连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

模糊关系分解定理及其相关性质

在实际问题中,模糊集合的分解定理,能把所研究的所有模糊对象分解成一系列相对应的经典问题,然后再进行数据分析与处理.上升到二元关系,对照模糊集合,则可以将相关性质和分解定理推广到模糊关系的分析上,提出了模糊关系的相关性质以及分解定理,应用到实际问题中可以将二元模糊关系分解成一系列相对应的普通二元关系.     

局部紧T2拓扑空间上的F—容度

首先定义了模糊数值外测度；在局部紧拓扑T2空间上定义了模糊数值容度，并利用模糊数的d1度量讨论了模糊数值容度的性质；利用模糊数值外测度和模糊数容度给出一种由简单模糊数值函数构造出正则模糊数测度的方法；最后讨论了模糊数值容度的正则性与其引出的正则模糊数测度的关系。     

基于广义粗糙集的属性约简

目前,人们对广义粗糙集的研究主要集中在集合的近似计算上,而真正利用广义粗糙集进行属性约简的研究还很少见.基于广义粗糙集理论研究了信息系统中属性约简的问题.首先定义了关系信息系统及其属性约简的概念.然后给出了属性约简的判定定理和辨识矩阵并详细地研究了属性约简的基本性质.最后给出了计算信息系统中属性的所有约简的一般方法.     

局部紧T2拓扑空间上的F-容度

首先定义了模糊数值外测度;在局部紧拓扑T2空间上定义了模糊数值容度,并利用模糊数的d1度量讨论了模糊数值容度的性质;利用模糊数值外测度和模糊数容度给出一种由简单模糊数值函数构造出正则模糊数测度的方法;最后讨论了模糊数值容度的正则性与其引出的正则模糊数测度的关系.     

基于覆盖粗糙集的属性约简

利用覆盖粗糙集研究信息系统的属性约简.首先,回顾了覆盖粗糙集的基础知识,然后提出了相关类的概念以及几个相关定理,并且逐步阐述如何用相关类的方法来进行属性约简,最后用例子证明了此方法的可行性,并得出结论.     

关系决策系统的属性约简模型

针对经典粗糙集理论在知识约简中的局限性,本文研究关系决策系统的知识约简概念．给出关系决策系统的几种协调集和相应约简的定义,并给出它们之间的关系,并通过三个具体实例来加以说明．     

基于模糊粗糙集的辨识矩阵属性约简方法

通过构造辨识矩阵进行属性约简是一种有效的降低数据维度的方法.然而,经典粗糙集构造的辨识矩阵的局限性在于并不适用于连续型数据,只适用于离散型数据.因此,本文研究在模糊粗糙集下的辨识矩阵属性约简模型,并讨论该模型的相关数学性质,提出相应的算法来对连续型数据进行属性约简.通过实例验证该方法是有效的.     

基于深度学习下的卷积神经网络参数学习

近年来,深度学习(deep learning)在图像目标识别、语音识别和自然语言处理等诸多方面都得到了广泛的应用.目前,深度学习的主要形式是深层神经网络,而深度卷积神经网络(Convolutional neural networks,CNN)则是其中一种经典而广泛应用的结构.随着深度学习方法在诸多领域的不断深入应用,深...     

变精度意义下的优势约简

属性约简是粗糙集理论与方法的研究热点,是一种重要的降维方法.将经典变精度粗糙集模型与优势关系粗糙集模型相结合,定义了优势关系下的β近似集合和β分布协调集的概念,并给出了基于β分布协调集的可辨识属性矩阵定义,提出优势关系下的变精度属性约简方法.通过实例分析,说明了该方法的可行性.