基于约束函数的差别矩阵及其求核算法

针对Hu的求核方法在处理某些不一致性决策表时,所得的核属性是错误的问题,提出一种基于约束函数的差别矩阵的定义及求核方法,该方法纠正了Hu方法中由于差别矩阵定义的不完善而造成的核求解错误.理论证明了该求核方法的正确性,并给出了快速求核算法.实验表明,该求核方法时空性能优于叶东毅求核方法.     

基于修正的差别矩阵的高效求核方法

在决策表信息系统的属性约简中,利用差别矩阵求核是一种重要的方法.对于不相容决策表而言,差别矩阵求核有时会产生错误,目前,已提出了一些改进方法克服这个错误,但这些方法都具有较高的计算复杂度.对此,研究了差别矩阵中核属性的性质,指出并证明了差别矩阵求核的理论依据,在此基础上,给出了一种差别矩阵的修正方法及求核方法.该方法不仅适用于任何决策表信息系统(相容决策表和不相客决策表),而且有效降低了计算代价.     

基于属性布尔差别矩阵的求核算法

求核是粗糙集理论的主要研究内容之一.针对现有基于差别矩阵求核算法的不足,首先提出决策表简化的方法;然后,给出属性布尔差别矩阵的定义和基于属性布尔差别矩阵的核属性定义,并证明了该定义与基于正区域求核定义是等价的,同时设计相应求核算法;为了进一步提高求核效率和适应大数据集的处理,给出两个改进的求核算法.通过实例分析和实验比较,表明了本文所提出的求核算法是正确的高效的.     

一个新的差别矩阵及其在决策表中的应用

在利用差别矩阵求解决策表的相对核方法中,针对HU方法的错误,人们提出了各种各样新的差别矩阵及求相对核的方法,但计算代价高.把决策属性与条件属性放在一起构造出一个新的差别矩阵,得到了差别矩阵的若干性质和定理.在此基础上提出了求决策表的正区域、相对核、相对约简和最小约简的新算法,分析了该算法的时间复杂性.理论分析和实例表明,与现有的属性约简算法相比,该算法的时间复杂性较低.     

基于水平划分决策表的核属性求解算法

核属性求解是粗糙集理论的主要研究内容之一。针对现有差别矩阵求核算法的不足,给出决策差别矩阵定义和水平划分决策表方法。提出在子决策表上创建子决策差别矩阵,进行核属性求解的方法;并证明了由该方法获得核与正区域核是等价的,同时设计相应的串行和并行求核算法。实例分析和实验比较表明所提出的求核算法是正确的、高效的。     

一种改进的可区分矩阵与求核方法

本文针对Hu方法存在的问题,提出了一种改进的可区分矩阵与求核方法,并证明了该方法的正确性。该方法不仅克服了Hu方法的不足,而且指出了Hu方法出错的根本原因。     

一种不完备决策表的差别矩阵求核算法

计算不完备决策表的核属性是粗糙集理论的重要内容之一。目前关于不完备决策表的求核算法的研究相对较少,而且在一般的求核算法中,其时间复杂度为[O(|C||U|2)]。为了有效地降低算法的时间复杂度,给出了一个不完备决策表的差别矩阵定义和基于差别矩阵的核定义,并证明了该定义与基于不完备决策表的核定义是等价的。在此基础上,利用差别矩阵方法来设计一种计算不完备决策表的求核算法,其时间复杂度降为[O(|C||Upos||U|)]。最后用仿真实例说明了新算法的有效性。     

不完备信息系统中一种新的求核算法

在不完备信息系统基于差别矩阵的属性约简算法中,相容类和最大相容类中的对象具有不确定性.针对上述问题,提出一种新的差别矩阵及其核的定义,证明在不完备信息系统中该差别矩阵的核与基于正区域的核是一致的.在此基础上给出一个求核算法,通过实例证明,由于减少了差别矩阵中的元素,因此算法的求核效率得到较大提高.     

对新简化差别矩阵的研究

通过反例证明当决策表含不一致对象时,无法通过简化差别矩阵得到正确的核和约简.产生该问题的原因在于简化差别矩阵和简化决策表对不一致对象的处理均存在欠缺.提出新简化差别矩阵(NSDM)定义,通过利用新简化决策表把一致对象和不一致对象分开存放的特点修正了这两处缺陷.NSDM能够处理含多种不一致对象的决策表,并且能够得到正确的核和约简.利用前人的基于差别矩阵的求核和求约简算法分别以NSDM和简化差别矩阵为基础求核和约简,然后再利用核和约简的定义求核和约简,通过比较证明以NSDM为基础得到的核和约简是正确的.这说明NSDM可以有效地处理不一致对象并且通过NSDM能够得到正确的核和约简.这个实验同时验证了原有的以差别矩阵为基础的求核和求约简的算法不加改动就可以在新差别矩阵上使用.     

基于优势关系的粗糙集中的一种求核算法

随着粗糙集理论[1]的广泛应用,它得到了不断的发展与扩充.Greco等提出的基于优势关系的粗糙集方法[2]就是该理论的一种扩展模型,它用优势关系代替原来的不可区分关系,在多准则决策分析中得到了广泛的重视[5].由于优势关系是一种不同于不可区分关系的非对称关系,这使得该模型无法利用差别矩阵[3]来求核和约简.文[4]中提出了利用类区分矩阵来求约简,本文将用反例指出用这个方法求核和约简时存在错误,然后在该类区分矩阵的基础上,给出一个新的优势区分矩阵的定义和求核方法,并证明了该方法的正确性.     

