基于粗糙集理论的智能数据分析模型

粗糙集理论作为一种智能数据分析和数据挖掘的新的数学工具,其主要优点在于它不需要任何关于被处理数据的先验或额外知识.提出了一种基于粗糙集理论的智能数据分析模型,从目标数据集出发,通过数据预处理、数据分类和规则获取,实现对原始数据集的智能分析,并通过实例测试验证了该模型的有效性.     

粗糙线性空间

将粗糙集思想引入到线性空间。提出线性空间中子集的上近似和下近似的概念,给出上、下粗线性子空间与上、下粗不变子空间的概念,讨论粗糙集线性空间的有关性质。     

基于单调包含度的模糊决策信息系统的知识约简

知识约简是机器学习,模式识别,信号处理等领域的主要问题之一。本文介绍了基于单调包含度的模糊决策信息系统的知识约简。证明了模糊决策信息系统的约简即是其对应信息系统的约简,从而为该种模糊决策信息系统的知识约简提供了简单直接的方法。     

扰动模糊集的粗糙度

首先,将扰动模糊集和粗糙集理论相结合,提出了粗糙扰动模糊集的概念并研究了其基本性质.接着,通过引进扰动模糊集水平上、下边界区域的概念,克服了粗糙集理论中普遍存在的两个集合的上近似的交不等于两个集合的交的上近似(两个集合的下近似的并不等于两个集合的并的下近似)的缺陷.最后,定义了依参数的扰动模糊集的粗糙度的定义,讨论了其基本性质.     

基于覆盖粗糙集理论中的约简与求核

提出基于分辨矩阵的求覆盖粗糙集约简与核的方法,在Zakowski提出的覆盖粗糙集模型的基础上,利用分辨矩阵的一些性质,把文献[10]中的粗糙集理论中的约简与求核方法应用到基于覆盖的粗糙集理论中,既简化了覆盖粗糙集理论中的约简与求核过程,又推广了文献[10]的方法,最后举例说明此方法的有效性。     

粗糙模糊集的模糊性度量

研究粗糙模糊集的模糊性度量，提出了一种新的熵与条件熵的概念，并验证了这种熵与Shannon熵类似的性质。利用这种熵定义了粗糙模糊集的一种不确定性度量，证明了粗糙模糊集的模糊性度量FR（A）等于0的充分必要条件是A是经典集合且是可定义的。     

基于优势关系下不协调目标信息系统的分布约简

在基于优势关系下的不协调目标信息系统中引入了分布约简和最大分布约简的概念,并讨论了二者之间的关系,而且得到了分布和最大分布约简的判定定理以及辨识矩阵,建立了不协调目标信息系统的分布和最大分布约简的具体方法,同时通过实例验证了该方法的有效性,从而进一步丰富了粗糙集理论。     

不协调目标信息系统知识约简的比较研究

研究不协调目标信息系统的各种知识约简之间的关系。证明分布约简既是β上分布约简，也是β下分布约简，并且在一定条件下,β上、下分布约简与不协调目标信息系统的分配约简和最大分布约简等价。     

基于粗糙集理论的知识约简及应用实例

在保持分类能力不变的前提下 ,通过利用粗糙集理论中的知识约简方法 ,在保护知识库分类不变的条件下 ,删除其中不相关或不重要的知识 ,从而导出问题的决策 .利用基于决策表的粗糙集模型算法 ,实例分析如何数字化表示决策表 ,并对其进行属性约简和属性值的约简 ,从而提取决策规则 .     

基于粗糙集与小波变换的图像融合算法

粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。