一种基于粗集理论的图像分割方法

提出了一种基于粗集理论的图像分割方法．在图像聚类过程中的对象往往是具有相似关系而不是等价关系的对象．在本文中将相似关系应用到粗集理论中来解决图像中的聚类问题．由于噪声的干扰,往往会影响到图像分割的效果．本方法提出了边界点的最大隶属原则并进而提出了边界点的粗糙度以及边界点的最大隶属原则,从而大大减小了噪声的干扰．在此基础上给出了聚类质量的评价函数．该方法为进行图像分割提供了一个崭新的视角．     

基于粗集理论的模糊交通控制器的设计与实现

本文提出了一种基于粗集理论的模糊交通控制器的设计方法。首先利用相位切换模糊控制器根据所有相位的车流饱和度来确定下一相位，在此基础上，用基于粗集理论的模糊控制器控制当前相位的绿灯绿灯延时时长，仿真结果证明能使车辆平均延误较小。     

基于粗集理论的最小化决策模型

随着Internet的出现，信息过程量已经成为电子商务经营决策人员必须面对的问题。如何才能在大量的可用信息资源中及时发现有用的知识，已经引起了广泛关注。粗集理论在数据挖掘节中的应用，提供了应用处理模糊和不确定知识的数学工具，获取知识、精炼知识和实现知识增值的方法。在粗集基本概念的基础上，探讨了根据粗集理论分析处理信息、提取有用特征的方法，以及通过分析、推理产生最小决策规则的方法。     

基于粗集理论的信息熵属性约简算法

本文针对粗集属性约简存在的问题，提出了一种信息熵的属性约简算法，算法中引入了信息熵的概念代替粗集约简γ准则作为属性选择的标准，克服了粗集约简γ准则对数据噪声的敏感性和不能表达属性间概率因果关系的缺点，本文通过两个实例表明，当属性间存在确定性关系性算法能够象粗集约简γ准则一样找到表达这些关系的属性集，当属性间是概率因果关系，或确定性关系被数据噪声所掩盖，因而粗集约简γ准则无法使用时，算法能够找到具有确定性关系的属性集，或是具有最小不确定性概率因果关系的属性集。     

基于粗集理论的雷达目标类型识别

将粗糙集决策算法用于常规雷达目标多特征融合分类,并进行雷达目标类型识别,可提高目标的识别率,增强系统的稳健性.通过建立目标特征知识系统与分类决策表,提出了决策规则的应用和系数的确定,并提出了目标融合分类的步骤与方法.当雷达从不同姿态角照射目标时,从回波序列提取的目标径向投影特征属性取值将分布在一个与目标结构尺寸有关的区间之内,加之雷达测量误差使目标属性测量值呈平稳正态分布,所以,对决策表的条件属性取值进行区间划分将有助于增加条件属性矢量的容差能力,提高分类决策的稳健性.以一个包含6类30种目标的知识系统为例的分类实验达到了不低于90%的识别率.     

一种基于粗集理论的知识发现系统的研究与设计

文章在给出基于数据库的粗集理论的形式化描述的基础上，首先引入关联度概念，修改了一个典型的缩减算法，定义了一个能较为全成反映知识形成过程中一些得要统计特征的规则表示方法，最后设计知识发现系统的并举例验证了系统的正确性和实用性。     

粗集理论中不相容规则的一种修正算法

粗集理论是继概率论、模糊集、证据理论之后的又一种处理模糊和不确定性知识的数学工具。针对粗集理论在实际应用中常常出现的条件属性相同而决策属性不一致问题,提出了一种修正不相容规则的算法。即从相对错误分类率概念出发,在力求保持原知识分类能力的前提下,通过比较不相容规则的相对错误分类率大小,从而对不相容规则进行修正的算法。并通过雷达分类实例验证了算法的可行性。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

基于粗集理论的中文关键词短语构成规则挖掘

短语比词信息量更加丰富,更能够体现原文的主题,通常所说的关键词实际上多数为短语形式.然而目前的问题是关键词短语的自动标引缺乏统一的规则指导.本文利用粗集理论在数据泛化和知识约简方面的优势,对人工标注的人民日报关键词短语语料进行了挖掘,从而得到了中文关键词短语的若干构成规则.规则可以用于自动关键词抽取,也可以对手工关键词标引进行指导.实验结果表明获取的规则使关键词自动抽取的性能有较大改善.     

