一种基于二进制可辨矩阵的属性约简算法

基于可辨矩阵的属性约简算法都是从信息系统中直接求得约简，提出了分两步求得约简，降低了算法的时间复杂度为O(mn^2)，第一步计算出近似约简，第二步去掉其中的冗余属性。改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m^2n^2)的观点(其中m为数据集中特征／属性的个数，n为数据集中样本的个数)。最后给出了实验结果.     

Rough集-神经网络系统在信息融合目标识别中的应用

研究了Rough集和神经网络方法在信息融合目标识别中的应用 .提出将神经网络学习机制引入到Rough集系统 ,同时通过Rough集的条件和决策属性构造神经网络结构 ,并针对三种不同谱段下的三种不同目标图像进行了实验 ,试验表明 ,Rough集 神经网络相结合的识别算法的识别率要明显高于单独使用一种融合算法的识别率 ,训练时间也大大缩短 .     

The classification of statistically recursive sets

The main aim of this paper is to make a classification of random setsK _m (ω) constructed in theorem 2. 1 and theorem 2. 1′ in [1]. We provide five criterions for the classification. Many kinds of random sets such as Hawkes constructed in [2], Graf constructed in [3] and Mauldin constructed in [4] are the special cases ofK _m (ω) constructed in [1], and then these random sets belong to some model respectively according to our classification. Supported by the National Natural Science Fundation and the Doctal Programme Fundation of China Hu Dihe: born in May 1935, Professor     

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。     

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

关于Farkas引理证明的一点注记

许多关于非线性规划的专著,如[1]、[2]、[3]等,在证明Farkas引理时都蕴含地用到:“有限生成的凸锥(finitely generated convex cone)为闭集”这样一个事实,但都忽略了对此作出证明。本文旨在于非线性规划的内容范围内证明这一重要事实,从而对上述专著中Farkas引理的证明作出补充。     

渐进式序列模式挖掘算法IMSP分析

序列模式挖掘是数据挖掘中最重要的研究课题之一。基于记录频繁集各元素的Ctid表的基础上，有研究者提出一种渐进式序列模式挖掘算法IMSP，目的是支持度保持不变，而数据库变化不大时，如何利用前次的结果和中间结果，以加速本次挖掘过程。笔者深入分析了算法IMSP结构，指出该算法在时间复杂度，挖掘规则的完备性上的不足，同时也指出利用该算法所可能得到的错误结果。     

基于粗糙集理论的系统建模方法

根据粗糙集理论，提出了粗糙集建模的方法，并给出了建模步骤：首先采集系统的输入输出样本集，建立决策表，然后根据相对约简求出属性的重要性，由其重要性得出决策的最简形式，从而得到系统的粗糙集模型。以线性系统为例建立了粗糙集仿真模型，验证了模型的有效性。仿真结果表明，在开环条件下建立的一阶系统粗糙集模型，能适应于开环和闭环，也能适应于可变的输入信号；二阶系统模型只能适应于建模时的情况。该建模方法可以推广到非线性系统的建模中。     

一类具有重叠结构的康托集的维数

席夫定理刻画了开集条件,但不能据此判断一个自相似集是否满足开集条件.作者研究了一类由相似压缩映射S0(x)=x/l, S1(x)=(x+λ)/l和S2(x)=[x+(l-1)]/l(l为素数,λ为有理数且λ∈[0,1])生成的自相似集Eλ的分形结构与分形维数,给出了具有完全重叠与不完全重叠两种重叠类型及判定方法,对每种重叠类型给出Hausdorff维数的求法.通过对这类集合的分析发现,即使"简单"的重叠也会产生非常复杂的结构.