基于覆盖的概率粗糙集模型及其Bayes决策

经典的Pawlak概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到.因此,许多学者建立了基于一般关系(如容差关系、相似关系等)的Pawlak粗糙集模型.本文建立了基于覆盖关系的概率粗糙集模型,推广和总结了前人的工作.同时,提出了该模型下的Bayes决策方法和应用实例.     

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。     

基于高斯混合尺度模型的压缩传感图像重构

在图像处理领域中,压缩传感重构是稀疏表示下的最重要的病态反问题之一。压缩传感图像重构利用图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像。为了克服传统的压缩传感算法中收敛速度慢和未利用变换系数的邻域统计特性的缺点,提出了基于高斯混合尺度模型的压缩传感图像重构算法,证明了独立的高斯混合尺度分布作为压缩传感重构的稀疏先验知识的可行性,结合全变差调整进一步提高算法的性能。实验结果表明,该算法有效地提高了重构图像的主观视觉效果和峰值信噪比,加快了压缩传感图像重构算法的收敛速度。     

基于粗糙集的突发事件属性约简方法

针对突发事件不完备信息系统中的原始数据存在大量属性冗余的问题,提出一种基于粗糙集的不完备信息系统属性约简方法,以剔除冗余属性,提高知识清晰度。首先对缺失、冗余、噪声以及连续型数据进行预处理;然后进行属性分类,将属性分为条件属性与决策属性,进而建立决策表;最后根据决策表的特征,结合有序加权平均算子的思想,提出一种基于属性重要度的启发式属性约简算法。文末,通过实例验证了方法的正确性与有效性,并利用该方法实现了火灾数据的属性约简。     

$G$核开集,$G$核邻域与$G$ 核导集

在拓扑空间中, 在$G$方法意义下以$G$壳与$G$核为基础, 引入$G$壳闭集,$G$核开集,$G$核邻域与$G$核导集的概念, 讨论其相应的一些性质. 特别的, 定义了点式$G$方法, 提供了在此方法下$G$闭集与$G$壳闭集, $G$开集与$G$核开集, $G$邻域与$G$核邻域, $G$导集与$G$核导集的一致性, 丰富了拓扑空间中关于$G$闭集, $G$开集, $G$内部, $G$邻域和$G$导集的一些结果. 同时, 提出一些问题以供进一步研究.     

基于粗糙集理论的超稠油油藏水平井吞吐效果评价及其影响因素分析

影响超稠油油藏水平井蒸汽吞吐开发效果的因素包括地质参数、流体参数、开发参数、水平井设计参数等众多因素,寻找主要因素对于超稠油油藏水平井吞吐效果评价及开发调整设计具有重要意义.基于粗糙集理论对影响超稠油油藏水平井吞吐效果的10个因素进行数据属性约简,同时利用灰色关联分析,对这些因素进行敏感性分析;应用Elman神经网络比较上述两种结果,证明了粗糙集理论进行数据属性约简的方法更准确.最终得到注汽干度、注汽强度、注汽速度、水平段长度和注汽压力对水平井的开发效果影响最大.实例计算表明,方法实用有效,精度较高,可用于超稠油油藏水平井吞吐效果评价及开发、调整设计.     

精度与程度的逻辑或近似算子的性质

本文目的是探讨精度与程度的复合,探索新的粗糙集拓展模型.从精度与程度的逻辑或运算出发,定义了精度与程度的逻辑或粗糙集模型.在该模型中,通过变精度近似与程度近似的转化公式,研究了精度与程度的逻辑或近似算子,并得到了该近似算子的幂作用等性质.用精度与程度的逻辑或粗糙集模型统一了变精度粗糙集模型、程度粗糙集模型和经典粗糙集模型,并在这些粗糙集模型中得到了近似算子幂作用的相应性质.     

基于模糊集值映射的粗糙近似算子

给出基于模糊集值映射F的模糊集的下(上)近似等概念,研究F-下(上)近似算子aprF(aprF)的性质,探讨求它们的方法,得到若干结果.     

基于信息量的集值信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在集值信息系统中引入信息量和属性重要性,给出它们的性质及与属性约简之间的关系.针对集值信息系统提出了一种基于信息量和属性重要性的属性约简算法及算法的时间复杂度.通过实例说明,该算法是有效的.