属性重要性

摘要： 为了改进传统决策树算法存在的一些问题,文章结合粗糙集理论提出一种基于粒度决策熵的决策树算法DTGDE.DTGDE算法采用粒度决策熵作为分裂属性的选择标准.在该信息熵模型中,粒度决策熵可以同时表示知识的完备性和知识的粒度大小,因此,利用粒度决策熵来选择分裂属性能够更加全面地考察每个属性对决策分类的贡献.实验结果表明,DTGDE算法具有比现有决策树算法更好的入侵检测性能.

摘要： 为了改进传统决策树算法存在的一些问题,文章结合粗糙集理论提出一种基于粒度决策熵的决策树算法DTGDE。DTGDE算法采用粒度决策熵作为分裂属性的选择标准。在该信息熵模型中,粒度决策熵可以同时表示知识的完备性和知识的粒度大小,因此,利用粒度决策熵来选择分裂属性能够更加全面地考察每个属性对决策分类的贡献。实验结果表明,DTGDE算法具有比现有决策树算法更好的入侵检测性能。

摘要： 特征选择是模式识别领域重要的数据预处理步骤之一,旨在从原始特征集合中选出最有效的特征子集使得给定评价准则达到最优.为此,文中提出了一种基于粗糙集和果蝇优化算法的特征选择方法.该方法基于一种新的双策略进化果蝇优化算法进行特征子集的迭代寻优,并结合粗糙集属性依赖度和属性重要性构造适应度函数对所选特征子集进行评估,既可以在全局范围内尽可能多地搜索出重要的特征,又能选出对决策最具有贡献的有效特征子集.在UCI数据集上的实验结果表明,提出的特征选择方法可以有效地搜索出具有最少信息损失的特征子集,并达到较高的分类精度.

摘要： 采用简单熵计算方法对原始数据进行离散,得出决策信息系统.运用粗糙集方法对货物周转量的影响因素进行约简,将约简后条件属性作为解释变量,构建货物周转量多元线性回归模型,运用Eviews软件标定参数,同时对模型的回归显著性进行检验.以2013~2015年货物周转量为例进行预测,得出货物周转量的增长率分别为1.9%,1.0%和?3.8%,周转量分别为29746.26,30054.87和29812.16亿t?km,与实际数据相对吻合度平均为89.05%,表明预测方法具有一定的可靠性.%The simple entropy calculation method was used to discretize the original data, and the decision information system was obtained. The rough set was used to reduce the influencing condition attributes of freight turnover. The rest attributes were taken as explanatory variables, and the explanatory variables and freight turnover were used to establish multiple linear regression model. By using Eviews software to calibrate parameters, the regression significance of the model was tested concurrently. The goods turnover during 2013?2015 was taken as an example to forecast. The predicted growth rate values of goods turnover are 1.9%, 1.0% and ?3.8%, respectively, whereas the turnover values of goods are 29 746.26, 30 054.87 and 29 812.16 tons kilometers, respectively. The average degree of agreement with the actual data is 89.05%, which indicates that the method has certain reliability.

摘要： 目前粗糙集的研究局限于有限集,且现有的邻域粗糙集属性约简算法中属性重要性度量方式单一.针对邻域粗糙集存在的问题,提出了基于无限集的邻域近似条件熵模型.该模型以邻域近似条件熵下的属性重要度为启发条件,构造了一种基于邻域近似条件熵的前向贪心搜索属性约简算法.利用熵的单调性,证明了算法的正确性,并分析了算法的时间复杂度.通过实例分析和多个UCI数据集上的实验表明,所提出的算法是可行的,能有效减少属性数量,与现有的算法相比,不仅能够获得较小的属性约简结果,而且具有较好的分类性能.

摘要： 为了更有效地改善手势以延长其生命周期,采用量化指标指导手势改善方向的决策。基于属性重要度,给出了复杂人因条件下手势改善方向的决策算法。根据模糊层次分析法计算指定手势每个属性的全局权重,并根据用户反馈计算指定手势每个属性的局部权重,全局权重与局部权重调和得到综合权值向量。依据用户对指定手势的综合印象,将各属性评分分为两类分别进行处理。根据各属性的正向与负向影响力,得到权值向量中各属性权值分布。对各属性评分分别计算标准化评分偏置,各属性改善需求程度排序通过权值分布与标准化评分偏置进行计算。实验结果表明,基于该算法比基于问卷调查决策制定的手势,支持率平均提高了25%,从而得出结论：手势优化过程中各属性的权值排序是稳定的。

摘要： 引言:就传统的数据挖掘技术来说,其在数据量级方面存在着一定的局限性,影响最终的效果,所以将粗糙集理论应用其中。对此,本文以算法的优化为切入点,对一种基于粗糙集的海量数据挖掘算法进行分析。结合本文的分析,其目的就是优化海量数据挖掘算法,并以全新的并行算法等为基础,提高海量数据挖掘的效率,以期为相关人员提供参考。1.基于粗糙集对Rough Set知识约简算法的改进1.1离散化算法在Rough Set知识获取方法中,数据离散化是其关键的构成内容之一,本文就采用属性重要性的方式,将CDL引入到原算法之中,保证这种算法能够实现对海量数据的挖掘。

