摘要：针对现有基于属性度量的属性约简算法未考虑决策表中各属性信息粒度的差异性和计算复杂度不理想的情况,首先给出了决策表信息粒度的定义,同时从理论上分析了核属性和粒度细化在属性约简中的重要性,由此构造了一种新的混合属性度量方法,使得求解的属性约简更符合实际情况,并能有效缩小了算法的搜索空间,在此基础上,设计了一种基于属性度量的快速属性约简算法,算法能求解出决策表的完备属性约简;最后,通过实例分析和实验结果进一步验证了算法的可行性和有效性.

摘要：针对装备软件各种错误、缺陷、故障、失效等不断重复发生的情况,分析了各概念的特点与相互关系。采用软件“异常”表示由错误、缺陷、故障、失效所触发的所有不正确、不正常、不可接受的软件事件,引入基于属性的软件异常问题度量,在此基础上提出了软件异常模式的概念。抽象装备软件不断重复或类似的软件异常问题的共同规律,获得基于软件可信属性与软件测试类型的装备软件异常模式。深入分析各种异常模式的引入原因与可能触发后果,指导测试人员针对典型异常开展测试设计,提高发现装备软件异常问题的效率;指导研发人员进行软件异常避错或容错设计与开发,提高装备软件质量。

摘要：为保障安卓应用环境中智能终端用户的信息安全,利用支持向量机(support vector machine,SVM),结合证据理论,提出一种面向安卓应用软件的可信性评估方法。该方法分为训练阶段和评估阶段实现,在前阶段,对应用软件样本的属性进行度量,即形成属性证据;利用属性证据对各关联SVM进行训练以确定分类模型。在后阶段,利用待测应用软件的度量结果和SVM分类模型,确定与各属性相关联的分类概率赋值;在对各属性证据赋予自适应权重的基础上,利用改进证据理论对各属性实现合成,用于评估软件的可信性。测试结果验证了所提方法的有效性。

摘要：为解决大样本数据条件下C4.5决策树算法需要训练集常驻内存、分类精度达不到需求以及如何选取最优分类规则等问题,提出了一种基于分类规则选取的C4.5决策树改进算法。通过数次有放回的随机抽取训练集形成多个分类规则,在多次分类规则内寻找特征的最优取值以建立最优分类规则,以划分相似度为标准进行C4.5决策树最优特征选取,在此基础上利用选定的最优分类规则和最优特征对C4.5决策树算法进行改进。实验结果表明,改进后的算法可有效解决C4.5决策树与初始训练集相关性较大的问题,对大样本数据集的分类识别在识别率上有显著提高,训练时间明显减少。

摘要：为降低电网大数据在既定控制时间内的线性损耗量,实现电力信息之间的稳定负荷协调,提出基于决策树自标识的电网大数据质量控制算法。按照电网数据的实际挖掘需求,确定大数据结构属性的基本度量条件,联合自标识决策关联规则,建立基于数据自标识处理的电网决策树。设置直驱永磁电机,通过获取输出控制环中大数据传输参量的方式,求解电子控制方程,完成基于决策树自标识电网大数据质量控制算法的应用。实验结果表明,与PSCAD电网信息统筹模型相比,文中算法下电网大数据的最小线损量降低至3.2×10^7 T,最大线损量也仅达到7.8×10^7 T,实现在既定检测时长内对电网大数据线性损耗量的有效控制,解决了电力信息间稳定负荷协调能力较差的问题。