基于粗糙回归的股票指数变化趋势研究

运用粗糙集结合回归分析预测上证指数变化趋势,首先对预测日前1个月、前1星期、前1天等8个不同时间段进行回归分析,然后根据获得的趋势建立决策表,然后运用粗糙集获取决策规则,最后利用得到的规则预测上证指数的变化趋势.测试结果表明,该方法准确率良好.     

基于粗糙集与统计学习理论的样本分类算法

结合粗糙集理论中分类思想与统计学习理论中回归分析思想,本文给出了一种样本分类算法,该算法首先对决策表进行约简,求出一个极小约简,并在极小约简决策表中,将对象按类属性值进行分类。然后根据每一类的因素描述,给出一个线性回归方程。最后将未知样本的数据代入每一个回归方程,根据最大隶属度原则,确定每个样本的分类。     

模糊粗糙集的三个数字特征

系统地讨论了模糊粗糙集的三个数字特征即粗糙度、模糊度和贴近度的公理化定义及其一般性构造方法,并给出了一些具体的计算公式。     

水雾化粉末质量预报系统的建模与知识获取

水雾化粉末质量预报系统具有原始数据不全的特点,是一个不完备的信息系统.本文依据此特点,结合变精度粗糙集方法,在相客关系的基础上引入集对分析方法,提出一种基于集对势容差关系的扩充粗糙集方法,并应用于该信息系统的建模中,通过对α的调节和控制,有效保证了制粉生产条件属性容差类划分的准确性和灵活性.最后,本文以该模型为基础,使用基于属性重要性的贪心算法讨论了制粉生产条件属性约简和知识获取的方法、步骤和决策规则.经实际生产验证了获取的预报知识的合理性和有效性,对制粉工艺和生产真正起到了优化作用.     

基于粗糙集与小波反锐化掩模的图像增强

为了有效去除图像中的干扰噪音,改善模糊不清晰的有用边缘细节信息,提高图像的层次感和清晰度,提出将粗糙集和小波反锐化掩模相结合的方法来实现图像增强.运用粗糙集中的近似及等价属性关系将知识化后的图像划分成不同的区域,再根据估计好的阈值进行数据约简,实现有效去除噪音.运用小波反锐化掩模法对图像的轮廓及细节信息进行增强处理,完成图像的最终增强.实验结果表明,不论在主观的视觉效果上,还是客观的噪音均方误差,该方法的处理结果都是较为理想的.     

基于相对优势类差量的序信息系统属性约简算法

针对序信息系统,定义了优势类差量和相对优势类差量,讨论了一种刻画属性重要度的新指标.在此基础上,提出一种基于相对优势类差量的启发式约简算法,它能从搜索空间中删除不重要属性,降低了约简的时间复杂度.与现有启发式约简算法相比,该算法具有较高的搜索效率.实例与实验表明了该算法的可行性与有效性.     

R0-代数滤子的粗糙性

把粗糙集理论应用于R0-代数,引入了R0-代数的上、下粗糙滤子的概念,并讨论了R0-代数的粗糙滤子的相关性质.     

由上近似数诱导的拟阵及其特征

拟阵理论与粗糙集理论之间有很多相似之处,近年来,探讨这二者之间的联系成为一个研究热点.首先利用基于等价关系的上近似数诱导了一系列拟阵结构,然后刻画了这类拟阵的独立集、基集、秩函数以及闭包等,讨论了与其它拟阵之间的一些联系.