区间数密度算子及其应用

针对决策信息为区间数形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到区间数形式.通过引入"区间隶属度"的概念对区间数进行聚类,并给出一种通过规划模型确定密度加权向量的方法;在此基础上,对区间数密度中间算子及其合成算子进行了界定.最后,通过一个算例对区间数密度算子的应用进行了说明.该方法结合区间数的特征,进一步拓展了密度算子的理论体系和实际应用范围.     

Rough算子求解不一致信息系统的约简算法

为求解不一致信息系统的属性约简,在经典粗集理论模型的基础上,许多学者提出了上、下分布约简等方法,但是,这些方法尽可能保持了原决策系统的决策分布情况并且当数据集基数较大时,时间空间复杂度都较大。本文从另一个视角将大数据库中记录看成概率事件,利用粗集理论导出规则的模糊性度量方法—Rough算子,在多数优先的原则的基础上,将不一致信息系统转化为一致信息系统,并基于此提出了递增式反向求解方法。这种反向求解思想也为在大数据库中求解约简提供了可能。     

藏语动词语法化研究

藏语的古今演变十分复杂,其中包括动词语法化。语法化只有具备语义相宜性和合适的句法环境才能发生。敦煌藏文里的语法化包括三个静态动词和一个动作动词的语法化。三个静态动词语法化为施动持续体标记和状态持续体标记,一个动作动词语法化为受动持续体标记和结果体标记。     

生活方式对女大学生购买内衣的影响

以西安地区18～25岁的女大学生消费者为研究对象,从生活方式的角度出发,通过设计生活方式及内衣购买问卷,对其生活方式和影响购买的产品因素进行调查.运用因子分析、聚类分析法,将女大学生生活方式划分为个人中心型、个体价值型、社会全局型、生活实现型,并将分类模型应用于研究不同生活方式对内衣购买产生的影响.基于产品属性理论,总结出影响购买内衣的产品因素;采用单因素方差分析法,进一步研究不同生活方式的女大学生在购买内衣时所关注的产品因素的差异.     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

理解EPS——一种重要的图形格式漫谈

ＥＰＳ英文全称Ｅｎｃａｐｓｕｌａｔｅｄ Ｐｏｓｔｓｃｒｉｐｔ,是一种常见的图形格式,它的文件本身即为Ａｄｏｂｅ公司的Ｐｏｓｔｃｒｉｐｔ语言组成的程序,本文３主要通过对ＥＰＳ格式的基本对象属性、与设备无关性,预览图像在ＰａｇｅＭａｒｋｅｔ导入几个方面的阐述,ＥＰＳ格式的图形相对于别的格式图形在色彩、图形精度、图形文件长度及图形输出等方面的长处及优点。     

对关中话一个语法化个案的考察

＂人家＂是现代汉语中一个功能复杂的代词。本文采用共时和历时描写相结合的方法,广泛调查了其在各大方言中的分布,也追溯了其历史发展源流,最后得出其两个语法化过程。     

基于属性重要性和样本信息熵的多连续属性离散化后处理方法

有效判别决策表中离散化后样本数据的类型对于对后继阶段的机器学习和数据挖掘过程具有非常重要的意义.本文提出了一种基于属性重要性和样本信息熵的数据类型判别方法,并利用人工改造的一部分UCI数据库进行了模拟试验,结果表明方法是有效的,识别样本数据的准确率较高、识别错误率和拒识率较低.     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。     

属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.