基于多粒度理论的不完备决策规则获取

将多粒度理论引入不完备决策系统中,针对其不完备性,结合非对称相似关系提出基于相似关系的不完备多粒度粗糙集模型,并讨论该模型的性质。随后重点讨论基于相似关系的不完备多粒度粗糙集模型中属性约简和决策规则获取的问题,将多粒度理论和近似分布约简相结合,提出了不完备多粒度近似分布约简,获得所有的最简确定决策规则和最简可能决策规则。最后通过实例分析,发现使用多粒度近似分布约简与规则获取方法比原有的单粒度近似分布约简与决策获取方法更合理有效。

基于粒度理论的高维数据流并行计算方法

以实现多种形态高维数据流的高效、精确并行计算为出发点,提出基于粒度理论的高维数据流并行计算方法。使用基于动态粒度的数据流挖掘模型,高效挖掘高维数据流;利用基于局部保持投影原理和主成分分析原理压制高维数据流噪声,减少高维数据流噪声隐患;依据降噪后不同高维数据流特点,采用高维数据流相关性分析并行计算方法,得到高维数据的皮尔逊积差相关系数,实现数据流关联,并基于数据流十字转门模型,定义适合高维数据流分析的滑动数据流窗口模式,实现高维数据流的并行计算。实验结果验证,上述方法挖掘高维数据流的内存消耗低,高维数据流数据去噪能力强,具备较高的高维数据流并行计算精度,且并行计算效率高。

基于商空间理论的多粒度灰色模型应用

为研究安徽省十三五期间的GDP变化趋势,利用商空间粒度理论和灰色系统理论,依据安徽省国内生产总值(GDP)平均增长速度指标的不同,以5年、7年、10年三个不同的年度粒度,构造灰色系统模型,对安徽省十三五期间的GDP变化趋势进行预测。模型通过残差检验和后验差检验,检验指标良好,说明了预测模型的可行性。为进一步提高预测结果的精度,对灰色模型进行了改进,提出了新陈代谢法(GMMM)。三种不同粒度利用新陈代谢法(GMMM)预测的安徽省十三五期间的GDP数据表明安徽省十三五规划中的GDP增长目标是可行的。

粒度粗糙理论研究

从动机、理论和实现三方面系统地阐述了粒度粗糙理论体系.分析了构建粒度粗糙理论的3点动机:1)通过显式编码语义上下文的信息表示模型,强调粗糙性的表示语义;2)通过半结构化思想设计表示模型,扩展粗糙性方法适用的信息源;3)通过构建纯粹总分学关系上的粗糙性,描述丰富的信息结构应用语境,扩展粗糙性方法到总分学推动的领域,并展示结合总分学和计算机科学创建新型跨学科方法学的潜力.理论上定义了粒度表示演算,使其兼具一般信息源和粗糙性方法底层表示系统的双重功能,在此基础上构造内核、外壳及主体信息颗粒,分别对应粗糙性的下界近似、边界区域及上界近似概念.实现上,提出了通过"实体-属性-值"模型开源系统进行粒度粗糙理论快速原型化的思路,从而提供实验平台验证理论的正确性,同时,更自然地对临床数据进行粗糙性分析.作为总结,阐述了粒度粗糙理论的意义、未解决问题及未来的研究方向.

基于智能粒度计算分割理论的计算机网络可靠性分析手段研究

对于计算机网络,探析了它特有的可靠性,求解智能数值。经过节点遍历,改进得出新的这类遍历流程。针对遍历算法予以探析并摸索,获取可行做法,简化了常规路径下的繁杂步骤。通常来看,网络可靠性关联的数值运算还是偏繁琐的,节点遍历依托的新流程缩减了冗余范畴的运算,改进现有算法。构建在智能粒度根基上的分层解析,吻合了这一范畴的可靠性解析,方便常规运算。

板块俯冲带岩浆作用过程的研究

综合分析了板块俯冲带岩浆活动的物质来源、岩浆上涌直至喷出的地球化学过程以及与这些过程相对应的时间尺度等研究的进展,指出了目前研究中存在的主要问题,并建议我国在该领域开展相关的研究中应:1)首先利用独有的地理优势,以处于弧后扩张作用早期的冲绳海槽为研究对象,开展相关的调查与研究;2)积极引进先进的技术手段;3)通过加强国际合作,积极参与国际合作项目,拓展研究领域。

一种改进的局部多粒度决策理论粗糙集模型

局部多粒度决策理论粗糙集要预先获取给定数据集中所有对象的信息颗粒,只需要对特定的目标概念中的对象的信息颗粒进行计算,开创了一种有用的计算范式。然而,传统的局部多粒度决策理论粗糙集在计算三个区域(正域,边界域和负域)时需要主观的给定一对概率阈值(α,β)。在实际的决策应用中,该获取阈值的方法可能会造成信息丢失或判断不准确的问题。为了解决这个问题,这篇文章提出了一种改进的局部多粒度决策理论粗糙集模型,叫做广义的局部多粒度决策理论粗糙集。该模型可以通过一个补偿系数ζ,即可自适应的获得相对应的参数α和β.这不仅减少了人为设置参数的个数,还强化了由多个粒度结构所产生损失的语义解释。

优化的覆盖算法在文本挖掘中的应用研究

文章首先分析了覆盖算法中存在的两个主要缺点,即由于分类边界的粗糙而造成的测试样本拒识的概率较大以及当所得的覆盖存在交叉时,测试样本的类别确定问题,在此基础上应用基于商空间的粒度计算理论针对覆盖算法中的第二个缺点进行优化,即对覆盖算法中的由于覆盖交叉而误判的样本进行二次识别。通过减小识别样本的粒度,使覆盖粒度在由粗到细的变化过程中,实现对误判样本的渐进识别,在更小的空间上实现对误判样本的二次识别,从而提高了识别率。最后在已进行过预处理的中文文本数据库中使用优化后的覆盖算法,实验结果表明,优化后的方法减少了误判样本的数量,降低了识别样本时的出错率,有效地提高了分类的精度。