基于不完备信息系统的粗模糊属性值的知识获取

研究了一类基于粗集属性取模糊值的不完备信息系统的知识获取方法.给出粗模糊属性值信息系统的一种表示方法,采用模糊集思想,构造这类系统的模糊不可分辨关系,并研究这类信息系统的知识获取算法,并以一个实例,说明这种算法的有效性.     

粗糙集理论及进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点，主要阐述了几种粗糙集理论的扩展模型，然后讨论了近来粗糙集理论与其他方法的结合，并进一步讨论了粗糙集理论研究的前景。     

基于粗糙集理论色情信息过滤研究与实现

把粗糙集理论运用到互联网上色情信息的监控,通过对特征项的属性约简和值约简,大大降低了信息的冗余度,提高了分类的效率和准确率。最后应用简单向量距离分类算法和贝叶斯算法实现对色情文本信息的过滤,并进行试验。     

粗糙集理论与相关不确定性理论的辨证研究

粗糙集理论作为一种新兴的处理不确定性问题的有效工具正越来越受到人们的关注。在介绍粗糙集理论基本内容的基础上，对粗糙集理论与模糊集理论、随机理论、灰色理论等其它用于处理不确定性问题的理论工具从差异性上进行了分析；同时讨论了它们之间的互补性问题，并构建了相应的互补模型；最后指出了粗糙集理论对于进一步丰富和完善处理不确定性问题的理论体系的重要性。     

基于粗糙集的红外弱小目标检测方法

提出了利用粗糙集理论处理不完整信息的能力对红外弱小目标的运动轨迹进行辨识的检测方法。首先利用形态学滤波算法,分离出每帧图像中候选目标并提取其特征属性。把提取到的特征属性作为条件属性,把每帧图像中候选目标作为个体,构成知识决策系统。通过对决策表进行约简,得到决策系统的最小决策算法,并利用序列图像中目标运动的连续性和轨迹一致性来实现小目标的识别。实验表明,该方法能够有效解决目标跟踪过程中目标短暂丢失以及重现的问题,实现弱小目标的稳健检测和跟踪。     

粗糙集理论在个性化需求挖掘中的应用

本文针对利用不完备信息系统,应用粗糙集理论实现客户细分系统中客户个性化需求的挖掘过程,分析了建模过程的主要步骤和关键问题。应用实例表明,该模型是合理和可行的。     

粗糙集文本过滤系统研究及硬件实现

互联网的广泛使用使得用户可以获取丰富的网络资源,但诸如反动、色情等不良信息也得以广泛的传播,极大地危害了人们的正常生活。文章围绕不良文本过滤这个主题,分析了现有文本过滤系统的优缺点,并通过研究粗糙集条件属性约简理论,设计了一个网络不良文本过滤系统,同时在硬件上予以实现。     

一种粗逻辑神经网络研究

该文基于粗逻辑理论,研究了粗逻辑意义下的粗集神经网络的设计,分析和比较了粗逻辑神经网络和模糊逻辑神经网络的性质。在重庆地区Landsat TM 遥感图像的地物分类实验中,验证了粗逻辑神经网络的有效性,同时可以发现其在网络结构和收敛性方面的优势。     

Constructing Rough Binary Tree for Set Based Unbalanced Feature Selection

Feature selection is one of the challenging problems facing data analysis in areas such as pattern recognition, data mining, and decision support. Many rough set algorithms for feature selection have been developed, most of which are essentially dependent on the definite information contained within the lower approximation. This paper proposes a novel approach, called Unbal- anced binary tree based feature selection （UBT-FS）, which utilizes the indefinite information contained within rough set boundary region for reduction. UBT-FS designs the underlying mechanism for obtaining the boundary region from the unbalanced binary tree and adopts the boundary region based significance for determining the optimal search path as well as the boundary region based evaluation criterion for identifying feature subsets. These allow UBT-FS to have considerable ability in finding an optimal or suboptimal reduct whilst simultaneously achieving obviously better computational efficiency than other available algorithms, which is also supported by the experimental results.     

基于粗集信号增强的智能选线实现

随着人们对配电网自动化水平要求的提高,小电流接地故障自动选线问题更加突出,迫切需要从根本上予以解决。因此,研究高准确度、高可靠性的自动选线技术和研制相应自动选线装置,对于提高供电可靠性、减少停电损失和提高配电自动化水平具有重要的意义。本文利用故障暂态特征信息,提出了基于粗集理论的故障选线方法。