模糊信息系统属性值的重要性度量

在粗糙集理论中,属性约简是一个重要的研究方向,但是所有约简的计算都是NP-hard问题.在模糊粗糙信息系统中存在着同样难以解决的问题,因而在实际运用中,经常通过获取粗糙集的核心属性或属性的重要性度量,以便运用启发信息来降低计算的复杂度,进而获取最优或次优约简.本文引入模糊集的贴近度和排序矩阵来计算决策属性所依赖的条件属性值的重要性度量,去除冗余属性值,从而使获取约简的计算量得以减少.

基于局部熵的高度场三角格网化研究

不规则三角格网表示以其优越的性能在地形高度场数据的简化中得到了广泛的应用 .在不规则三角格网生成的过程中 ,插入点的选取是关系到最终简化后的地形逼近质量好坏的关键 .由于我们通常对原始格网上的每一个点给出一个重要性度量 ,并以该度量值作为插入点选取的依据 ,因此重要性度量值计算方法的选取成为研究的重点 .本文在对传统重要性度量方法的性能比较和分析基础上 ,提出了一种基于局部熵的重要性度量方法 .实验结果表明 ,基于局部熵的插入点选取方法在各项性能上均优于局部误差估计的方法 ,并且有效的克服了以往方法中的“短视性”问题 .