一种自动指纹粗分类算法的研究

提出了一种利用指纹图像奇异点的数目和位置进行粗分类的算法。指纹图像大致可分为拱形、尖拱形、左旋形、右旋形和螺纹形5种，对指纹的粗分类是实现指纹自动识别系统的一个重要步骤。首先介绍了一种计算指纹图像中各个像素点的方向矢量的算法，然后详细讨论了在这个算法所获得的指纹方向图上进行平滑处理、提取奇异点对（核心点－三角点对）的算法，并根据奇异点对的数目和位置进行指纹方向图的粗分类。试验结果表明，有用的算法与Kalle的算法相比，具有较高的分类率，具有实用意义。     

走向正和博弈的知识交流与共享--一种建构的视角

知识交流与共享是组织知识管理流程中的两个原则和重要环节。这两个环节在实施过程中也不可避免地存在一些困难和障碍。只有实现硬制度和软管理的双管齐下,才能实现知识管理与组织战略目标的共进共荣,最终走向正和的双赢局面。     

基于可变精度粗集模型的k-NN分类

将可变精度粗集模型与k-NN分类结合起来,提出了一种新的分类方法,即基于可变精度粗集模型的k—NN分类方法,并且给出了β-信任函数和β-似然函数两个新的概念。     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

基于粗集的空间对象分类学习算法

针对二维空间对象分类问题,提出将粗集方法应用于分类规则的学习.首先建立空间分类信息表,然后采用粗集方法约简条件属性、提取分类规则,并采用多种指标对规则进行评价.通过实验结果分析,证明粗集方法能够有效用于学习空间对象分类规则.     

一种粗差探测方法的研究

使用了条件方程式直接探测多维粗差的方法,该方法直接从最基本的条件方程式开始,组合出满足一定条件的条件方程式,用条件方程式的闭合差作为探测粗差的依据,不必进行最小二乘平差计算,就能简便有效地探测粗差,并通过算例验证了它的可靠性和说明了该方法的实现过程。本文还对闭合差标志的做了进一步探讨,说明了粗差在闭合差中的灵敏度。     

一种适用于模式分类的模糊粗隶属函数神经网络

在设计模式分类器时,由于很难甚至不可能获得实现精确分类的所有必要的本质特征属性,使得在进行分类时出现模糊不确定性和粗糙不确定性并存的情况.基于模糊粗糙集理论,本文构建了一种模糊粗隶属函数神经网络FRMFN.该网络融合了模糊信息和粗糙信息的处理能力,在对加拿大Norman Wells地区的红外波段合成图像进行分类的测试中,显示FRMFN网络具有比相应RBF网络更好的分类精度,同时保留了RBF网络学习速度快的优点.     

有交流的博弈及其特点

从有交流的策略形式的博奕(strategic-form game)和有交流的贝叶斯博奕(Bayesian game)两个方面介绍了引入有交流的博奕(Game With Communication)的概念能极大地简化博奕模型，而且能够得出更易于分析的均衡解，并指出了有交流的博奕的概念在经济活动中设计激励相容的协调机制中的重要应用价值。     

基于粗集的遥感影像决策树分类新方法

土地利用信息是进行土地规划和管理的重要数据,有着重要的经济价值.采用计算机仿真技术对遥感影像进行自动分类是一种获取土地利用数据十分有效的手段.然而遥感影像的不确定、不一致现象易导致过度拟合,增加了分类难度.提出了一种新的基于粗集的决策树用于遥感影像分类.经试验表明该分类方法较CART树、ID3树等算法在分类精度、防止过度拟合方面均有所提高.     

一种基于模糊分类网络的信息分类方法

针对信息搜索与挖掘中存在的关键词多义性及用户对所要查询信息的分类存在一定的模糊性问题,提出了一种基于模糊分类网络的信息挖掘方法。该方法利用模糊分类网络固有的对模糊信息的非线性处理能力和自适应学习机制,通过对WEB页面大量分类文档信息的学习,建立了基于模糊分类网络的信息分类器和挖掘模型。构造的信息分类模型结构简单、学习收敛速度快且易于实现。文中给出了分类策略和实现算法,并以中国石油网油气管道专题信息分类为例验证了方法的有效性。     

基于粗集的邮件自动分类系统研究

电子邮件给人们带来极大便利的同时,垃圾邮件的日益泛滥,也给人们带来了极大的不便和危害。本文使用基于粗集最优属性约简方法对邮件集进行特征维数压缩,在不影响条件属性分类能力的情况下,利用粗糙集约简化简决策表,得到一个规则,利用规则可以对新加入的邮件进行自动分类,试验结果表明该方法是行之有效的。     

一种基于粗糙集的决策树构造方法

决策树是一种有效的数据分类方法。传统的决策树方法是通过信息熵的计算去生成决策树的节点,计算量大。基于粗糙集理论,利用近似精度的概念来进行属性选择,构造决策树,有效地提高了效率并降低了决策树的复杂度。     

基于粗糙集的不完全信息静态博弈及其均衡分析

不完全信息静态博弈中,往往假定参与者知道其他参与者类型的概率分布,然而很多时候这种概率分布很难甚至根本无法获得,参与人只能主观判断确定概率分布.论文使用粗糙集方法处理这种不确定性,参与人依赖对其他参与人类型的信息判断,计算其他参与人类型的近似精度,以此建立不完全信息静态博弈的粗集模型并定义粗糙静态均衡,最后通过古诺竞争模型说明该模型的运用.     

基于粗糙集的边界分类算法

粗糙集作为数据挖掘工具,主要通过分类数据得到预测型知识,但分类规则过于严格,使得在挖掘带噪音的数据时,挖掘结果可能会损失一些有价值的规则.提出一种带不确定因子的信息系统及相应的分类方法,改进了传统粗糙集的分类方法.     

基于覆盖的程度粗糙集模型

在基于覆盖的粗糙集模型的基础上,引入分类误差,建立了基于覆盖的程度粗糙集模型,并讨论了该模型的一些相关性质.     

基于粗糙集理论的Bayes粗糙模型研究

从经典的概率粗糙集推广模型出发,参照Bayes因子,研究了一种Bayes粗糙集模型,该模型不受先验概率的影响,从而减小了决策失误的风险．     

一种基于粗糙集理论的启发式分类规则挖掘算法

粗糙集理论是一种新的数据挖掘算法,文章以属性依赖重要性作为启发信息提出了一种新的属性约简算法,且加入了一定的分类正确度。最后通过一个实例完整演示了本方法,证实其有效性。     

基于粗糙集理论的KNN分类

粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具。在数据挖掘技术中KNN算法是一个实现简单和分类准确性较高的方法,但是,当用于样本容量较大以及特征属性较多的类似医疗图像挖掘这样的领域时,其效率受到了很大的影响,找到一个删除最大冗余属性的方法成了解决这个问题的关键。将粗糙集理论与KNN算法结合起来,用粗糙集方法进行属性约简,有效地解决了KNN算法分类的这个缺点。     

通信企业营业厅选址问题研究

对通信企业营业厅选址问题进行了研究,建立了营业厅对顾客吸引力公式和两营业厅选址的静态博弈分析计算公式,推导了价格的纳什均衡解和营业厅选址的最佳位置,研究结果对当前通信企业营业厅选址投资实践活动具有一定的理论指导意义．     

一种基于粗糙集理论的设备故障诊断方法

粗糙集理论是一种处理模糊和不确定知识的数学工具。本文根据粗糙集理论,对设备的振动故障诊断决策表进行属性约简,以提取故障识别的重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于故障诊断可得到更清晰、简明的诊断规则。