一种针对不完备信息系统的粗糙集约简算法

针对区分矩阵构造庞大,计算工作量大,基于区分矩阵的约简策略效率低的问题,提出一种新型的针对不完备信息系统的属性约简算法NARIIS。提出的约简算法把属性值的个数应用到属性约简上,使该约简算法的时间和空间复杂度都远小于基于区分矩阵的约简策略。     

针对信息系统不完备性的粗糙集分层递阶约简

提出一种针对不完备信息系统的粗糙集分层递阶约简。该约简可以将信息系统中所有属性构成的单层知识表示变为符合人类认知习惯的部分属性所构成的多层知识表示。同时,分层递阶约简提高了粗糙集约简速度,无论是分层递阶约简,还是所得的分层递阶简约,都适用于实际问题。     

基于重要性的不完备决策系统的属性约简研究

在不完备信息系统中引入决策属性依赖度,由条件属性所提供的知识对整体决策的支持程度,以此作为启发式信息求出相对核,使属性约简具有较强的支持度。文章通过实例分析,证明该属性约简是有效的方法。     

不完备信息系统辐射源威胁等级判定

针对不完备信息系统条件下的辐射源威胁等级判定问题,提出了一种基于改进容差关系粗糙集（ITR-RS）的不完备信息系统辐射源威胁等级判定方法。该方法将粗糙集中的不完备信息系统理论引入辐射源威胁等级判定中,并构建一套完备的决策规则提取模型。此外,利用辨识矩阵实现对属性的约简,在降低系统所需处理数据量的同时,提高了算法的实时性;在容差关系粗糙集的基础上,提出一种改进的容差关系,在属性主、客权重相结合的基础上引入阈值来划分加权阈值容差类,得到更为合理、准确的决策规则。仿真试验及分析表明,与经典RS算法相比,所提算法的威胁等级判定正确率提高了23%,可用于信息系统不完备条件下的辐射源威胁等级判定。     

基于对象增量的不完备混合信息系统动态属性约简算法

属性约简是粗糙集理论在信息处理和自动化控制领域中的重要应用,然而实际应用环境下,数据的采集是源源不断地并且采集到的数据包含了不同的数据类型,同时数据传输过程中也存在着数据丢失的情况,使得最终得到的信息系统是不完备混合类型的,并且时刻处于增加更新之中。针对这一情形,提出一种条件信息熵的不完备混合型信息系统动态属性约简算法。文中首先介绍了不完备混合型信息系统的条件熵模型以及条件熵的属性约简,然后提出了不完备混合型信息系统条件熵随论域增加时的增量式更新计算,该计算方法通过旧信息系统的条件熵进一步计算新信息系统的条件熵,理论证明了这种增量式计算具有很高的计算效率,最后基于这种增量式计算,设计出了条件熵的不完备混合型信息系统动态属性约简算法。实验分析表明,所提出的动态属性约简算法相比较于传统的静态属性约简算法具有很高的动态属性约简性能,同时与同类型的动态属性约简算法相比具有较好的优越性。     

不完备信息系统中扩充关系的研究

为了能够有效地分析处理不完备的信息系统，必须对现有的Rough集模型进行扩充。分析研究了现有的几种比较有影响的基于Rough集的扩展关系，提出了一种处理不完备信息系统的约束非对称关系，并对这些扩充关系进行了分析比较。还提出了基于这种关系的上近似和下近似概念，以及正区域、近似精度、近似质量和依赖关系等相关概念。     

基于优势关系的广义不完备模糊系统

本文以同时具有丢失型和遗漏型未知属性值的广义不完备模糊决策系统为研究对象,提出了确定特征优势关系的概念,构建基于确定特征优势关系的模糊粗糙集模型,并提出相对下、上近似约简的概念,在此基础上得到近似约简的的判定定理及区分函数。并进行实例分析说明其有效性。     

不完备信息系统中知识约简的一种启发式算法

不完备信息系统中的知识获取是粗集理论应用的难点。通过引入信息熵和条件信息熵，对信息系统中属性的必要性进行了定义；提出了一种基于条件信息熵的知识约简启发式算法，并指出该算法的时间复杂度是多项式的。通过实例说明，该算法能得到信息表的约简和决策表的最小相对约简。     

基于不完备信息系统的粗模糊属性值的知识获取

研究了一类基于粗集属性取模糊值的不完备信息系统的知识获取方法.给出粗模糊属性值信息系统的一种表示方法,采用模糊集思想,构造这类系统的模糊不可分辨关系,并研究这类信息系统的知识获取算法,并以一个实例,说明这种算法的有效性.     

非完备信息系统的启发式特征选择遗传算法

为了获取非完备信息系统的相对最小特征子集,提出一种基于非完备信息系统的启发式特征选择遗传算法.本文首先构造了适应度函数,并以特征重要度为启发式信息融入特征选择;同时利用特征的相对核对种群初始化,引导染色体的进化,缩小了算法的搜索空间;且在染色体的交叉和变异过程中,对满足条件的染色体及时删除,加快算法的收敛性;实验结果验证了算法的有效性.     

