基于粗糙集的文本自动分类方法的研究

提出一种利用粗糙集理论生成文本分类规则的方法 ,通过将文本关键词的权值进行离散化处理后 ,作为规则的条件属性 ,文本所属的类别用作决策属性 ,构造决策表。然后通过属性约简和规则化简提取出文本的分类规则。该方法生成的规则易于理解 ,分类准确度较高 ,分类速度快。     

粗糙集属性约简的完备算法

属性约简是Rough Set理论研究中的核心内容之一,现已经证明寻找决策表的最小约简是NP-hard问题.为了快速有效地得到最小约简,本文利用决策表的一些特点提出了一种完备算法,并给出了该算法的复杂度,最后通过实例分析表明,在多数情况下该算法能够得到决策表的最小约简.     

一种基于决策粗糙集的两步分类算法

本文介绍了粗糙集和决策粗糙集理论,提出一种基于决策粗糙集理论的两步信息过滤算法,相比原始的此类算法,该算法缩小了负域范围,采取两步策略进行分类,当发现新样本和未知样本时,能确保它是否属于负域,从而尽量减少将不属于负域的样本划分到负域,降低了分类错误和损耗。与传统朴素贝叶斯方法和一般决策粗糙集理论算法比较结果证明,本文提出的基于决策糙集的两步信息过滤算法,可以提高分类精度和降低分类损耗。     

一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

基于粗糙集理论的威胁估计方法研究

针对威胁估计中确定指标是否合理的问题,基于粗糙集理论,提出了威胁估计的步骤,研究了威胁估计条件属性集的约简方法,通过实例验证了粗糙集理论在威胁估计中指标约简的可行性。     

粗糙集的理论及应用研究

粗糙集理论是一种新的软计算方法,能效处理和分析不完备息。文章讲述了粗糙集理论的基本知识和相关算法,分析了粗糙集理论的相关应用,分析了粗糙集理论方法研究中的问题,并对粗糙集理论的发展进行了展望。     

基于粗糙集的过程控制规则挖掘算法及应用

在现代工业生产过程中，如何从实际生产过程中提取出有用的规则，用于调整控制生产是过程控制中一个难题。文章提出了一种基于粗糙集的过程控制规则挖掘算法，可以较大的降低计算复杂度，并将算法用于实际烟草制丝生产线的关联规则提取．得到了可用于实际生产过程控制的规则。     

一种基于粗糙集的数据挖掘模型

网格计算的资源管理涉及到大量的互联网资源,为了有效管理与应用系统资源,需要研究相应的资源管理模型。基于此探讨了粗糙集理论的相关算法,在此基础上提出了一个粗糙集理论与数据挖掘问题相结合的应用模型。在研究中对该模型进行了模拟数据实验测试,结果与算法的理论结果一致,为粗糙集理论在网格计算领域的应用做了一些力所能及的尝试。     

基于粗糙集理论的规则提取方法

利用粗糙集理论从初始的数据库出发，进行离散化，属性约简和值约简，依次建造可辨识矩阵、约简表和规则表，从数据库中提取一定的规则。     

一种粗糙集属性约简的改进算法

通过时属性的重要性以及属性提供的信息量进行研究，提出一种综合考虑属性重要性和属性的信息量的属性加权平均重要度的概念，并构造在决策表中的基于此重要度的一种新的属性约简方法。通过实例计算表明，该算法简单有效。     

基于粗糙集的海量数据挖掘算法研究

针对传统数据挖掘算法在数据量级方面的局限性,提出在粗糙集理论的基础上,采用类分布链表结构改进传统的基于属性重要性的数据离散化算法、属性约简算法以及基于启发式的值约简算法;讨论了基于动态聚类的两步离散化算法,当算法适应大数据处理之后,采用并行计算的方法提高算法的执行效率。算法测试结果表明改进的算法能有效地处理大数据量,同时并行计算解决了大数据量处理带来的效率问题。     

基于粗糙集的海量数据挖掘算法研究

针对传统数据挖掘算法在数据量级方面的局限性,提出在粗糙集理论的基础上,采用类分布链表结构改进传统的基于属性重要性的数据离散化算法、属性约简算法以及基于启发式的值约简算法。讨论了基于动态聚类的两步离散化算法,当算法适应大数据处理之后,采用并行计算的方法提高算法的执行效率。算法测试结果表明,改进算法能有效地处理大数据量,同时并行计算解决了大数据量处理带来的效率问题。     

变精度粗糙集与贝叶斯粗糙集图像分类研究

在经典粗糙集分类模型的基础上利用变精度粗糙集模型,引入近似区分矩阵的概念,提出了一种基于变精度粗糙集的图像分类模型及其分类算法,在变精度粗糙集分类模型的基础上利用贝叶斯粗糙集模型,通过引入全局相对增益函数给出了贝叶斯粗糙集属性约简的另外一种算法,最后提出了一种基于贝叶斯粗糙集的图像分类模型及其分类算法.实验结果表明在处理决策表不协调的图像分类问题,贝叶斯粗糙集图像分类方法性能良好,分类准确和高效.     

