基于相容关系的基因选择方法

有效的基因选择是对基因表达数据进行分析的重要内容。粗糙集作为一种软计算方法能够保持在数据集分类能力不变的基础上,对属性进行约简。由于基因表达数据的连续性,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选取,提出了基于相容关系的基因选择方法。首先,通过i检验对基因表达数据进行排列,选择评分靠前的若干基因;然后,通过相容粗糙集对这些基因进一步约简。在两个标准的基因表达数据上进行了实验,结果表明该方法是可行性和有效性的。     

用神经网络启发式算法求解最大独立集问题

本文提出一种求解最大独立集问题(MIS)的启发式神经网络算法.该算法基于MIS问题的特点,有效地限制神经网络初始点的选择范围,并利用神经网络快速收敛能力获得问题的解.与标准神经网络算法相比,该算法显示了较高的全局优化性态与计算效率.模拟计算实例表明了该算法的有效性.     

知识的划分粒度表示法

对知识的分类能力给予量化,提出一种知识表示法——划分粒度表示法,利用划分粒度可定量表示知识的分类能力.首先给出粗糙集理论中主要概念的代数表示,其次定义知识的划分粒度并研究它的性质,最后证明知识的代数表示与划分粒度表示是等价的.     

基于密度加权的粗糙K-均值聚类改进算法

针对粗糙K-均值聚类算法中类均值计算式的特点,提出了一种改进的粗糙K-均值算法.改进后的算法基于数据对象所在区域的密度,在类的均值计算过程中对每个对象赋以不同的权重.不同测试数据集的实验结果表明,改进后的粗糙K-均值算法提高了聚类的准确性,降低了迭代次数,并且可以有效地减小孤立点对聚类的影响.     

嵌套决策粒度约简关系的研究

在基于粗糙集理论的知识发现中,知识约简是核心内容。因此,本文从理论上分析了相容决策表中嵌套决策粒度约简的关系,得出并证明了粗决策粒度的相对 D 核一定是细决策粒度相对 D 核的子集,粗决策粒度的一个相对D约简在满足相容性的条件下一定可以扩张成细决策粒度的一个约简。反之,细决策粒度的一个约简一定可以缩减为粗决策粒度的一个约简。研究结果对基于决策表的知识约简和知识发现有一定的实际意义。     

因果信息在不同粒度上的迁移性

知识与粒度相关,在不同粒度上对现象的解释不同,而因果性描述的是现象的本质特征。因果性与粒度之间存在着怎样的关联,一个粒度上的因果关系是否可移植到其他不同粒度上,是目前人工智能研究亟待解决的问题。针对由观测数据构成的信息系统,从数据中直接抽取因果变量所需满足的基本图形结构,估算变量间的因果关系;再通过向系统中添加新属性以及合并多个信息系统,改变原系统中信息的粒度,研究所识别的因果关系在新系统中的可迁移性。若新属性作用于结果变量,则原系统中的因果关系不可迁移至新系统;若新属性对结果变量无影响,则原系统中的因果关系可移植至新系统。     

基于多智能体的对抗平台——微型足球机器人系统

本文讨论了一种具体的多智能体系统－－微型机器人足球系统，主要侧重于其视觉系统和决策系统的研究，以及该系统目前的现状、存在的不足和改进的思路。     

基于逻辑或的双量化粗糙集模型的计算分析与属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,而精度与程度的逻辑或粗糙集模型则是一类基本的双量化扩张模型.针对该模型进行深入的计算分析,进而探讨其在近似空间中的属性约简.利用区域结构,分析计算公式,在此基础上构建宏观算法和结构算法,算法的分析和比较结果说明结构算法具有较好的计算复杂性.基于近似空间讨论关于4区保持的基本性质,提出区域保持的属性约简,得到经典定性约简的一类扩张量化约简.该研究为双量化粗糙集模型的优化计算与约简应用提供泛化思路.     

主动协同半监督粗糙集分类模型

粗糙集理论是一种有监督学习模型,一般需要适量有标记的数据来训练分类器。但现实一些问题往往存在大量无标记的数据,而有标记数据由于标记代价过大较为稀少。文中结合主动学习和协同训练理论,提出一种可有效利用无标记数据提升分类性能的半监督粗糙集模型。该模型利用半监督属性约简算法提取两个差异性较大的约简构造基分类器,然后基于主动学习思想在无标记数据中选择两分类器分歧较大的样本进行人工标注,并将更新后的分类器交互协同学习。UCI数据集实验对比分析表明,该模型能明显提高分类学习性能,甚至能达到数据集的最优值。     

基于粗糙性度量的彩色图像分割方法

彩色图像分割技术是现代图像处理和图像分析领域的重要研究议题. 结合粗糙集理论, 利用像素邻域的空间信息, 可以构造图像色彩分布的上下近似以及量化粗糙性表示, 并据此设计基于量化粗糙信息的分割方法: QR measure, 该方法依据数据分布获取自适应阈值进行峰值选定和区域合并. 实验采用UC Berkeley开放的图像分割测试集, 通过比较基于多种统计信息的分割方法, 验证提出的优化算法可以取得更好的分割效果.