基于属性重要性的不完备数据填充算法

现有的不完备数据填充算法对所有缺失数据采用统一方式填充,没有考虑数据的重要性,效率低,实时性差。因此,本文提出一种基于属性重要性的不完全数据填充算法。通过差分矩阵求得属性约简,根据约简区分重要属性和非重要属性,对于重要属性数据填充采用改进的马氏距离填充方法,而不重要属性数据填充采用相似度概率填充方法,保证了数据精确度的同时,提高了实时性,具有实用性。最后,实验部分采用数据家庭系统数据和UCI标准数据集分别对算法性能进行了分析,验证了该算法的优越性。     

基于二元矩阵的启发式属性约简算法

本文将基于分辨矩阵的二元矩阵和基于属性重要度的启发式属性约简算法结合起来,提出了一种新颖的针对不完备信息系统的属性约简算法。该算法用条件属性和决策属性之间的依赖度来度量属性重要度,进行启发式约简。该算法将属性约简问题转化为寻找能够覆盖决策属性的二元矩阵的二元矩阵集合问题。通过实例检验,该算法是有效的。     

基于深度对抗的不完备多视图聚类算法研究

已有的深度学习方法忽略了恢复缺失视图数据的重要性,且不能充分利用隐藏在多视图数据中的互补信息和高阶信息,导致对不完备多视图的聚类效果欠佳。针对该问题,首先利用生成对抗网络可以生成与样本数据分布一致的生成数据的特点,来实现多视图数据中不完备数据的生成;然后利用多视图子空间聚类技术完成不同视图的共享描述,得到相似性系数矩阵;最后运用改进后的K-means算法完成不完备多视图的聚类。实验数据表明提出的算法在聚类的准确性上有较大的提升。     

基于双目摄像的特征提取算法研究及三维重建实现

特征提取在计算机图像处理领域是一个重要的概念。文章主要研究了Harris角点检测算法与SIFT(Scale-invariant feature transform)特征点提取算法这经典的两种基于灰度的特征点提取算法。在处理图像尺度缩放方面进行了比较,通过MATLAB进行实验来比较两种算法在处理图像尺度方面的区别,证明SIFT算法更加优秀。最后介绍了三维重建的内容,展望计算机视觉技术的未来。     

基于不完备CSI的OFDMA公平资源分配算法

针对在信道状态信息不完备时,很难兼顾系统容量和公平性这一问题,通过引入公平松弛因子,提出一种公平性可调的遍历容量最大化资源分配算法。为了降低计算复杂度,在利用对偶优化方法求解拉格朗日算子过程中,提出同层循环迭代的搜索方式以代替传统的内外层循环迭代方式。通过仿真和分析表明,该算法在满足公平性的同时实现了遍历容量最大化,且计算复杂度明显降低。     

基于知识图谱的兴趣点推荐算法

本文通过介绍基于知识图谱的兴趣点领域推荐算法并通过实验验证,证明使用基于知识图谱的推荐方法在兴趣点推荐领域切实有效。     

基于不确定信息系统的动态属性约简算法

针对不确定信息系统中存在的问题,在不确定信息系统的属性集上定义了一种等价关系,以等价类决定属性的条件信息量,从而定义属性的相对重要性,给出一种新型的动态属性约简算法。在一个信息系统不断变化时,该算法不像静态约简算法需要重新计算,而是利用新增的数据对已有的数据进行修正,使得每次约简充分利用上一次的结果,这样使得同样的比较运算不会重复进行。通过分析表明,该算法是正确有效的。     

商品图像局部特征提取算法研究与实现

研究商品图像局部兴趣点提取的方法,利用Matlab语言对提取商品图像局部特征Harris和Harris-Laplace算法进行建模仿真,开发了基于商品图像局部特征进行商品检索系统。当检索商品处在不同角度和背景中时,对此系统进行测试,并对测试结果进行比较分析,指出二者算法各自的特点,最后提出了改进算法的建议。     

一种改进的基于差别矩阵的属性约简算法

为解决决策表属性约简完备算法约简质量低的问题，在基于差别矩阵的属性约简完备算法的基础上，引入信息论中信息熵和互信息增益的定义，给出一种启发式属性约简完备方法，通过实例说明启发式信息可以提高完备算法的约简质量，比较不同启发信息对完备算法的约筒质量和约简效率。试验结果表明，采用基于信息论定义的两种启发信息的完备算法约筒效率基本一致，该算法较非启发式完备算法有更好的约简质量。     

基于模糊集的图像增强算法研究

该文通过定义新的隶属函数形式提出了一种自动图像增强的方法,该方法将图像转化为等效的图像模糊特征平面,在此基础上进行模糊增强,最后再转换为空域图像;模糊增强提高了低灰度区域和高灰度区域之间的对比度,从而使增强后图像的效果更好;最后对具有多峰直方图分布图像的模糊增强方法进行了推广。