广义多粒度双量化邻域粗糙集

针对实数型数据的信息量化问题,引入相对概念和绝对基数构建了广义多粒度双量化邻域粗糙集模型.首先,通过I型和II型广义多粒度上、下邻域特征支撑函数构建两类广义多粒度上、下邻域近似算子并讨论其性质;其次,讨论了两种广义多粒度邻域粗糙集的关系;最后,通过传染病案例实证分析了模型的实用性和有效性.

基于双量化评价指标的千米深井大采高液压支架适应性分析

针对液压支架的适应性评价缺乏量化指标的问题,以淮南矿区口孜东煤矿的千米深井软岩大采高俯斜采煤工作面的地质条件为研究对象,建立了四柱和两柱支架的“支架–推移千斤顶”承载稳定性力学模型,得到了两种架型临界载荷的一般形式及推移千斤顶参与支架力学平衡的判定准则。提出了衡量液压支架与顶板和底板适应性的双量化评价指标,指导研制了适用于该煤矿的ZZ18000/33/72D型大采高四柱液压支架,采用理论分析和数值计算对比了两种架型的适应性,并进行了现场试验。结果表明:支架与顶板的适应性指标越大及支架与底板的适应性指标越小,则支架的适应性越强;指导研制的ZZ18000/33/72D型大采高四柱支架对顶板适应性、底板比压及对安全阀的控制性等方面明显优于两柱支架,临界载荷曲线更适应该场景的顶板载荷特征。该支架与顶板和底板的适应性良好,未出现影响工作面安全和正常回采的大面积片帮及冒顶,底座也未发生陷入底板的现象。研究结果可为液压支架的适应性设计和评价提供量化参考。

基于双量化评估的超前护理在前列腺电切术患者中的应用

目的探讨基于双量化评估的超前手术室护理在前列腺电切术患者中的应用效果。方法选取2023年1—12月于医院行前列腺电切术治疗的80例患者为观察对象,以随机数字表法分为对照组及观察组,每组40例。对照组实施常规手术室护理干预,观察组在对照组基础上实施基于双量化评估的超前护理干预。比较两组中重度手术恐惧、生理应激指标、手术室不良事件率、术后不适应行为。结果观察组生理应激指标、中重度手术恐惧率、手术室不良护理事件率、术后不适应行为阳性率低于对照组(P<0.05)。结论基于双量化评估的超前护理可减少前列腺电切术患者手术恐惧度,减轻生理应激,降低手术室不良护理事件率及术后不适应行为阳性率。

基于双量化的双论域多粒度直觉模糊粗糙集

双论域多粒度直觉模糊粗糙集有利于不确定性分析,但其乐观与悲观模型具有极端性.引入相对概率与绝对基数进行双量化集成,获取双论域多粒度直觉模糊粗糙集的均衡模型及性质.首先,采用双量化技术,构建双论域多粒度直觉模糊粗糙集“下近似绝对量化-上近似相对量化”模型和“下近似相对量化-上近似绝对量化”模型,设计优化算法.其次,研究2类模型近似算子相关性质,包括集合运算与阈值单调等.最后,采用实例来验证模型有效性与性质正确性,并提供三支决策制定方案.所得结果具有模型改进性、性质扩张性,具有不确定性应用前景.

基于JPEG双量化效应的图像盲取证

JPEG图像的双量化效应为JPEG图像的篡改检测提供了重要线索。根据JPEG图像被局部篡改后,又被保存为JPEG格式时,未被篡改的区域(背景区域)的离散余弦变换(DCT)系数会经历双重JPEG压缩,篡改区域的DCT系数则只经历了1次JPEG压缩。而JPEG图像在经过离散余弦变换后其DCT域的交流(AC)系数的分布符合一个用合适的参数来描述的拉普拉斯分布,在此基础上提出了一种JPEG图像重压缩概率模型来描述重压缩前后DCT系数统计特性的变化,并依据贝叶斯准则,利用后验概率表示出图像篡改中存在的双重压缩效应块和只经历单次压缩块的特征值。然后设定阈值,通过阈值进行分类判断就可以实现对篡改区域的自动检测和提取。实验结果表明,该方法能快速并准确地实现篡改区域的自动检测和提取,并且在第2次压缩因子小于第1次压缩因子时,检测结果相对于利用JPEG块效应不一致的图像篡改盲检测算法和利用JPEG图像量化表的图像篡改盲检测算法有了明显的提高。

