粗关系数据库查询模型

针对粗关系数据库中数据的特性,提出一种不确定性数据的存储方法。基于汉明距离的一种变式,计算元组间距离,构成距离矩阵,根据距离矩阵将相同或相近的元组归类,从而有效地对表中的元组进行索引。借助粗集中的上、下近似,通过计算用户查询的数据与粗关系数据库中数据的相似度,查询出用户所需的数据。结合以上方法构建粗关系数据库查询模型,设计相应的查询算法并应用于实例中。     

粗糙函数依赖的近似度量

为了发现粗糙关系数据库中潜在的和有趣的模式,提出并研究了粗糙函数依赖的近似度量和精确度量。首先,对于关系数据库的近似度量及其满足的性质进行了研究,在此基础上提出了粗糙关系数据库（Rough Relational Database,简称RRDB）的近似度量及精确度量,对该两种度量进行了形式化定义,并且进一步研究了他所满足的性质,给出了相应的实例。该度量的提出及其性质的研究有利于粗糙关系数据库的知识发现及数据查询的研究,并且进一步扩大了粗糙关系数据库的研究领域。     

粗糙关系数据库空间结构及其粗糙集模型

粗糙关系数据库模型从本质上来说就是多值信息系统,它继承和扩展了经典的粗糙集理论,但与经典粗糙集理论又有着很大的不同。该文扩展了多值信息系统模型的定义,分析了粗糙关系数据库模型的空间结构,为粗糙数据库的不确定性进行度量提供一个依据,同时通过对粗糙关系数据库空间结构的分析,导出了基于粗糙关系数据库的上、下近似以及值约简,进一步基于粗糙关系数据库的空间结构定义了属性集之间的部分、传递依赖关系和粗糙关系数据库的规范,定义粗糙关系数据库的连接算子,并以此为基础得出了粗糙关系数据库的关系模式分解定理,为粗糙关系数据库模型的进一步研究提供了理论基础。     

融合密集残差块和GAN变体的医学图像非刚性配准

目的 现有的医学图像配准算法在处理较大非刚性形变的医学图像时,存在配准精度低和泛化能力不足的问题。针对该问题,提出结合密集残差块和生成对抗网络（generative adversarial network,GAN）的图像配准方法,用于多模态医学图像的非刚性配准。方法 将密集残差块引入到生成器,提取待配准图像对的更多高层特征,从而提高配准精度;在GAN中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由于最小二乘损失的收敛条件更严格,同时能缓解梯度消失和过拟合,从而提高配准模型的稳定性;在判别器网络中引入相对平均GAN（relative average GAN,RaGAN）,即在标准判别器的基础上增加一项梯度惩罚因子,降低判别器的判别误差,从而相对减少配准模型的配准误差,有助于稳定配准精度。结果 在DRIVE（digital retinal images for vessel extraction）数据集上进行训练和验证,在Sunybrook Cardiac数据集和Brain MRI数据集上进行泛化性能测试,并与几种主流医学图像非刚性配准算法进行对比实验,表明,本文配准模型在精度和泛化能力上均有一定程度的提升,相比其他方法,视网膜图像、心脏图像和脑部图像的配准Dice值分别提升了3.3%、3.0%、1.5%。结论 提出的配准方法能够获取更多高层特征信息,从而提升配准精度;同时基于最小二乘法构建损失函数并对判别器进行加强,能够使得配准模型在训练阶段快速收敛,提高了配准模型的稳定性和泛化能力,适合存在较大非刚性形变的医学图像的配准。     

粗糙关系数据库的度量

对粗糙关系数据库(Rough Relational Databasc,RRDB)的度量问题在国内外的发展状况进行了探讨分析。具体分为两部分,其一,对与粗糙关系数据库相关的几个概念进行了介绍;其二,对目前粗糙关系数据库的度量问题在国内外的发展状况进行了总结研究。     

基于SQL语言的粗糙数据查询

查询在数据库中十分重要，而SQL是检索数据的一种强有力的工具。本文提出一种RRDB的粗糙查询方法，它扩展了标准SQL语言。实例表明了这种方法具有较好的应用前景。     

基于相似度对Rough关系数据库检索

Rough关系数据库模型(rough relational database model,RRDM)是对关系数据库模型的一种扩展,它具有在很大程度上比较符合真实世界情况的特性.介绍了Rough集和Rough关系数据库(rough relational database,RRDB)等相关概念,着重讨论如何在RRDB中通过Rough集中的上、下近似计算数据间的相似度来检索出需要的数据,给出了相关算法和实例分析.     

A Systematic Study of the Relationship between RRDB and FRDB

1 Introduction As we known ,relationadlatabasemodel was in- troduced by E. F. Codd in 1970 . Up to now ,there- searchof relationaldatabasetheoryhas been already more and more mature and perfec.tHowever ,the main objectswith which relationadlatabasedeal ar…     

粒计算支持的粗糙函数依赖的研究

利用粒计算方法对粗糙关系数据库（Rough Relational Database,RRDB）的粗糙函数依赖进行研究。首先提出了两种类型的粗糙函数依赖及粗糙相似关系的概念,分析了如何利用位模式表示粗糙关系的属性值,在此基础上给出了利用粒计算方法对粗糙关系的属性间的依赖关系的进行判定的算法,实验验证算法是有效可行的。     

粗糙关系数据库的数学基础

在引入粗糙关系数据库（Rough Relational Database,RRDB）的基本概念基础上,分析得出粗糙关系数据库中使用的几个主要数学理论包括等价关系、分解、位模式、粗糙熵及粗糙集理论,并进一步深入研究了这些理论在RRDB中的相关性质,对它们在粗糙关系数据库中的应用进行了探讨。