基于启发式的粗糙集属性约简算法研究

对目前常见的粗糙集属性约简算法进行了研究和总结,在此基础上,针对差别矩阵以及启发式约简算法提出了改进算法,减少算法在计算时所需的时间和空间复杂度,求取最小约简。将改进后的约简算法系统地应用到学生考试成绩分析中,对得到的规则进行科学地评价,找出影响学生成绩的潜在因素,并提出学习建议。通过实际应用表明了改进算法的有效性和可行性。

基于粗糙集的属性约简研究进展

粗糙集理论是一种用于处理不确定、不精确、不完整知识的数学工具,已被广泛应用于人工智能、模式识别、数据挖掘和智能决策等领域。属性约简是粗糙集理论的一个核心问题,近年来已经成为粗集研究的热点。本文综述了当前国内外关于属性约简算法的若干最新研究进展,重在对属性约简的主流方法和前沿进展进行概括和分析,最后简要探讨了今后研究发展的方向。

相容粒度空间模型研究与分析

相容粒度空间模型是对现实中普遍存在的相容问题结合粒计算进行的研究,是当前的研究热点.相容粒度空间模型的特色在于引入了动态变化的相容关系,这是在此之前的粒度研究上没有的一个创新.通过对相容粒度空间模型的介绍,为我们以后进行图形图像等多媒体流信息的研究提供了新的思路和方法.本文在现今粒计算发展的方向里分析了相容粒度空间模型建立的意义和实际研究内容,提供了基于相容粒度空间模型的应用和相关理论研究.对相容粒度空间模型的深入研究将为我们处理复杂数据的提供又一个新方法.