知识粗糙性的零等价条件

讨论了知识粗糙性的等价条件 ,证明了知识粗糙性与条件熵为零等价 ,同时还证明了互信息对知识粗糙性定义的偏序“较细”是单调下降的。从而揭示了知识粗糙性与条件熵的密切联系。

关于极大内射性的注记(英文)

环R上的右R-模E称为极大内射模,如果对每个极大右理想m,任何右R-模同态f:m→E都能扩张成右R-模同态f′:R→E.在本文中,作者应用极大内射模和函子Ext将内射维数推广到极大内射维数,并证明其为单模的投射维数的上确界.然后详细地考察了其特征模为极大内射模的一类模,揭示了这类模与关于Von Neumann正则环的Ramamurthi问题的内在联系,给出了关于Ramamurthi问题的部分结果.

基于改进的快速LADT和神经网络结合的QRS波检测方法

目的 研究QRS波的具有较高正确率的识别方法。方法 本研究用一种改进的快速LADT新方法 ,并结合神经网络检测ECG信号的QRS波。结果 经MIT BIH心电数据库检验表明 :QRS波正确识别率高 ,实时性好。

心电图的数组化及其在QRS波检测中的应用

提出用折线拟合心电图 ,将心电图数组化 ,通过分析数组 ,来体现 QRS波与非 QRS波部分的特征 ,结合有噪声部分和没有噪部分来分析有噪声部分。该方法经 MIT/ BIH标准心电数据库检测验证 ,QRS波正确检测率高达 99.9%。该方法在体现心电图的整体特征方面具有创造性和可行性 ,能达到准确识别复杂波形的目的。

基于粗糙集与神经网络结合的室性QRS波分类方法的研究

提出了一种新的室性QRS波分类方法.该方法通过提取反映QRS波形态的特征,获得QRS波形态知识库,运用粗集理论获取最小决策算法,并据此设计神经网络,最后用该网络对室性QRS波进行分类.该方法经MIT心电数据测试表明,室性QRS波正确分类率达99.8%.

基于规则提取的粗-模糊神经网络及其应用

本文基于粗集理论中模糊类对给定范畴的隶属度,给出了一种利用决策表进行规则提取的新方法LBR(Learning By Rough sets),并在此基础上提出了一种新的粗-模糊神经网络(RFNN)模型,以降水量预测为例,得到了很好的拟合效果,从而具有广泛的应用前景。

基于粗集的规则提取LBR和LEM3

本文基于粗集理论,提出了一种新的规则提取法LBR(Learning By Rough Sets),并对LBR与另一种已有的规则提取法LEM1,即全局覆盖算法(global covering algorithm)进行了比较和讨论.基于比较的结果,得出了将LEM1改进后的LEM3.LBR不但可用于普通的决策表规则提取,更多地可应用于基于模糊划分的规则提取.LBR的提出,极大地简化和丰富了规则提取算法,在已知数据中可获取更为丰富的信息量.而LEM3的使用,则是在将"依赖"(depend on)这一概念推广的基础上,更灵活地使用"覆盖"(covering),扩大了获取规则的范围.LBR和LEM3因其各自不同的优点,在数据挖掘和智能领域均具有广泛的应用前景.