粗糙集理论中属性相对约简算法

粗糙集理论是近年来发展起来的一种有效地处理模糊和不确定性知识的数学工具,而求核与约简是粗糙集理论中的两个重要问题,现已证明求决策表所有约简和最小约简是一个典型的NP难题.本文在分析粗糙集理论的基础上,发现了正区域的一些有用性质,提出了一种利用正区域直接求核的方法,并利用正区域的启发式信息给出了两种相对约简算法.

粗糙集理论中的求核与约简

约简与核是粗糙集理论的两个重要概念 ,而直接由定义来计算约简与核是一个典型的 NP难题。发现了分辨矩阵的若干有用性质 ,利用这些性质使粗糙集理论中的求核与约简问题得以解决。进而分别讨论了无决策信息系统的约简和有决策信息系统的约简问题。最后举例说明了所得结果的有效性。

分辨矩阵与它在非一致决策中的应用

约简与核是粗集中的两个重要概念,它具有重要的应用.利用属性和约简的概念,得到了Skowron的分辨矩阵若干性质和几个定理.利用这些结果,提出研究非一致性信息决策表的求核与相对约简的方法,给出这些方法的应用。

核心期刊与高校学术论文评价方法的调查分析

核心期刊是某一学科中具有高水平、高影响力的期刊,它是一种客观存在。核心期刊的认定是一项复杂的工作,目前我国核心期刊的认定还是民间行为,为了正确评价学术论文的质量,我国部分高校主要采用了期刊评价法和期刊与论文相结合评价法。

基于粗糙集理论的数据预处理

探讨数据挖掘过程中,数据预处理应用粗糙集理论进行属性和属性值约简的方法以及用计算机实现约简的算法.通过对医疗数据的预处理表明,利用粗糙集理论来进行数据预处理是一种十分有效的精简、求最小决策算法的有效方法.

Rough集在智能维修决策支持系统中的研究与应用

介绍了基于Rough集理论的知识表达及知识获取方法。通过深入研究Rough集的相关理论 ,发现了分辨矩阵的若干有用性质 ,利用这些性质使Rough集理论中的求核与约简问题得以解决。并且将所得结果应用于智能维修决策支持系统中 ,建立了基于Rough集理论的维修资源配置知识的表达、获取和应用体系 ,提高了智能维修决策支持系统的智能决策水平。进而重点讨论了有决策信息系统的约简与规则获取的问题。

基于核心用户对发现的微博好友推荐算法

现有的微博好友推荐算法没有充分考虑网络关系结构,导致发现的邻居群合理性较差。针对这个问题,围绕微博用户群聚规律和社交网络特点展开研究,提出一种基于核心用户对发现的微博好友推荐算法;该算法首先将任意两个具有相互关注关系的用户封装成用户对的形式并计算各用户对之间的交互行为相似度,然后通过密度和距离两个参数发现核心用户对以及划分合理的邻居类簇,最后根据制定的推荐规则向用户进行好友推荐。结果表明,相比传统的协同过滤方法,该算法明显提高了微博好友推荐的精度,核心用户对发现、类簇的合理划分以及推荐规则的制定能够缓解数据稀疏和冷启动带来的问题。

基于FPGA的扩频测距快速捕获仿真研究

分析了扩频测距理论原理与优势,给出了一种基于FPGA的快速扩频测距模型。通过运用FFT IP Core计算收发序列间的互相关函数,可以实现快速捕获。仿真结果表明,该方法具有速度快、误差小、设计灵活、效率高的特点。

孟德尔随机化研究应用于因果推断的影响因素及其结果解读面临的挑战

孟德尔随机化(Mendelian randomization,MR)研究使用遗传变异作为工具变量,推断暴露因素与结局之间的因果关系,能够有效克服混杂和反向因果问题所导致的偏倚。然而,MR研究中的工具变量须满足关联性、独立性和排他性3个核心假设。即使核心假设成立,MR研究在因果推断中的应用还受到其他局限性的影响。此外,MR研究结果的解读需要基于综合证据。本文将围绕MR研究应用于因果推断的影响因素和研究结果的解读进行综述,以期为MR研究结果应用提供指导。