专利交易市场

本申请提供基于增量模糊粗糙集属性约简的作物产量预测方法。所述方法包括：构建决策表；将一个作物生长记录数据子集作为原始数据子集输入模糊粗糙集属性约简模型；计算原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度、以及每条作物生长记录的加权一致性程度，得到加权一致性程度及格的作物生长记录子集；计算加权一致性程度及格的作物生长记录子集的作物产量指标重要度，进行属性约简，得到约简属性子集合；将剩余的作物生长记录数据子集作为增量数据子集依次输入模糊粗糙集属性约简模型进行属性约简，得到若干非冗余约简属性子集合，训练得到作物产量预测模型。本申请可以提高作物产量预测精度的同时降低技术成本。

本发明公开了一种基于属性约简和XGBoost的COVID-19检测假阴性识别方法，包括如下步骤：S1、获取COVID-19病例样本数据并进行预处理及数据增强；S2、属性约简，降低数据维度，并将样本数据划分为训练集和测试集；S3、使用XGBoost提升树可扩展系统对COVID-19检测核心指标进行重要度筛选；S4、利用训练集中的数据对XGboost算法评估模型进行训练，建立评估模型；S5、利用评估模型对病例数据进行预测。本发明基于属性约简和XGBoost的COVID-19检测假阴性识别方法，应用机器学习模型的COVID-19病例数据预处理及其检测核酸假阴性识别方法，可以直接处理小样本和不平衡COVID-19病例数据，通过MDGO优化XGBoost模型参数，提升检测诊断识别准确率，快速形成诊断报告、确定诊断结果。

本发明涉及数据挖掘技术领域，特别涉及一种基于多粒度属性树的属性约简在文本分类中的应用方法，包括：数据获取，并对数据进行初步预处理；构建多粒度属性树；根据多粒度属性树对微博数据约简；保存约简结果，利用数据挖掘算法进行进一步分析；本发明在遍历的过程中，由于子树的删除，子树的叶子结点代表的词语都一次性被删除，避免了再逐一测试子树中其他词语是否可删的操作，减少了解空间的范围，在确保得到约简结果的同时极大提升约简速度。

本发明请求保护一种基于MPI并行求信息系统属性约简的方法，首先，读取信息系统的数据，将数值进行预处理，数据离散化；其次，将信息系统水平划分为p个样本数据子集，通过通信分配给n个节点，并行计算数据子集的等价类，将各个节点的结果整合得到整个信息系统的m个等价类划分子信息系统；然后，将m个子信息系统分配给n个节点，并行计算属性核，直到处理完所有子信息系统，再将各个节点的结果合并，得出整个信息系统的属性核；最后，并行求出属性约简，将各个节点的属性约简结果进行整合，得到整个信息系统的属性约简。本发明结合了粗糙集属性约简方法和MPI并行计算，从而使得用分辨矩阵求属性约简的运算可以并行求得，提高算法的效率。