基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法,首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象增强框架,提出该方法具体实现。该图象增强与传统增强方法相比较,在增强图象边缘的同时,很好地保留非边缘信息,并且能有效抑制噪声。     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法,首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象增强框架,提出该方法具体实现.该图象增强与传统增强方法相比较,在增强图象边缘的同时,很好地保留非边缘信息,并且能有效抑制噪声.     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象中值滤波框架,给出了该方法具体实现的实例。该图象中值滤波与传统中值滤波方法相比较,在有效抑制噪声的同时,能更好地保护边缘信息。     

用干涉滤波技术实现图象边缘增强

本文提出了用干涉及滤波技术实现图象边缘增强的一种新方法。将同一物体的一张正确对焦的透明片与另一张离焦的透明片重叠放在透镜的前面,在单色平行光照射下,在透镜的后焦面上得到两图象的谱的干涉,通过对干涉条纹的适当滤波,可在输出面得到边缘增强的象。     

分割式图象频域增强及其改进方法

针对扫描后的图象受原因和印刷质量、原因纸的磨损、扫描仪的分辨率等多种因素的制约，采用分割式频域增强办法对图象进行处理，并结合空域增强方法在此基础上进一步改进，最后得到了较好的图象增强效果。     

基于粗集理论的逻辑函数简化方法

针对数字电路中逻辑函数真值表的特殊形式，利用粗集理论把它处理为一种决策表，用决策表的最小决策算法对其进行化简，然后从真值表中直接归纳出最简的逻辑表达式，此方法简单、快速、特别适用于数字电路中从已知真值表求出相应的逻辑表达式及其对应的逻辑电路，为粗集理论在数字电路中的应用提供有力工具。     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点，并对其在旋转机械故障诊断中的应用进行了探索，提出了粗集理论在旋转机械故障诊断中的数据挖掘方法，运用这一方法对故障诊断决策表进行属性约简，去除其中不必要的属性，揭示出旋转机械故障诊断条件属性中的冗余性，最后得出了属性约简的结果以及决策规则。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统。该系统包括图像预处理、特征提取、决策表生成、条件属性简化等。运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

基于粗集理论的开关电路分析和综合方法

提出一种基于粗集理论的开关电路分析和综合方法，首先阐明祖集方法与开关电路的功能表的关系，然后介绍开关电路的简化分析，最后提出开关电路的综合方法。     

基于粗糙集的图像平滑研究

由于图像信息本身的复杂性和它们之间有较强的相关性,在处理过程中可能出现不完整性和不确定性问题.粗糙集理论是一种新的处理模糊和不确定性问题的数学工具.本文提出一种粗糙集理论和传统的选择式掩模平滑法相结合的新的图像平滑算法,该算法首先通过像素点的粗糙集近似相似度来判断像素所属的掩模,然后对图像进行平滑处理.该算法利用Matlab编写实现,仿真试验结果表明该算法比传统算法有很大改进,在去除噪声的同时,保持了图像的细节,提高了图像的对比度,质量高于传统的预处理方法处理的图像.     

一种新的L-fuzzy粗糙集的刻画方法

远域作为分子的邻近结构,在模糊拓扑中起着重要的作用.能否把远域应用到粗糙集理论中用于刻画近似算子?我们在这方面进行了有益的尝试,得到了较好的结论.基于远域系统,我们讨论了串行的、自反的、弱传递的、弱一元的和传递的等性质,得到了很好的结论.     

一种新的粗糙模糊集近似算子

Dubois粗糙模糊集中,上、下近似集的隶属度分别由等价类中元素隶属度的上、下确界来确定,由于没有充分反映出等价类中隶属度介于上、下确界之间的那些元素的作用,在信息处理中不免造成这些元素信息的丢失.为此提出一种新的粗糙模糊集近似算子的表示方法,该方法能够涵盖等价类中所有元素的隶属度.阐述了该方法在信息处理中的合理性,给出了相应的代数性质;在此基础上重新定义了粗糙模糊隶属函数;给出新算子下近似分类的精度、分类质量、属性的依赖度及基于依赖度的属性约简算法;最后用实例说明了算法的有效性.     

基于近似精度和条件信息熵的粗糙集不确定性度量方法

基于粗糙集理论的基本不确定性度量方法能够度量知识的不确定大小,却不能区分集合粒度划分大小,利用知识的信息熵,并结合粗糙集精度,定义了一种粗糙熵,用于度量粗糙集中的不确定性．证明了该粗糙熵随着划分粒度的变小而单调增加的性质．新的粗糙熵不仅能度量粗糙集的不确定区域大小而且可以度量划分的大小．算例证明了该方法的有效性．     

基于粗糙集的图像增强方法

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具。本文介绍了粗糙集理论,讨论了用粗糙集理论进行数字图像增强处理的新方法。     

基于粗糙集理论的并发冲突检测新方法

在分析常见并发控制算法的基础上,提出基于粗糙集理论的并发冲突检测新方法。该方法利用粗糙集理论较好的知识分类和约简能力,构建了冲突检测的新机制。不但能够反映冲突事件之间的本质关系,更具有良好的灵活性和可扩展性。     

基于粗糙集理论的Bayes粗糙模型研究

从经典的概率粗糙集推广模型出发,参照Bayes因子,研究了一种Bayes粗糙集模型,该模型不受先验概率的影响,从而减小了决策失误的风险．     

属性粗糙集粗糙性的度量方法

考虑到粗糙集的不确定性与其所在近似空间知识粒度的关系,在属性粗糙集模型的基础上,将传统的粗糙度与知识粒度相结合,提出了一种新的属性粗糙集粗糙性的度量方法,讨论了这一度量的特性.证明了随着近似空间的细分新的粗糙度单调减小的性质.