先验分布融合的KULLBACK信息方法

对基于 Kullback信息的先验分布融合进行了讨论 ;采用 Kullback信息作为分布之间距离的度量 ,使得各先验分布与推导出的融合分布的距离和达到最小 ,即墒的增量最小 ;对该方法进行了举例说明     

动态阈值粗糙C均值算法

粗糙C均值算法中3个参数wz,wμ,ε的选择是算法应用的关键问题。针对粗糙C均值算法中反映类间叠加程度的参数:的设定,提出一种动态自适应调整阂值。的粗糙C均值算法,该算法根据“类一类”间距离与“对象一类”间距离,对每一个待聚类对象动态设定阂值:。两组人工数据和图像数据的实验表明,该算法具有较好的适应性和聚类效果。     

图像模糊信息粒的适应性度量及其在边缘检测中的应用

关于模糊信息粒的研究现在已逐渐成为一个新的热点.本文就依靠模糊信息粒处理图像的有效性问题做了深入的讨论,提出了模糊信息粒相对于图像的适应性度量问题,并给出了一种度量的定义;另外,我们将这种度量思想应用到图像的边缘检测中,得到了一种新的基于模糊信息粒的边缘检测方法.该方法有很强的物理背景,实验表明它的效果很好,是一种实用的、有前途的检测算法.     

基于多粒度粗糙模糊集的图像边缘检测

提出一种基于粗糙模糊集的多粒度边缘检测方法。该方法结合粗糙集处理不确定信息的能力和C-Set多粒度处理的思想,通过定义粗糙运算和运算给出边缘表示模型,引入粒度参数对边界定位精度和噪声抑制进行调节,引入结构相似度参数融合粗糙上近似和下近似,以获得更加精确的边界。该检测方法在定位精度上具有粒度不变性,并具有一定噪声抑制作用,实验结果显示其具有较好的边缘检测效果。     

粗糙集中求取所有最小属性约简快速算法

属性约简问题是粗糙集理论中一个核心的研究课题。本文基于区分矩阵存在大量冗余数据考虑,提出了一种利用吸收算子的快速算法,不用生成庞大的区分矩阵,与现有的属性约简算法相比,节约了大量时间和空间。对于UCI绝大部分数据,在P41.6G的PC机上都可以在1秒以内的时间求出所有的最小约简。实验数据说明了该算法的有效性。