广义近似空间粗模糊度研究

模糊粗集理论是粗集理论的重要推广,研究广义近似空间下模糊粗集的模糊性具有重要的意义。文章研究了由对象-属性值偶对构成的广义模糊近似空间下模糊集合的粗模糊度问题,给出了其模糊度表示,并讨论它的性质。     

基于云空间和模糊嫡的边缘检测算法

基于模糊集理论及云理论,提出了对象云的图像模糊边缘检测方法(OCFD).算法充分考虑图像的模糊性和随机性,建立起图像空间与云空间的映射模型,生成模糊对象云和边界云,完成图像空间到云空间的映射.在云空间中实现逻辑云运算的边界云提取,提出并实现了基于边界云的过渡区定义及其提取算法.最后利用最大模糊熵在过渡区内实现检测边缘.实验证明,OCFD算法在检测性能方面优于模糊Sobel,Pal.King等算法,为图像的模糊理解和分析提供了一种新的思路,同时也丰富和拓展了云理论.     

模糊神经系统研究综述

１前言最近几年，当使用神经网络的空间复杂性来克服模糊控制的时间复杂性时，两者结合便诞生了模糊神经系统。１９６５年，美国自动控制学者Ｚ．Ａ．Ｚａｄｅｈ提出模糊集合的概念，首创模糊集理论，用于描述没有明确界限和模糊外延的现象。３０多年来，模糊集理论有了飞...     

空间方向关系模糊描述

采用模糊的方法来描述方向关系.首先给每个方向定义一个模糊隶属函数,使得目标对象属于某个方向的模糊性可用一个模糊集来描述,9方向关系系统可用9个模糊集来描述;然后在每个模糊集上定义一个聚集算子,使得每个模糊对象和精确对象间的方向关系可用一个3×3的模糊矩阵来描述.     

一种栅格图层的模糊叠置分析模型

为了更好地进行GIS空间分析，根据GIS应用领域中属性数据的区间值特征，首先利用区间值模糊集来描述模糊属性数据的模糊图层，然后基于区间值模糊集给出了一种栅格图层的模糊叠置分析模型，并改进了基于经典模糊集的模糊叠置分析方法。该模型利用区间值模糊集的基本运算，可以实现普通模糊叠置和加权模糊叠置，而采用区间值，则可以减少属性值模糊性的丢失，且叠置结果符合人们的认知和推理规律，实例结果表明，该模型能够较好地解决区间值属性图层间的模糊叠置分析问题。     

一种新的覆盖粗糙集及其模糊性度量

在覆盖近似空间中定义了一类新的模糊集,给出了该类模糊集的模糊性度量,讨论模糊集及其模糊度量的性质,最后通过实例给出直观解释.     

动态模糊数据的分解模型研究

数据分解是降低数据复杂程度的有效途径,在研究的数据对象中,具有动态模糊性的数据是普遍存在的,基于动态模糊集及动态模糊图给出了动态模糊数据分解模型,该模型的建立,为人们用计算机处理这类数据提供了理论依据。     

基于空间自相关性和模糊集的空间数据噪声点检测算法

大数据时代数据纷繁复杂,同时在数据挖掘过程中数据质量又至关重要,数据质量的高低将直接影响数据挖掘结果的好坏,但现实中数据缺失和噪声数据的现象在所难免。针对上述问题,通过引入空间对象的自相关性理论和模糊集理论,提出一种基于空间自相关性和模糊集的空间数据噪声点检测算法。该算法首先运用邻域对象的空间自相关性理论,计算出特定对象与邻域内其他对象的距离,进而将距离以模糊隶属度的概念予以表达,最后通过与该属性的置信水平进行比较,以此来判定噪声数据。理论分析和实验对比结果均表明,该算法对于处理空间数据噪声点问题是有效可行的。     

模糊粗糙集的鱼病规则获取方法

针对鱼病诊断中存在随机性、诊断信息的模糊性和信息获取的不完备性等不确定因素。首先给出模糊的鱼病诊断过程,由于该方法存在模糊诊断矩阵较难获取的缺点。利用粗糙集理论无需先验知识的优点,将粗糙集理论和模糊集结合用于鱼病的诊断中。鱼病的症状模糊集形成条件属性,疾病模糊集形成决策属性构成模糊信息表,给出了模糊信息表属性约简和鱼病诊断规则获取的算法步骤,最后以实例演示了鱼病诊断的规则获取过程。论文为鱼病的诊断提供了一种全新的方法。     

模糊近似空间上的粗糙模糊集的公理系统

粗糙集理论是近年来发展起来的一种有效的处理不精确、不确定、含糊信息的理论，在机器学习及数据挖掘等领域获得了成功的应用．粗糙集的公理系统是粗糙集理论与应用的基础．粗糙模糊集是粗糙集理论的自然的有意义的推广．作者研究了模糊近似空间上的粗糙模糊集的公理系统，用三条简洁的相互独立的公理完全刻划了模糊近似空间上的粗糙模糊集，同时还把作者给出的公理系统与粗糙集的公理系统做了对比，指出了两者的区别．     

