一种基于属性重要性的启发式约简算法

属性约简是知识发现中的关键问题之一.为了能够有效地获取决策表中条件属性集的最小相对约简,本文首先利用代数方法描述决策表中的属性的重要性,提出了限制正域的概念,得到了关于限制正域的若干结果,并据此提出一种改进的属性约简算法,即以属性核为起点并结合算子,通过向属性核不断添加重要程度最大的属性,并利用已求得的正区域和限制正域使处理数据的范围不断缩小从而减少求约简的时间. 该算法能够节省得到决策表的最小约简的时间并能得到所有相对约简.实例分析也验证了该算法的有效性.     

Pawlak粗代数理论研究综述

1 引言粗糙集作为一种处理不精确、不确定与不完全数据的新的数学理论,由波兰数学家Z.Pawlak在20世纪80年代初提出。这套理论开始仅局限在东欧各国,并未引起国际计算机学界和数学界的重视。粗糙集(Rough Set)理论(也称粗集理论或RS理论)认为如果自然界离散表示的对象设为U,人们具有关于U的认识能力或称为知识就是人们对U的划分或分类的能力。谈及分类,在数学上有个基本概念,等价关系R。这样RS理论首创将知识与分类联系起来,并通过概念一知识库K=(U,R)给RS理论以一个很好的纯数学理论依托。为了更好地描述人们掌握的知识对己有知识库K的吻合程度,RS理论引入了上近似与下近似的概念来描述U中一个子集X对K=(U,R)的粗糙程度,粗集概念由此产生。     

离散数学中的闭包概念及应用

基于闭包的放大和最小性特点来处理离散数学中相关概念,梳理了离散数学中显性和隐性的一些闭包概念,如二元关系的闭包、强分图、子空间、和空间、生成子群等.试图在闭包的框架下将这些概念的教学格式化,操作过程标准化.同时,介绍了作者的教学方案和一些教学技巧,最后将关系传递闭包的思想应用到最短路径及一笔画问题等案例的算法设计中.     

Fuzzy格上的粗相等

本文引入了Fuzzy格上的粗相等的定义，并给出了粗相等的刻画。作为应用。得到Pawlak粗代数中粗相等的刻画。     

基于WOA和LA的安全路由协议优化设计

综合考虑鲸鱼优化算法(WOA)在安全路由协议多维目标函数优化中的普适性和狮子算法(LA)收敛速度的高效性,建立一个优化的安全路由协议模型.不同角度分析影响路由协议安全性的信任度、能量、链路维持时间、时延、移动性等定量参数,建立相应的归一化多维目标优化函数;在该多维目标函数求解中,用WOA实现目标值的本地识别、包围与靠近,用LA算法实现区域搜索,提高算法的全局收敛速度和可靠性.通过对比仿真验证了所提算法的收敛速度和优化质量均高于其它算法.     

文旅融合赋能民族服饰文化传播路径研究

文旅融合是文化交流传播的重要实践，是各个民族实现交往交流交融的新形式。基于文旅融合的时代发展新风向，深入挖掘文旅融合的重要动能，可为推动民族服饰文化传播提供有效发展载体。文旅融合与民族服饰文化传播两者之间具有共同的基础动力、实践主体和价值目标，两者相辅相成，互相促进。基于此，紧抓两者之间的具体联系以期探讨文旅融合发展的新动能为民族服饰文化传播的最优路径。     

近似空间的笛卡尔积粗集模型及其可分解性

为处理人工智能中不精确和不确定的数据和知识,Pawlak提出了粗集理论。之后粗集理论得到拓广,人们提出了许多新的粗集模型。拓展的方法主要有两种,一种是减弱对等价关系的依赖,另一种是把讨论问题的论域从一个拓展到两个。Y. Y. Yao提出了一种基于两个论域的粗集模型。现研究基于两个近似空间的笛卡尔积粗集模型,给出了积近似空间的概念,刻画了可分解集合的上(下)近似、近似精度和粗糙度。最后研究了笛卡尔积粗集模型的可分解问题,给出了一个近似空间积可分解的充分必要条件。     

积模糊粗集模型及其模糊知识粒的表示和分解

为处理人工智能中不精确和不确定的数据和知识,Pawlak提出了粗集理论。之后粗集理论被推广,其方法主要有二:一是减弱对等价关系的依赖;二是把研究问题的论域从一个拓展到多个。结合这两种思想,研究基于两个模糊近似空间的积模糊粗集模型及其模糊粗糙集的表示和分解。根据这种思想,可以从论域分解的角度探索降低高维模糊粗糙集计算的复杂度问题。先对模糊近似空间的分层递阶结构———λ-截近似空间进行研究,得到不同层次知识粒的相互关系;然后定义模糊等价关系的积,并研究其性质及算法;最后构建基于积模糊等价关系的积模糊粗集模型,并讨论了该模型中模糊粗糙集的表示及分解问题,分别从λ-截近似空间和一维模糊近似空间的角度去处理,给出了可分解集的上(下)近似的一个刻画,及模糊可分解集的上(下)近似的λ-截集分解算法。