基于混合不可分辨关系的粗糙集模型与知识获取

为了从决策系统中获取既有"并且"又有"或者"的决策规则,在强不可分辨关系和弱不可分辨关系的基础上,提出了混合不可分辨关系的概念。分别采用混合不可分辨关系和基于混合不可分辨关系的极大相容块构建了两种不同的粗糙集模型,并进行了对比分析。最后根据混合不可分辨关系极大相容块技术,讨论了如何从决策系统中获取决策规则并进行了可信度度量分析。

基于可分辨关系的知识约简

为寻求求解约简的有效方法,从而有效处理大规模数据,并减少后续挖掘算法在时间和空间上的压力,基于粗糙集理论提出可分辨关系的概念,并在此基础上定义对象差异矩阵、分辨约简集和分辨核心集等概念,证明划分约简这一传统知识约简与分辨约简的一致性,讨论其他概念间的关系,并给出相关的定理和等价命题。通过理论论证和示例分析,可以获知基于可分辨关系的属性约简的有效性和可行性。

保持不可分辨关系的离散化方法

依据不可分辨关系是等价关系的原则将对象分类,对Naive Scaler方法进行补充,对决策表相邻两个实例,在属性值和决策值都不相同时,选取两个属性值的平均值作为断点,连续扫描候选断点,可以使离散化前后的决策表具有相同的不可分辨关系,即原决策表与离散后的决策表是等价的.

基于分辨关系的决策树构建算法

针对完全以核属性为首选构建决策树算法的不足,本文以粗糙集的分辨关系为基础,提出以决策属性的分辨量和分辨类别两个参数确定条件属性的重要性,择优自顶向下构造决策树.该算法的优点在于算法简洁有效和时空复杂度低.实例分析的结果表明,该方法能获得更为简洁有效的决策树.

基于不可分辨关系的光纤光栅式火灾探测系统

光纤光栅式火灾探测现场工作环境复杂,包含了复杂的海量数据信息。以粗糙集理论中的不可分辨关系作为基础,利用反射光波长(λ1,λ2,…,λn)的差异,将具有复杂性和不确定性的反射光波长作为一个知识系统,火灾探测系统依据光栅的波长(λ1,λ2,…,λn)将探测区域分类为多个防火分区。每一个波长对应的防火分区内设置许多监测点,监测到的光纤光栅的反射波长就是该区域所对应的设定波长。如果监测到的波长λi发生变化,就表明其所对应防火分区的温度发生了改变,一旦温度超出了设定温度值,报警器就会通过数据库传输给客户端,发出相应的"报警"的信号。通过这种方法,大大增加了系统的测量距离和测量精度,测量效果优于传统方法。

基于不可分辨关系的文本自动聚类

研究了文本对象在不可分辨关系下的自动聚类方法.在自动聚类过程中,首先把文本集转化为让机器可以处理的布尔文本信息系统;其次在信息系统上定义对象间的不可分辨关系,提出利用不可分辨关系进行聚类的理论基础;然后对算法进行描述,并用实验进行验证;最后分析该算法的时间复杂度和缺点,并提出具体的改进措施.基于不可分辨关系的文本自动聚类算法具有理论基础和较好的实验效果表明该方法具有较好的应用性.

基于不可分辨关系的文本分裂层次聚类研究

为了对文本数据集实施高效聚类,笔者提出了一种基于不可分辨关系的分裂层次文本数据聚类算法。首先把文本集转化成布尔文本信息系统,然后在文本信息系统上定义不可分辨关系,最后根据文本对象间的最大不可分辨性对文本集进行分裂聚类,直到任意类中所有对象都不可分辨关系为止。实验结果表明,本算法高效、准确,具备可移植性。

基于串不可分辨关系的语言上近似和下近似——Rough Set的应用

本文基于粗糙集 ( Rough Set)理论 ,提出了五个串的不可分辨关系 (等价关系或相容关系 ) ,据此推导出语言的上近似和下近似 ,并证明了一些基本事实 ,改变子串的长度 ,可得到近似收敛于语言的近似结果 .最后举例说明语言

粗集不可分辨关系的拓展及其可视化研究

粗集认为知识是一种分类的能力 ,其基础是事物之间的不可分辨关系。在实际应用中 ,用不可分辨关系描述数据之间的关系往往过于精确 ,使得粗集的适用范围受到限制。目前已出现了多种粗集的变种 ,其中包含不可分辨关系的拓展。在此基础上 ,本文给出了一种拓展的不可分辨关系模型 ,即广义相似关系 ,就粗集的基本概念进行了讨论 。

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系,建立了基于相异关系的粗糙集理论,它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来.