基于JPEG双量化特性的彩色伪造图像盲检测

现有的盲检测方法主要针对灰度图像和未压缩图像,很多算法都不能有效地检测彩色压缩伪造图像。本文提出了一种利用JPEG双量化失真特性实现彩色压缩伪造图像盲检测的方法。通过分析伪造图像的制作过程,可知由多幅JPEG图像拼接成的高质量彩色伪造图像中篡改区域和背景区域经历的双量化过程不同。根据这一特性,本文首先使用背景区域的初始量化表估计值对待检测图像进行再压缩处理,定义再压缩后图像各颜色分量的失真函数;然后根据各失真函数在图像不同区域的取值,由各颜色分量分别确定篡改区域;最后综合彩色图像各颜色分量的检测结果,最终识别出彩色图像篡改区域的位置和大小。仿真结果表明该方法不但可以有效地识别彩色伪造图像的篡改区域,而且比基于单一颜色分量的检测方法更加准确。

三支决策与三支关注的双量化集成

三支决策依托的条件概率只具有相对性,绝对性度量的引入与集成有利于规则提取.文中挖掘绝对条件概率建立三支关注,研究三支决策与三支关注的双量化集成.提取相对条件概率与绝对条件概率,分析2种度量的系统关系,得到异质性与互补性.利用绝对条件概率建立三支关注,与三支决策进行双量化集成,得到集成区域类型与基本语义(粒)体系.利用一个统计决策表案例进行说明.三支关注依托绝对条件概率成为新型三支模式,与三支决策的双量化集成呈现系统性与应用性.

基于逻辑或的双量化粗糙集模型的计算分析与属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,而精度与程度的逻辑或粗糙集模型则是一类基本的双量化扩张模型.针对该模型进行深入的计算分析,进而探讨其在近似空间中的属性约简.利用区域结构,分析计算公式,在此基础上构建宏观算法和结构算法,算法的分析和比较结果说明结构算法具有较好的计算复杂性.基于近似空间讨论关于4区保持的基本性质,提出区域保持的属性约简,得到经典定性约简的一类扩张量化约简.该研究为双量化粗糙集模型的优化计算与约简应用提供泛化思路.

基于变精度上近似与程度下近似的双量化边界及其算法

近似空间中,精度与程度结合形成的双量化是一个创新课题。利用笛卡尔积进行量化信息合成,基于变精度上近似与程度下近似探讨双量化边界及其算法。首先,基于上述两个近似,自然地构建了双量化扩张粗糙集模型,定义了双量化扩张边界。接着,分析了该边界的双量化语义,得到了该边界的精确刻画与数学性质;为计算该边界,提出了近似集算法与信息粒算法,进行了算法分析与算法比较,得到了信息粒算法具有更优的算法空间复杂性的重要结论。最后,应用一个医疗实例对该边界及其算法进行了说明。该边界扩张了经典Pawlak边界,并对局部不确定性进行了双量化的完备与精细刻画,这对双量化的不确定性分析与应用具有重要意义。

双论域上模糊关系的双量化粗糙集研究

针对U到V型双论域双量化粗糙集模型不能处理模糊数据的不足,本文引入U到V上二元模糊关系,构造了U到V型基于模糊关系的双论域双量化“逻辑与”粗糙集模型,并对其模型结构和数学特性进行了深入研究,得到了在模糊关系下模型和性质的一些结论.该模型使得双论域双量化粗糙集理论具有更广泛的应用领域,为进一步揭示双论域双量化粗糙集模型的应用研究提供了理论依据.

基于“逻辑与”算子的双量化多粒度粗糙集模型

在多粒度近似空间中,将刻画相对量化信息的变精度粗糙集和描述绝对量化信息的程度粗糙集通过"逻辑与"算子结合起来,建立了基于"逻辑与"算子的双量化多粒度粗糙集模型,并分别从乐观和悲观双量化多粒度粗糙集的角度对模型的一些数学性质进行了讨论。该模型对多粒度近似空间中的相对量化信息和绝对量化信息同时进行了描述,在处理带噪声的数据方面有一定的应用价值,丰富了基于粗糙集理论的知识发现的理论基础。

基于JPEG双量化效应的图像篡改盲检测

JPEG图像的双量化效应是检测和发现JPEG图像篡改的重要线索。针对现有检测算法大多数是基于DCT块效应而较少利用双量化效应的情况,提出了一种利用JPEG双量化效应的图像篡改盲检测新方案。该方案对比用DCT系数直方图计算的未篡改区域后验概率和用区间长度计算的未篡改区域后验概率之间的差异性,提取能有效区分篡改块和未篡改块的特征,计算每个DCT块的特征值,然后设置阈值,将特征值大于阈值的图像块判定为篡改块,最后通过选取连通区域,标定篡改区域。实验结果表明,与已有的类似方案相比,该方案能够较精确地检测和定位篡改区域,且对颜色、纹理丰富的图像具有明显优势。

局部双量化模糊粗糙集

为了在一定程度上提升模型的实用性与容错率,首先给出程度模糊粗糙集模型和局部程度模糊粗糙集模型的定义,然后,将局部模糊粗糙集模型与局部程度模糊粗糙集模型通过逻辑联结词结合起来,提出局部双量化模糊粗糙集模型,并给出模型的相应性质.最后,通过一个相应的例题说明其有效性.