基于云模型的肿瘤标志物联合检测

医学发现,将具有相关性的肿瘤指标进行联合检测能提高癌症的阳性检出率。基于云模型的关联规则挖掘通过将属性的定义域模糊化,从而达到更好的挖掘效果。该文提出一种基于云模型的检测组合发现方法,在大量的体检报告中进行关联挖掘,找出与癌症相关性最大的肿瘤指标。实验表明,挖掘出的前10个检测组合中,有80%符合目前的医学常识。     

相似性维数在点云中的应用

3D点云配准、分割、识别等任务中都需要获取形状属性,传统的形状属性对尺度变化敏感且计算复杂,表达的几何意义简单。结合分形几何中相似性维数的概念,给出了一种可作为点云模型形状属性的维数定义。首先,求取模型中每个点的k邻域得到一个点集,计算其外接球半径;其次,计算由该点集组成的体积与面积信息,并通过缩放处理解决尺度敏感的问题;最后,利用相似性维数表达式计算点云模型中每个点的维数值,使用该值来表示点云模型的形状属性。实验结果表明,相似性维数具有表达形状的能力,并且能够清晰地表达模型的全局特征。     

基于属性圆的多属性决策云模型构建与可靠性分析应用

为了使云模型能直观方便地表示以及计算多属性决策问题,并且适应专家给出的范围数据,对提出的属性圆表示多属性的方法进行了改造,从而通过属性圆来计算云模型的特征参数;给出了改造后属性圆的定义、性质和绘制过程,以及如何通过属性圆计算表示某决策级别的云模型特征参数,包括:定义决策系统、属性归一化、属性圆特征及性质、属性圆面积求法、基于属性圆的云模型计算;通过实例给出了云模型的计算过程和应用方案。根据数据处理和专家分析,计算得到表示系统可靠性风险为可接受决策级别的云模型,进而构成决策云集合,便可用于实际系统的可靠性级别多属性决策。     

一种基于多维云模型的多属性综合评价方法

基于多维云能够表述复杂模糊概念的特性,提出一种基于正态多维云模型的多属性综合评价方法。将“属性概化”的概念引入系统评价中,利用一维云模型对单个属性进行多级描述;在此基础上,针对各级评语建立其对应的多维评判云和描述系统整体属性的多维属性云,并通过比较两类云模型的相似程度得出评价结果。实验结果表明,该方法能够在单一价值分类的基础上实现多重价值分类和排序,同时能够较为直观地反映出各属性值对综合评价结果的影响。     

云模型用于特征加权及降维的算法

高维且不独立的样本特征集使分类的质量降低,提出特征权值计算方法,并用于特征加权及特征选择,根据特征的相似性度量函数计算特征的权重,并根据权重排序去除重要性差的特征,用于解决高维样本集的特征降维问题,特征选择结果与主成份分析结果一致。并建立基于保留特征加权的云分类模型,应用于iris数据集和复杂矿石图像的分类,效果良好。     

基于云模型和BP神经网络的入侵检测

云模型是进行定性定量转换的有效工具,正态云模型通过期望、熵和超熵构成特定结构发生器,这种特定结构使得正态云模型更具有普遍适用性,更简单、直接地完成了定性与定量之间的相互转换过程.结合 BP 网络局部精确搜索的特性,提出一种基于云模型与 BP 网络的入侵检测方法,将云模型和 BP算法有机结合.通过 KDD99 CUP 数...     

基于自然语言的模糊多属性云决策方法研究

借鉴云模型的研究思想,提出了基于自然语言的模糊多属性云决策方法,主要工作如下：首先,针对多属性群决策的属性评估集和等级评估集设计了等级描述云和等级评价云;然后,在此基础上设计了云归一化算法,实现了一个属性多个专家值的融合;最后,设计了云集结算法,该算法将多个属性值集结为一个方案值,进而比较获得最佳方案。云模型能够反映模糊性和随机性的关联,因此,该方法能够更加有效地权衡语言评价信息。最后,通过应用案例证明了该方法的简单性和可行性。     

云环境下网络安全模型的研究与设计

The network in cloud environment is different from the traditional network, which has a large amount of data and many ac- cess terminals. Therefore, the requirements of setting security model in cloud environment network are different. This paper propos- es to set up network security model in cloud environment network, using early warning module, adaptive module combined with rule base for intrusion detection. It can greatly improve the security of the network.     

一种属性可撤销的安全云存储模型

针对云存储服务中数据用户权限撤销粒度较粗及现有方案密钥分发计算量大等问题,基于双系统加密的思想,在合数阶双线性群上提出了一种新的细粒度权限撤销的安全云存储模型。数据拥有者同时也作为属性分发机构,保证了对自身数据的绝对控制,确保了在云服务商不可信情况下开放环境中的云端存储数据的安全。从模型架构和属性密钥分发两个方面对模型进行了研究,并用严格的数学方法证明了本方案是适应性安全的。云存储模型的数据访问策略根据实际需要可灵活设置,适用于云存储等开放式环境。     

面向云数据安全存储的分段融合模糊聚类算法

为了提高云数据的安全存储性能,需要对数据进行优化属性聚类归集。针对传统方法采用模糊C均值聚类进行云数据存储归类设计具有对初始聚类中心敏感、容易陷入局部收敛的问题,提出一种基于分段融合模糊聚类的云数据安全存储模型构建方法。建立云数据安全存储的网格分布结构模型并进行数据结构分析,进行云数据属性集的向量量化特征分解,对海量的云存储数据流采用分段匹配检测方法进行特征压缩,实现冗余数据自适应归集合并,挖掘云数据信息流的高阶谱特征。在模糊C均值聚类算法的基础上采用分段数据融合进行数据分簇模糊聚类,提高数据存储的安全性,同时降低云数据存储的负荷。仿真结果表明,采用该方法进行云数据聚类和优化存储设计,能降低数据聚类的误分率,提高云数据存储的吞吐量,确保云数据的安全存储。