摘要： 提出一种基于邮件头信息的三支决策垃圾邮件过滤方法.该方法使用一种新的属性重要度度量方法,并用该度量方法将邮件头信息属性依据重要度大小进行排序,然后按属性重要度的大小顺序对邮件计算贝叶斯概率并进行三支决策.当信息较少以致不足以决策时,按属性重要度大小顺序增加新的属性信息以帮助进一步的决策,直到得到最后的邮件分类.对比实验结果表明,该方法是合理且有效的.%A method of three-way decision spam filtering was proposed in this paper based on the head information of E-mail.The head information is sorted by a new measurement of attribute significance.Bayesian probability based on the most significant attributes is computed to do the actions of three-way decisions.When the information is not enough to make decisions,more attribute information is added to the computing of Bayesian probability until the final decisions are made.The results of comparative experiments show that the new method is reasonable and effective.

摘要： 针对属性值为三参数区间灰数不一致决策表的属性约简问题,根据灰信息间的偏好关系,以三参数区间灰数间的优势程度为基础,构建灰色优势关系,考虑决策表不完备性与不一致性的影响,设计基于辨识矩阵的上、下近似分配约简算法.为降低约简过程复杂性,定义2种属性重要性的概念,并提出基于2种属性重要性的启发式约简算法.实验结果表明,与基于1种属性重要性的算法相比,该算法能够有效处理三参数区间灰数不一致决策表的属性约简,且算法的复杂度较低.%For attribute reduction problem in inconsistent decision table whose attribute values are three-parameter interval grey numbers,two attribute reduction algorithms are presented.According to the preference between grey information,a grey dominance relation is constructed based on the dominance extent of two grey numbers.A reduction algorithm called up-down approximate reduction based on discernibility matrix is proposed with considering the comprehensive influence of incompleteness and inconsistence.In order to reduce the complexity of reduction process,two kinds of attribute importance are defined.A heuristic reduction algorithm based on two kinds of attribute importance is put forward.Experimental results illustrate the proposed algorithm could not only cope the attribute reduction in inconsistent decision table whose attribute values are three-parameter interval grey numbers,but also possess a lower algorithm complexity when compared with the algorithm based on one kind attribute importance.

摘要： 采用属性的重要性作为启发式属性约简规则比较普遍,为了探讨属性重要性定义对约简的影响,本文将几种基本的属性重要性定义进行编程和数据库运算,从运算结果中获得了对属性重要性定义的一点新认识.

摘要： 属性约简是对大数据集进行数据处理的需要.依据Rough集理论关于属性约简的基本理论和判定条件,以及大数据集启发式约简中属性重要性的重要意义,对大型数据表的启发式属性约简分别提出等价类最大近似度MAAEC和等价类最大差异度MDAEC的属性重要性定义和启发式约简算法.实例演算证明此两法计算有效,在大数据表高维情况下可有效控制计算量,获得属性最小约简集.

摘要： 本文首先描述了决策表中的属性的重要性，提出了限制正域的概念，并利用已求得的正区域和限制正域使处理数据的范围不断缩小从而减少求约简的时间．最rn后通过一个实例完整演示了该方法，证实了该算法同传统的算法相比，在计算量减少的同时能得到更简约的结果，是一种快速、高效的属性约简算法．

摘要： 属性约简是粗糙集理论中的一个重要问题。关于属性约简已有很多学者从不同角度出发作了研究,而且给出了约简的求法。当某种类型的约简取得以后,如果再去掉约简中的某一个属性,就会导致不协调。而约简中不同的属性具有不同的重要性。本文提出了这些属性的重要性的度量并给出了例子。

摘要： 由于引发飞行事故的因素具有不确定性,因此从多种不确定因素中找出主要因素成为了预防事故的关键。基于粗糙集理论是一种研究不精确、不确定性知识的数学工具,文章引入了粗糙集的属性重要性理论,阐述了运用该理论分析民航飞行事故主要成因的方法,给出了该方法的关系数据模型和运用该方法进行民航飞行事故成因分析的具体步骤。通过实例客观有效的分析出了各种因素对于飞行事故的影响程度,验证了该方法的可行性。

摘要： 利用粗糙集理论对属性进行约简,为从关系数据库中挖掘简洁的规则创造了条件.但从属性约简后的数据集中提取最简规则的问题仍是一个NP难题,一般借助于启发式算法.本文提出了一种新的基于决策树归纳的规则提取算法,算法结合了粗糙集的属性重要性和决策树ID3算法的优点,采用粗糙集理论中的属性重要性概念,通过建立树结构提取规则.算法可以避免面对NP难题,获得相对简单,甚至最简规则.

