王长忠 作品数:22 被引量:28 H指数:3 供职机构: 渤海大学 更多>> 发文基金: 国家自然科学基金 辽宁省自然科学基金 辽宁省教育厅科学基金 更多>> 相关领域: 自动化与计算机技术 理学 更多>>
连续型目标信息系统的属性约简 被引量:1 2014年 针对连续型数据的属性约简问题,提出了一种新的属性约简方法——基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念,研究了基于连续型数据的分配协调集的基本性质,定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法,并给出了计算辨识矩阵的算法。实例分析表明,该方法能有效地对连续型数据进行属性约简。 王秀秀 王阿岩 王长忠关键词:粗糙集 辨识矩阵 属性约简 一种广义Rough-Fuzzy全决策分划系统的构建方法 2014年 信息系统的知识发现实质上是一种分类问题,但在实际研究中,研究对象经常是无法清晰、精确给出描述的。这时经典集合理论下的Rough分类模型[1]便失去作用。本文通过研究纵向最大隶属原则[2]和横向Fuzzy截集原理[3]两种Fuzzy模式分类方法和性质,给出一种广义Rough-Fuzzy模型。 李佳泽 张若晨 单琳 靳晓强 王长忠关键词:粗糙集 模糊集 决策系统 模糊关系的分块合成运算 2018年 模糊关系中的合成运算是一种重要的运算,在模式识别、机器学习和数据挖掘中具有广泛的应用。本文对模糊关系的合成运算进行了分块运算研究,并对分块合成运算的复杂度进行了分析。研究结果表明,分块运算可以简化模糊关系合成运算的形式,但是不会增加运算的复杂度。 李季 王京 王艳 王长忠关键词:MATLAB 基于属性约简的应用服务器优化算法改进 被引量:2 2017年 优化参数配置是优化应用服务器性能的重要方面;基于传统参数调节的优化策略耗时耗力缺乏系统性和规律性;利用模块化思想针对目标决策函数对应用服务器参数进行分类,可构建条件属性约简模型;基于属性约简的应用服务器优化算法,可去除对于目标决策函数相对不重要的参数,并获得相对重要的参数,从而达到锁定目标重点调节,快速提高系统性能的目的;现有的约简模型优化算法多基于经典粗糙集理论,在等价关系的基础上构造分类,容易造成大量的信息破坏和流失;文章通过拓展等价关系到一般二元关系,利用广义粗糙集理论改良了基于模块化思想和属性约简模型的应用服务器优化算法,通过定义辨识函数对条件属性进行约简,再结合依赖度计算,得到最终目标参数。 李佳泽 王长忠关键词:一般二元关系 属性约简 量化控制系统的编码方法 本发明公开了一种量化控制系统的编码方法,提出了采用zooming‑in/out方法设计编码方案的方法:使用传统的zooming‑in/out方法时,量化区域的缩小和扩大是通过改变与量化区域的半径(在球极坐标编码方案下)或... 王建 王焕清 王长忠 徐恭贤文献传递 关系决策系统的属性约简模型 2013年 针对经典粗糙集理论在知识约简中的局限性,本文研究关系决策系统的知识约简概念.给出关系决策系统的几种协调集和相应约简的定义,并给出它们之间的关系,并通过三个具体实例来加以说明. 张宇 王长忠关键词:粗糙集 属性约简 基于双神经网络的离心式水泵系统的建模方法 一种基于双神经网络的离心式水泵系统的建模方法,可解决传统建模方法依赖于精确的泵特性方程与管道特性方程问题,其步骤如下:建立以泵调速比K、泵流量Q为输入变量,泵扬程H、泵的轴功率Pin为输出变量的数学模型,建立以调速比K与... 巫庆辉 王长忠 刘继行 李鸿一 常晓恒 杨友林 丁硕 杨祯山 尹作友基于模糊粗糙集的辨识矩阵属性约简方法 被引量:3 2019年 通过构造辨识矩阵进行属性约简是一种有效的降低数据维度的方法.然而,经典粗糙集构造的辨识矩阵的局限性在于并不适用于连续型数据,只适用于离散型数据.因此,本文研究在模糊粗糙集下的辨识矩阵属性约简模型,并讨论该模型的相关数学性质,提出相应的算法来对连续型数据进行属性约简.通过实例验证该方法是有效的. 赵晋欢 王长忠关键词:辨识矩阵 属性约简 模糊粗糙集 基于工业过程模拟的教学科研平台装备 一种基于工业过程模拟的教学科研平台装备,包括一个或多个并联的给水支路,一个或多个光伏扬水支路,一个主管路,多个并联的用户支路、引水支路、锅炉、一个或多个水塔、一个或多个温室,给水支路的输出端接在主管路上,主管路对应两个相... 丁硕 巫庆辉 王长忠 于忠党 杨友林 杨祯山 韩建群 张博 刘闯文献传递 基于多粒度数据压缩的支持向量机 被引量:7 2013年 将多粒度理论融合到支持向量机理论中,提出了一种基于多粒度数据压缩的支持向量机分类算法(support vector machine based on multi-granulations,MG-SVM).首先,利用多粒度理论对数据进行粒化与压缩;然后,对压缩后的数据利用支持向量机寻找最优超平面并进行分类;最后利用UCI中一些标准数据进行数据压缩与分类试验.与传统的支持向量机分类方法相比,MG-SVM算法在保持或提高经典支持向量机的分类和泛化能力的同时,有效地降低了时间复杂度. 包文颖 胡清华 王长忠关键词:多粒度 支持向量机 大规模数据 数据压缩