Attribute Reduction in Decision Systems Based on Relation Matrix

<正>This paper proposes,from the viewpoint of relation matrix,a new algorithm of attribute reduction for decision systems.Two new and relative reasonable indices are first defined to measure significance of the attributes in decision systems and then a heuristic algorithm of attribute reduction is formulated.Moreover,the time complexity of the algorithm is analyzed and it is proved to be complete.Some numerical experiments are also conducted to access the performance of the presented algorithm and the results demonstrate that it is not only effective but also efficient.     

F-二重粗积分与边界厚度

F--二重粗积分是由函数双向S-粗集生成的积分对,它是F -二重粗积分和F^--二重粗积分的推广。给出F-二重粗积分边界厚度的概念,讨论了边界厚度的动态变化规律,得到边界厚度最值定理。利用边界厚度可以对F-二重粗积分进行辨识,给出F-二重粗积分辨识定理和两个辨识原则。     

The Hiding Characteristic of F-interior Hiding Image and Its Applications

, By using function one direction S-rough sets, the concept of F-interior hiding image is presented; the theorem of F-interior hiding and the recognition criteria of interior hiding are proposed;and the applications of F-interior hiding image are given. F-interior hiding image is a new application area of function S-rough sets, and function S-rongh sets is a new theory and new tools for iconology research.     

一类长方形Sierpinski垫片的Hausdorff测度与上凸密度

在平面上,由长为1,宽为a[1/2≤a≤1]的长方形生成的一类自相似集,也就是一个Sierpinski垫片。在满足强分离条件及维数小于1的条件下,证明了自然覆盖为其实现上凸密度1计算的最好形状,自然覆盖即是最好的覆盖。作为它的直接推论,可以得到该类自相似集的Hausdorff测度的精确值。     

基于粗糙集和灰关联理论多传感器融合的雷达辐射源信号识别研究

粗糙集理论的上下近似集合可以刻画传感器对未知雷达辐射源信号的识别程度。从灰关联理论对传感器测得的原始数据计算出的不肯定度出发,计算每个目标与传感器测得的悲观解和乐观解距离。从而计算出目标与悲观解和乐观解间的灰关联系数矩阵。用假定的折中系数α、β计算出各传感器的侦察权重。再由灰关联系数矩阵和传感器权重得到各雷达辐射源信号的与悲观解和乐观解在传感器Sj识别意义下的灰关联度,最后计算融合判别函数得到融合结果。仿真实验表明,由粗糙集理论和灰关联理论相结合的多传感器数据融合的方法可以有效地应用于雷达辐射源信号识别,特别在是在降低多传感器引起的不确定性取得较好的效果。     

基于频繁模式矩阵的改进挖掘算法研究

提出了对基于频繁模式矩阵Fp-array的挖掘的改进算法。首先对各项的投影矩阵预处理划分成若干同维矩阵,并根据同维矩阵的权值对剩余未搜索项进行预先判断,进而对搜索最大频繁项目集进行有效剪枝,减少了搜索范围。经过实验和算法分析,证明了改进算法具有明显的优越性。     

模糊粗糙集分解定理的讨论（I）

分解定理是模糊数学的最基本定理之一,文章给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集.分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

模糊粗糙集分解定理的讨论(Ⅰ)

分解定理是模糊数学的最基本定理之一,给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集。分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

一种新的模糊集合模糊度公式

根据决策者的偏好,结合模糊集的位置引入位置影响因子,得到基于模糊集与最模糊集相对贴近度的新模糊度公式,并用算例检验其合理性和分辨力.新模糊度公式能有效地比较模糊集之间的模糊程度大小.     

基于粗糙集解决BP网络模式识别中的噪声

为了解决BP网络模式识别中的噪声问题,提出了利用粗糙集的上、下近似和边界线集理论对噪声样本进行处理的方法。该方法对处于下近似集内的含噪声属性值,将噪声消除后转换为理想状态下的属性值;对处于边界域内的含噪声属性值保持不变。当属性值处于边界域内属性的个数与全部属性数的比值达到某个确定的值时,就认为该样本受到噪声干扰过大,对其拒绝识别。通过实验对比表明,该方法能有效地降低BP网络模式识别的误识率。