多粒度近似空间中基于“逻辑或”算子的双量化粗糙集模型

变精度粗糙集和程度粗糙集都是在单粒度近似空间中,基于不可分辨关系的扩展粗糙集模型。从信息量化角度来说,变精度粗糙集描述了近似空间中的相对量化信息,程度粗糙集则用于对绝对量化信息的表示中,而多粒度近似空间作为一种广义的近似空间,是对经典近似空间的自然扩张。为了在多粒度近似空间中研究同时具有信息的相对量化和绝对量化特征的粗糙集模型,本文通过“逻辑或”算子将变精度粗糙集和程度粗糙集在多粒度近似空间中结合起来,建立了“逻辑或”双量化多粒度粗糙集模型。并对该模型的粗糙集区域,以及所具有的一些基本数学性质进行了深入的讨论,为多粒度近似空间中基于粗糙集理论的知识发现,提供了新的研究方法。

邻域双量化粗糙模糊集近似属性约简

本文以邻域双量化粗糙模糊集为研究对象,探究其近似属性约简的数学表示,提出一种复杂度更低的新型遍历式属性约简算法。在数值实验中提出相对重构正确率的概念,并且将双量化模型与单量化模型的约简结果进行对比分析。

双论域上量化粗糙集模型及应用

双量化方法能够比较全面地刻画近似空间中决策对象的不确定性本质。在双论域框架下讨论了双量化粗糙集的基本模型。通过现实中理疗诊断决策问题给出了双论域量化粗糙集研究的背景和意义,进而通过结合经典变精度粗糙集和程度粗糙集给出了双论域量化粗糙集的基本定义。系统地讨论了其上下近似的基本性质以及与已有粗糙集模型的关系,并给出了其上下近似的矩阵计算方法。基于所建立的理论模型与方法,给出了双论域量化粗糙集在疾病诊断决策中的应用,通过应用算例说明了理论模型的应用过程。

精度与程度逻辑差双量化粗糙集模型的属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,精度与程度逻辑差粗糙集模型则是一类基本双量化模型.本文主要针对该模型,深入探讨其在二分类情形下的属性约简.首先,讨论了基于模型上下近似的二区保持的基本性质,提出并研究了二区保持约简;接着,定义了基于变精度上下近似与程度上下近似的四区保持约简,得到了其与二区保持约简的层次关系;最后,利用一个统计决策表案例对两种属性约简及它们的层次性进行了说明.对双量化属性约简来讲,本文的二区保持约简具有泛化性,而四区保持约简则具有基础性与指导性,它们从而提供了一些基本思路.

直觉模糊序信息系统中双量化粗糙集模型

研究经典信息系统中单量化粗糙集模型在直觉模糊序信息系统中的表达形式,建立直觉模糊序信息系统下双量化粗糙集模型,给出直觉模糊序信息系统下双量化粗糙集模型求解上近似和下近似的算法,最后通过实际案例分析构造的模型。

序信息系统中的双量化决策粗糙集模型

决策粗糙集和程度粗糙集作为两类广义的粗糙集模型,分别从相对信息量化和绝对信息量化的观点对经典的粗糙集模型进行了扩张。本文在序信息系统中将这两类广义粗糙集模型进行融合,即将决策粗糙集和程度粗糙集的近似算子重新组合,以此构造了两种不同类型的双量化粗糙集模型。然后,对模型的一些基本性质进行了讨论,新建立的粗糙集模型包含了相对量化信息和绝对量化信息。最后,通过对实际案例分析展现了双量化决策规则的获取方法,结果表明两类模型均可以有效的获取决策规则,本文为序信息系统中的决策分析提供了新的选择。

基于Sugeno测度的动态不可加双矢量量化说话人识别研究

针对双矢量量化方法中语音的静态特征和动态特征的权重不满足可加性的情况,提出了一种新的说话人识别方法——基于Sugeno测度的动态不可加双矢量量化说话人识别方法。该方法在Sugeno测度空间上将说话人语音的静态特征和动态特征用Sugeno测度进行动态融合。然后,在噪声环境下研究了该方法的识别效果,找到了噪声环境下语音的静态特征和动态特征参数的较优的权重组合。实验结果表明,与双矢量量化识别方法相比,该方法可以使识别率明显提高。该方法为研究各类语音特征参数之间的关系、探寻最优的特征匹配方案提供了一种新的途径。