粗集决策树算法在医院感染诊断中的应用研究

医院感染是目前各级医院存在的一个突出公共卫生问题，也是多年来各级医院拟解决的难题。在介绍医院感染的基本知识的基础上，分析和研究了粗糙集与决策树两种常用的数据挖掘工具，并将它们进行融合，运用到医院感染的诊断中。实验结果验证了此算法的可行性和有效性，为医院感染的诊断提供了一种新的研究思路和分析方法。     

New heuristic method for data discretization based on rough set theory

Data discretization contributes much to the induction of classification rules or trees by machine learning methods. The rough set theory is a valid tool for discretizing continuous information systems. Herein, a new method is proposed to improve those typical rough set based heuristic algorithms for data discretization, by utilizing decision information to reduce the scales of candidate cuts, and by more reasonably measuring cut significance with a new conception of cut selection probability. Simulations demonstrate that compared with other typical discretization algorithms based on the rough set theory, the proposed method is more capable and valid to discretize continuous information systems. It can effectively improve the predictive accuracies of information systems while still conceptually keeping their consistency.     

一种基于邻域粗糙集特征选择的图像分类方法

在图像分类中,单一特征提取容易造成图像信息的缺失,而多特征融合则会生成大量的冗余特征,使得图像分类的准确率降低。针对上述问题,通过改进邻域粗糙集特征选择算法,使其可以处理多维的图像特征,并将该算法应用于图像分类中。利用HOG和SURF结合空间金字塔匹配模型,得到最终的图像描述;利用线性SVM类性能和鲁棒性。     

网络化激光雷达的多源数据融合点云分类算法研究

针对当前多源数据融合点云分类算法的激光雷达点云数据分类精度较低,分类时间较长的问题,提出网络化激光雷达的多源数据融合点云分类算法.利用加权航迹关联法,计算各激光雷达目标航迹号,并打散已关联航迹,通过泰勒级数将非线性问题转化成近似线性问题,求解线性状态,融合多源数据.使用主成分分析法,求解点云法线与曲率,分割段协方差矩阵...     

Collaborative filtering recommendation algorithm based on rough set rule extraction

To address the problem that in a practical recommendation system (RS),because of the datasets are often very sparse,the traditional collaborative filtering (CF) approach cannot provide recommendations with higher quality,a novel CF based on rough set rule extraction was proposed.Firstly,the attributes of user/item and the user-item rating matrix were used to construct a decision table.Then,the core value of each rule in the table was extracted through using the decision table reduction algorithm.Finally,according to the nuclear value decision rule of the core value table,the reductions of all decision rules were utilized to predict the rating scores of un-rated items.Experimental results suggest that the proposed approach can alleviate the data sparsity problem of CF,and provide recommendations with higher accuracy.     

基于小波粗糙集算法的图像拼接研究

为了提高图像拼接的质量,采用小波粗糙集算法。首先,基于自适应小波变换对图像分解,通过小波方向的对比度设定阈值来平衡图像内各个对象的差异。接着,分解图像特征点的粗糙决策属性来划分重叠区域,通过空间的划分,把上近似在属性子集的划分区域划分到对象集合中,下近似有可能划分到其他对象集合中,比较计算参考图像与输入图像特征向量因数集的欧氏距离约简规则选择特征点,并把输入图像中欧氏距离最小的点作为参考图像中特征点的匹配点。然后,通过平均值法消除拼接缝隙,实现图像的上下、左右以及斜方向的无缝拼接。最后,给出了算法流程和评价指标。实验仿真表明,本文算法拼接缝隙区域过渡光滑,视觉效果连续,没有出现重叠鬼影,本文算法的信息熵为33.872 1bit,处理时间为2.436 8s。满足拼接结果中对执行时间少、信息含量大等要求。     

基于图论阈值算法的图像分割研究

为了提高阈值分割图像的质量,提出了采用图论阈值算法。首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射。用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程。实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3bit,处理时间为1.454 3s。满足分割结果中对执行时间少、信息含量大等要求。