提出一个新的较为合理的度量属性重要性的计算公式,并分析了该计算公式的性质,然后给出了一个时间复杂度更低的快速属性约简算法,最后用一个实例说明了算法的有效性.

摘要： 本发明提供了一种基于时空属性的交通网络节点重要度测算方法，首先以道路交通路网的单元路段为节点，以组成构件上传感器采集的检测数据组成时间序列，基于时间序列的相关性对路网进行建模；随后，考虑节点之间的空间关系，对节点重要性进行测算，包括获取交通网络的邻接矩阵和转移矩阵；构造距离矩阵和概率矩阵，并标准化概率矩阵，构造Google矩阵G；用幂法求解矩阵G的主特征向量，即得到各节点重要度。本发明在模型建立和重要度测算时考虑了路网的时空属性，能更好地表征实际网络，测算结果也更符合实际情况。

摘要： 本发明公开了一种基于聚类的大数据属性重要性和辨识度的预警方法及系统。本方法为：首先根据时间段划分样本，其次使用抽样‑>聚类‑>计算降维指标进行大数据降维，将聚类获得的簇作为已知的标签，再次针对降维后的数据，使用聚类算法对样本聚类，将聚类结果作为分类标签，使用属性重要性和辨识度提取方法，提取由数据本身决定的属性对分类的影响力”标，包括：属性值辨识度、属性辨识度、属性值重要性、属性重要性；最后，将各个时间段的四项指标分别形成时间序列，使用拐点分析方法进行时间序列的研究，可以做出不同层面的异常值预警，预警效果好。

摘要： 本发明公开了一种基于聚类的大数据属性重要性和辨识度的预警方法，针对现有的不便于对聚类的大数据进行预警问题，现提出如下方案，其包括以下步骤：S1、对大数据进行采集，采集的数据集合定为N；S2、分裂法构造K个分组，每一个分组代表一个聚类，将数据集合划分到K个分组内；S3、通过聚类算法完成数据的分组；S4、对K个分组内数据量进行预设，同时对K个分组内的数据量进行计算；S5、将计算的数据量与预设的数据量进行对比，当计算的数据量大于预设的数据量时，进行预警；S6、对K个分组内数据的增长速度进行统计，本发明可以实现对大数据的预警，利于对大数据的重要性和辨识度进行掌握。

摘要： 本发明提供了一种基于时空属性的交通网络节点重要度测算方法，首先以道路交通路网的单元路段为节点，以组成构件上传感器采集的检测数据组成时间序列，基于时间序列的相关性对路网进行建模；随后，考虑节点之间的空间关系，对节点重要性进行测算，包括获取交通网络的邻接矩阵和转移矩阵；构造距离矩阵和概率矩阵，并标准化概率矩阵，构造Google矩阵G；用幂法求解矩阵G的主特征向量，即得到各节点重要度。本发明在模型建立和重要度测算时考虑了路网的时空属性，能更好地表征实际网络，测算结果也更符合实际情况。

摘要： 本发明公开了一种基于聚类的大数据属性重要性和辨识度的预警方法及系统。本方法为：首先根据时间段划分样本，其次使用抽样->聚类->计算降维指标进行大数据降维，将聚类获得的簇作为已知的标签，再次针对降维后的数据，使用聚类算法对样本聚类，将聚类结果作为分类标签，使用属性重要性和辨识度提取方法，提取由数据本身决定的属性对分类的影响力”标，包括：属性值辨识度、属性辨识度、属性值重要性、属性重要性；最后，将各个时间段的四项指标分别形成时间序列，使用拐点分析方法进行时间序列的研究，可以做出不同层面的异常值预警，预警效果好。

摘要： 本发明提出了一种基于多属性决策的复杂网络节点重要度综合评价方法，利用网络中单个节点的度中心性、介数中心性、接近中心性、结构洞等多个指标作为该节点重要性评价的多个属性进行综合计算，从而确定节点在网络中的重要程度。由于采用了基于多属性决策的节点重要性综合评价方法，得到了准确的节点重要性排序，克服了现有发明中利用单一指标评价复杂网络中节点重要性的不足。利用本发明对“风筝网络”、“ARPA网络”、“科研合作网络”的计算结果表明，本发明不仅可以针对不同类型的复杂网络节点进行其重要性的综合计算，而且可以选择多个不同的节点重要性评价指标进行综合评价，具有很好的扩展性。

摘要： 一种色斑属性判定方法，对含有色斑的皮肤的区域进行划定，对所述区域的血管密度进行测定，根据所述血管密度对所述色斑的属性进行判定。

摘要： 预测值计算部(40)基于大楼(18)内的各设备正常运行时由传感器组(12)取得的多个检测值信息，来计算被预测为如果设备正常运行则各传感器会检测到的检测预测值。异常度计算部(42)基于各传感器的检测预测值与各传感器的实际的检测值之间的差异，来计算各传感器的异常度。异常重要度计算部(46)不仅基于某个传感器检测到异常值的异常检测时的该传感器的异常度，还基于异常检测时的该关注传感器以外的传感器即其他传感器的异常度，来计算该关注传感器的异常重要度。

摘要： 本发明属于网络信息技术领域，公开一种网络流量数据属性重要度排序方法、装置、设备及介质，所述方法包括：获取待处理网络流量数据属性集At；采用弱序关系对网络流量数据属性集At中的属性进行排序，获得定性属性重要度排序；采用特征向量法对网络流量数据属性集At进行处理，获得定量属性重要度排序；分别计算属性Ati在定性属性重要度排序和定量属性重要度计算中的评估状态值v(Ati)；将两个评估状态值求和后作为属性Ati的综合属性重要度，排序获得网络流量数据属性重要度排序结果；输出所述网络流量数据属性重要度排序结果。本发明方法分别考虑定性属性重要度与定量属性重要度，再综合汇总得到最终的属性重要度排序，使得排序结果的有较强的准确性。

摘要： 本发明属于网络信息技术领域，公开一种基于数据与用户的综合属性重要度确定方法及系统；所述方法，包括：获取待处理数据集，所述数据集的全部属性构成属性集{At1,At2,……,Atn}，其中，n为属性的总数；采用随机森林模型对属性集{At1,At2,……,Atn}进行处理，获得第一属性重要度向量wD；采用特征向量法对属性集{At1,At2,……,Atn}进行处理，获得第二属性重要度向量wU；对第一属性重要度向量wD和第二属性重要度向量wU进行加权求和得到总的综合属性重要度权重；输出所述总的综合属性重要度权重。本发明方法综合考虑基于数据角度与基于用户角度的属性重要度，使得对于属性的重要度分析更为全面更加客观。