基于Shadowed Sets的连续属性离散化

基于Shadowed Sets理论研究了粗糙集连续属性离散化问题,提出一种新的基于Shadowed Sets理论的候选断点集提取算法。该算法根据实例在单属性上的分布,对数据样本进行分类,采用Shadowed Sets计算出各类的上下近似,最终提取出候选断点集。使用多组UCI数据对此算法的性能进行检验,同时还与其它候选断点集提取算法做了对比实验。实验结果表明,此算法能有效地减少数据集候选断点的数目,提高离散化算法运行速度和识别率。

基于多粒度粗糙模糊集的图像边缘检测

提出一种基于粗糙模糊集的多粒度边缘检测方法.该方法结合粗糙集处理不确定信息的能力和C-Set多粒度处理的思想,通过定义粗糙运算和运算给出边缘表示模型,引入粒度参数对边界定位精度和噪声抑制进行调节,引入结构相似度参数融合粗糙上近似和下近似,以获得更加精确的边界.该检测方法在定位精度上具有粒度不变性,并具有一定噪声抑制作用,实验结果显示其具有较好的边缘检测效果.