精度与程度的逻辑差近似算子及其性质

首先研究了程度近似与变精度近似的关系与转化,再利用变精度近似算子与程度近似算子定义了精度与程度的逻辑差近似算子,其具有与精度与程度2个量化指标相关的逻辑含义,最后研究并得到了精度与程度的逻辑差近似算子的一般性质与幂作用性质.精度与程度的逻辑差近似算子部分拓展了程度近似算子与经典近似算子,进而得到了这些已有近似算子幂作用...     

粗糙集理论及在产品市场评估中的应用

粗糙集理论是一种新的处理含糊性和不确定性的数学工具。本文研究了粗糙集理论,并将粗糙集理论应用于产品的市场评估中,通过实验证明使用此理论能有效地从市场调查表中获得有价值的信息,同时也为解决类似问题提供了参考依据。     

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.     

一种基于粗糙集理论的XML数据挖掘模型

随着大量的XML数据的出现,给数据挖掘领域提出了新的挑战。传统数据挖掘是基于关系数据库和数据仓库的,如何挖掘出XML形式的数据成为研究的热点问题。由于XML文档是一种半结构化数据,使用传统的数据挖掘方法对XML数据进行挖掘是不适用的。提出了一种基于粗糙集理论的XML挖掘模型,并进行了实验,结果表明利用粗糙集理论对XML数据挖掘是可行的。     

基于蚁群算法的属性约简方法

在粗糙集理论中属性约简是个NP-hard问题,已有的方法都有不同的局限性.由蚁群算法的启发,通过粗糙集将条件属性集映射到有向图结构,并采用蚁群协作共同完成求解,提出了属性约简的蚁群算法.     

基于粗糙集理论的装备研制方案评价决策研究

在提出基于粗糙集理论的多目标评价方法的基础之上,对单兵综合作战系统研制方案综合评价问题进行了研究,建立了综合评价模型,并通过算例表明,该方法对于装备研制方案的评价决策具有一定的优越性。     

图的λ4-最优性的邻域交条件

文章给出了图的λ4-最优性的邻域交条件.设图G是阶至少为34的λ4-连通图,若对G中任意一对不相邻顶点u,v,都有｜N（u）∩N（v）｜≥6且ξ4（G）≤3n（G）/2＋3,则G是λ4-最优的;若对于λ4-连通图G中任意一对不相邻顶点u,v,都有｜N（u）∩N（v）｜≥6且对图中每个三角形T至少存在一个顶点v∈V（T）...     

区分矩阵在属性约简中的一种新应用

当论域中的对象个数偏多或者知识表达系统中的条件属性偏多时,我们要对知识系统中的属性进行约简,但计算量是很大的.用布尔代数的吸收律求区分函数会大大减少计算,使得属性的约简会简单方便.     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

一种基于WL算法的加速方法

本文对WL算法和其加速方法TSVQ进行研究。通过对搜索范围的分析提出了一种通过设置搜索带、减少匹配点搜索范围的方法来确定搜索区间，并进行了实验验证。实验证明与TSVQ加速方法相比，本方法能够使合成速度大大提高，并且算法实现上更简单。