叶枝分辨的决策树研究

为了解决当前构建决策树算法中准确度与计算量之间的矛盾,根据粒计算理论,提出了利用叶枝粒之比的决策树构建算法:将条件属性按属性值划分为若干基本粒作为基本分配单位(叶重量),而将基本粒所对应的决策属性值的类别数量作为基本接受单位(枝数量),直接利用叶枝粒比判断确定划分属性,由所选划分属性自顶向下构造决策树。通过理论与实例分析结果表明了该算法简洁且准确性高。

基于粗糙集的微小缺陷图像对比度增强算法

设计了一种微小缺陷图像对比度增强算法。采用粗糙集理论将图像划分为不同类别,同一类别中像素间为不可分辨关系。并依据图像灰度值和噪声属性进一步将图像划分为子图,在子图中得到图像的明暗区域。对图像不同区域进行直方图均衡变换和直方图指数变换处理,处理后即可增强图像的对比度。仿真实验表明,处理后可突出显示图像中的微小细节,图像不同区域之间的划分效果更加明显,可以有效提升图像的对比度和视觉效果。

分布式光纤测温系统分辨率影响因素研究

应用分布式光纤测温系统对船舶电力系统进行在线监测时,由于船舶电缆的特殊运行环境,对测温系统的空间分辨率和温度分辨率提出了更高的要求,而在基于拉曼散射双路解调的分布式光纤测温系统中,系统的空间分辨率、温度分辨率、时间分辨率和测温距离相互制约。为设计满足船舶电力系统在线监测需求的测温系统,分析了系统空间分辨率的影响因素,并在此基础上建立了基于光时域反射技术的分布式光纤测温系统的等效模型,分析了不同影响因素之间的主次关系;基于拉曼散射光强度公式推导出了准确性更高的系统温度分辨率影响模型;在此基础上得到了空间分辨率、温度分辨率、时间分辨率和测温距离之间的相互影响公式,为分布式光纤测温系统的性能指标设计提供了参考,在测温距离较短时,通过进一步增大累加次数和减小泵浦光脉宽,可在保证空间分辨率和时间分辨率的条件下提高空间分辨率。搭建实验平台对所提出的方法进行验证,通过调节累加次数和脉冲宽度在500 m的测温距离达到了温度分辨率0.65℃、空间分辨率1 m、时间分辨率1 s的分辨率指标。

基于粗集理论的数据离散化新算法

连续属性值的离散化一直是机器学习领域中殛待解决的关键问题之一 ,他对于提高后继学习算法的运行速度、降低算法的实际空间要求和时间消耗、提高学习结果的聚类能力等都具有极其重要的意义。本文首先分析了基于粗集模型的数据离散化方法的特点和基本思路 ,研究了候选断点重要性的衡量方式 ,在此基础上提出两种新的从候选集合中最终确定离散化断点的启发式算法。这两种算法考虑并体现了粗集理论的基本特点和优点 ,选择的断点都能够保证信息系统的分辨关系 ,并能够取得较理想的离散化结果。

基于可辨识矩阵的快速粗糙集属性约简算法

Karno Bozi提出的CoreSearching算法在向约简中插入候选属性的时候,根据属性出现次数需要循环查找可辨识矩阵中的所有剩余项,直至矩阵为空,导致计算量较大和结果中冗余属性存在的可能。基于Core Searching算法提出通过给属性设立计数器的基于可辨识矩阵的快速属性约简算法,实例分析表明,该算法与CoreSearching算法相比,在计算量减少和循环次数减少的同时能得到更简约的结果,是一种快速、高效的属性约简算法。

基于Rough集理论的模糊值属性信息表简化方法

为了有效地在信息表中处理取值为模糊术语的属性 ,解决Rough集对模糊值属性处理能力较弱的问题 ,提出了模糊不可分辨关系的概念 ,用于处理属性值为模糊术语的信息表 将约简、核、相对约简与相对核以及规则的约简与核等Rough集理论中一系列知识约简的概念推广到模糊环境下 ,提出了一种有效的模糊值信息表简化的启发式算法

基于粗糙集理论的网络型入侵检测系统

为解决目前大多数入侵检测产品或模型对未知攻击的检测都存在精度低或者虚警率高的问题,建立了一个基于网络的入侵检测实验平台,使用了多种新的攻击工具实施攻击;并在此基础上提取了网络连接的29项实时特征;应用粗糙集理论实现了一个网络连接的检测器。经实验表明,所选取的网络连接特征能较好地反映网络安全状况,粗糙集理论应用于多类分类问题和未知攻击的检测方面是有效的。

粗集理论原型系统的集成与实现

粗集理论主要基于集合近似的概念,给出了知识划分和规则提取的一套方法,主要有不可分辨类的数据划分定义、上下近似和相对正区域求解方法、最小决策规则生成等。针对粗集中这些重要理论,文章主要介绍开发粗集理论原型系统的设计要求、系统组成以及实现粗集理论中相关算法理论依据,并包含有通用数据库接口,因此有着一定的应用价值。

基于粗糙集的医学图像融合算法

针对医学图像中滤波效果较差,边缘模糊问题,利用粗糙集不可分辨关系理论,提出了一种基于粗糙集的医学图像融合算法;通过对源图像进行粗糙中值滤波,将噪声从图像中分离出来;并提出一种粗糙边缘检测算法,对CT图像进行边缘检测;最后,扫描CT边缘图,定位坐标的跟踪,采用绝对值选大的融合规则实现CT图与MR图的融合;实验结果表明,提出的算法较好的保持了医学图像的细节信息,融合质量较优且效率较高。

知识的粗识别及其评判

讨论了在近似空间中知识的粗识别,对不可分辨关系R对范畴X的粗识别能力进行了量化,给出了相应的度量评判标准,提出了知识的多重粗识别及知识再挖掘的概念,对多个不可分辨关系对论域的共同作用进行了讨论。