摘要： 该文给出粗糙集属性约简的一个简单的算法并探讨它在决策分析中的应用。对于一类林业数据，给出了各条件因素与总销量之间的依赖关系和约简后的数据表，取得了良好的效果。

摘要： 该文给出粗糙集属性约简的一个简单的算法并探讨它在决策分析中的应用。对于一类林业数据，给出了各条件因素与总销量之间的依赖关系和约简后的数据表，取得了良好的效果。

摘要： 该文给出粗糙集属性约简的一个简单的算法并探讨它在决策分析中的应用。对于一类林业数据，给出了各条件因素与总销量之间的依赖关系和约简后的数据表，取得了良好的效果。

摘要： 该文给出粗糙集属性约简的一个简单的算法并探讨它在决策分析中的应用。对于一类林业数据，给出了各条件因素与总销量之间的依赖关系和约简后的数据表，取得了良好的效果。

摘要： 本发明公开了一种考虑物品和物品属性特征级别重要性的会话推荐方法。该方法根据给定用户的当前会话，挖掘出用户的多种兴趣，来预测用户对目标物品的点击率。主要由四个部分组成：第一部分是用物品级别的注意力机制得到会话中所有物品的重要性；第二部分是用物品属性特征级别的注意力机制得到会话中物品不同属性特征的重要性；第三部分是结合会话中物品的重要性和物品属性特征的重要性，从会话中抽取多个用户兴趣向量表征；最后，根据用户兴趣向量表征，预测用户对目标物品的点击率。

摘要： 本发明属于网络资源分配技术领域，尤其涉及一种基于多种相关属性的业务重要性确定与资源分配方法。本发明方法为服务器节点对业务重要性计算所涉及的三个因素分别进行配置，确定所述三个因素各自涉及的属性，并分别计算属性值，建立模糊一致判断矩阵，计算权重值，生成三维业务重要性表，用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素取值的查询请求信息，服务器节点接收查询请求，并根据三个因素的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。本发明综合性强，类型及数量可调整，属性侧重可调整，计算方法简单。

摘要： 本发明提供一种基于任务属性优先级映射的任务重要性评价方法、系统、存储介质和电子设备，涉及卫星任务重要性评价领域。本发明构建任务属性动态事实库，存储任务属性优先级信息；将卫星任务与事实库关联映射，获取卫星任务的属性分值；根据专家打分结果和结构熵权法获取卫星任务的指标权重；根据卫星任务的属性分值和指标权重，获取任务基础优先级并进行层次化优先级映射，获取优先级信息。避免部分定性指标无法直接衡量其重要性的弊端，能够对各个定性指标确定其取值的值域，减少指标间的差异性与信息不确定性；考虑了不同任务场景下的任务重要性评价的层次化、无交集性，实现不同场景间任务评价分数的不可跨越性，为筹划阶段提供支撑。

摘要： 本发明公开了一种考虑物品和物品属性特征级别重要性的会话推荐方法。该方法根据给定用户的当前会话，挖掘出用户的多种兴趣，来预测用户对目标物品的点击率。主要由四个部分组成：第一部分是用物品级别的注意力机制得到会话中所有物品的重要性；第二部分是用物品属性特征级别的注意力机制得到会话中物品不同属性特征的重要性；第三部分是结合会话中物品的重要性和物品属性特征的重要性，从会话中抽取多个用户兴趣向量表征；最后，根据用户兴趣向量表征，预测用户对目标物品的点击率。

摘要： 本发明属于网络资源分配技术领域，尤其涉及一种基于多种相关属性的业务重要性确定与资源分配方法。本发明方法为服务器节点对业务重要性计算所涉及的三个因素分别进行配置，确定所述三个因素各自涉及的属性，并分别计算属性值，建立模糊一致判断矩阵，计算权重值，生成三维业务重要性表，用户终端节点确定任务类型、用户类型和业务类型的取值，并向服务器节点发送携带所述三个因素取值的查询请求信息，服务器节点接收查询请求，并根据三个因素的取值在业务重要性表中查找对应的业务重要性规范值，并分配与业务重要性规范值相匹配的资源，同时将查询结果和分配信息返回用户节点。本发明综合性强，类型及数量可调整，属性侧重可调整，计算方法简单。

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： 基于属性重要性指数的数字水印数据溯源方法，具体包括以下步骤：1，对要被分发的原始数据进行汇总，提取每条原始数据的预测属性与类标号属性形成数据表；2，根据原始数据的数据接收者创建水印索引表，并生成密钥KEY；3，形成非重要属性集attr；4，嵌入水印得到含有水印的数据集；5，将含有水印的数据集按照水印索引表中数据接收者的信息进行分发，并采集分发过程中或分发后已经完整泄露或部分泄露的疑似泄露数据，形成疑似泄露数据集；6，提取疑似泄露数据集中每条数据中的所有子水印并将其连接位完整的水印；7，提取出的完整水印，通过水印索引表查找出对应的数据接受者，即为泄露数据的个体，完成数据泄露溯源。

摘要： 本发明公开一种用于确定并有属性重要性确定的分段属性内核化(SAK)方法的多个属性重要性模型中的属性的重要性的系统和方法。所述方法允许同时多个属性重要性算法的运算，寻找跨所述多种技术的重要属性的交叉子集，且然后输出合并排名集合。此外，所述方法识别并呈现从并集排除的所述属性的排名子集。

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。