概念格与粒度划分的相关性分析

粒度计算的主要任务之一是如何利用不同粒度层次间的转换来抽象出我们感兴趣的知识,而概念格的格结构在层次转换方面的高效性对有效地进行粒度层次转换有重要指导意义。本文介绍了有关粒度计算与概念格理论的相关知识,并对粒度划分的格结构及相关性质进行了证明,分析了概念格与粒度划分格在概念描述与概念层次转换之间的联系。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于互信息的模糊粗糙集属性约简

模糊粗糙集知识约简是模糊粗糙集理论的核心内容之一。该文从粗糙集知识熵出发,结合模糊集隶属度函数,将其应用于模糊环境下,推广了互信息的度量概念,使其能评价模糊决策表中属性的重要性。并给出了一种模糊决策表的启发式属性约简算法,通过实例验证了它的可行性,为模糊决策表的属性约简提供了一种有效的方法。     

基于覆盖的粗糙聚类算法

传统的聚类算法大都得到了样本集的一个划分,类之间是严格的互斥关系,而现实世界中类与类之间往往没有明确的边界。该文将粗糙集理论引入到聚类分析中,提出了一种基于覆盖的粗糙聚类算法KMMRSC,它用多个中心点代表一个类,并用上、下近似来刻画样本的归属,类与类之间是一种覆盖关系。实验结果表明,该算法聚类质量优于k-均值算法,且能发现非球状簇。     

基于粗糙集和神经网络的分类器及其在LPR中的应用

粗糙集和神经网络在模式识别中都可用于分类,但是都有局限性。虽然两者没有太多的共同点,将它们结合起来却能相互补充,起到比单个理论更好的分类效果。本文从理论上给出了用粗糙集约简算法减少BP网络中的一个神经元或连接时网络输出能产生的最大误差。接着将粗糙集和BP网络结合起来设计分类器,并通过车牌数字识别验证了该分类器的有效性。实验说明该分类器比单独用粗糙集和神经网络设计的分类器识别率高、识别时间短。     

“中文信息处理”实践教学探索

从中文信息处理课程的特点出发,在分析课程实验案例的基础上,提出中文信息处理课程互动式教学法和项目教学法。结合课程资源建设等其他措施,在中文信息处理实验教学方面开展了有益的尝试,取得了良好的效果,受到学生好评,该课程目前已被评为校级精品课程。     

改进的多阈值动态二值化算法

在模式识别中，二值化效果的好坏直接影响着识别率。文章在研究现有二值化算法的基础上，对多阈值动态二值化进行了改进，并以身份证为例来验证该算法的有效性，实验结果表明所提算法有较高的抗噪音能力。     

属性约简准则与约简信息损失的研究

属性约简是粗糙集的重要研究内容,信息熵是度量信息量的方法.在研究绝对约简和几种相对约简的基础上,归纳出属性约简的一般准则.定义了基于条件属性信息熵的属性约简和基于联合熵的属性约简,研究了几种属性约简与绝对约简之间的关系.定义了基于条件属性信息熵的约简信息损失,澄清了属性约简不损失信息的含糊观念,指出了属性约简只是在约简准则意义下不损失信息,在信息熵意义下可能损失信息.为进一步研究粗糙集、粒计算中属性约简与分类夯实了信息论基础.     

基于主题的文本句情感分析

近年来,针对互联网在线信息的情感分析已经成为自然语言处理领域的一个研究热点。提出一个基于主题的情感向量空间模型,它将文本的潜在主题特征融入情感模型中,结合情感词典,利用多标签分类算法,对文本中句的情感极性进行分析与研究。实验结果表明,基于主题的情感向量空间模型在句的情感极性判断上取得了令人满意的效果。     

基于改进的GPL主曲线算法的指纹特征分析与提取

在对GPL(Generalized Polygonal Line)主曲线算法和指纹数据特点分析的基础上,针对指纹数据本身的特点,改进原来的GPL主曲线算法以得到更好的指纹骨架,并实现基于主曲线的指纹特征提取.实验结果表明,改进的GPL主曲线算法在指纹骨架提取的效率和效果上比原算法都有明显提高.基于主曲线的指纹特征提取相对于其它一些传统方法也有着更高的准确率,具有一定的应用价值.