Spatial Plateau Algebra for implementing fuzzy spatial objects in databases and GIS: Spatial plateau data types and operations

Many geographical applications have to deal with spatial objects that reveal an intrinsically vague or fuzzy nature. A spatial object is fuzzy if locations exist that cannot be assigned completely to the object or to its complement. Spatial database systems and Geographical Information Systems (GIS) are currently unable to cope with this kind of data. Based on an available abstract data model of fuzzy spatial data types for fuzzy points, fuzzy lines, and fuzzy regions that leverages fuzzy set theory and fuzzy point set topology, this article proposes a Spatial Plateau Algebra that provides spatial plateau data types as an implementation of fuzzy spatial data types. Each spatial plateau object consists of a finite number of crisp counterparts that are all adjacent or disjoint to each other, are associated with different membership values, and hence form different plateaus. The formal framework and the implementation are based on well known, exact models and implementations of crisp spatial data types. Spatial plateau operations as geometric operations on spatial plateau objects are expressed as a combination of geometric operations on the underlying crisp spatial objects. This article offers a conceptually clean foundation for implementing a database extension for fuzzy spatial objects and their operations, and demonstrates the embedding of these new data types as attribute data types in a database schema as well as the incorporation of fuzzy spatial operations into a database query language.     

不确定性空间关系

空间关系在空间查询语言、基于内容的数据检索及空间分析中有重要作用。不确定性是空间关系的固有特性，但至今没有受到研究人员的足够重视。为了使人们对该理论有个概略了解，首先给出了空间关系不确定性的定义、内涵及其对空间关系应用的影响；然后从数据的不确定性、认知的不确定性以及空间关系分析处理的不确定性等3个方面详细地分析了空间关系不确定性的来源，同时提出了空间关系不确定性的处理方式，并以空间关系不确定性的3个来源为标准，评价并指出了定性空间关系表达方法的不足之处；最后，给出了用模糊集方法研究模糊空间关系的框架和主要内容，以便为不确定性空间关系的研究奠定基础。     

基于特征的时空数据模型：研究进展与问题探讨

首先分析了时空数据模型的不同层次,指出了当前时空数据模型存在的主要问题,认为目前的时空数据模型缺少对地理现象的显式定义和基础关系描述,不能在语义层次上实现数据共享,传统的基于专题地理分层的空间数据表达思想,和单一图层内以矢量或栅格数据结构基本单元作为地理实体或现象基本建模单元的表达方式,对于复杂地理实体或现象的描述及地理过程分布存在严重不足,提出发展基于特征的时空数据模型是新一代地理信息系统的核心所在;讨论了基于特征的概念模型要素以相互关系,提出了基于特征的时空数据模型所面临的关键技术。     

The enhancement of the cell-based GIS analyses with fuzzy processing capabilities

In order to store and process natural phenomena in Geographic Information Systems (GIS) it is necessary to model the real world to form computational representation. Since classical set theory is used in conventional GIS softwares to model uncertain real world, the natural variability in the environmental phenomena cannot be modeled appropriately. Because, pervasive imprecision of the real world is unavoidably reduced to artificially precise spatial entities when the conventional crisp logic is used for modeling.An alternative approach is the fuzzy set theory, which provides a formal framework to represent and reason with uncertain information. In addition, linguistic variable concept in a fuzzy logic system is useful for communicating concepts and knowledge with human beings. FuzzyCell is a system designed and implemented to enhance commercial GIS software, namely ArcMap^® with fuzzy set theory. FuzzyCell allows users to (a) incorporate human knowledge and experience in the form of linguistically defined variables into GIS-based spatial analyses, (b) handle imprecision in the decision-making processes, and (c) approximate complex ill-defined problems in decision-making processes and classification. It provides eight membership functions, inference methods, methods for rule aggregation, operators for set operations and methods for defuzzification.The operation of FuzzyCell is presented through case studies, which demonstrate its application for classification and decision-making processes. This paper shows how fuzzy logic approach may contribute to a better representation and reasoning with imprecise concepts, which are inherent characteristics of geographic data stored and processed in GIS.     

基于模糊集的蚁群空间聚类方法研究

定义了对象间的平均距离,并将平均距离作为对象相似性的论域。通过隶属函数将对象间的相似性映射为论域上的一个模糊子集。由给定的置信水平λ,将模糊集分离为普通集,对蚂蚁是否拾起还是放下对象作出决策,实现对空间数据的聚类。并以矿山实际测量数据为空间数据源,采用基本的蚁群聚类算法和模糊蚁群空间聚类算法分别对其进行聚类。通过对这两种算法的实验结果进行分析比较,证明改进后的算法提高了聚类效果。     

模糊空间的colocation模式挖掘研究

近年来空间colocation模式挖掘由传统数据扩展到了不确定数据、模糊数据领域,但在模糊数据层面上,只有少量关于对象模糊的研究,而对于模糊空间这一论域的研究还是空白。基于经典的colocation模式挖掘的理论,针对性地提出了面向模糊空间的colocation模式挖掘及相关定义,增加了模糊数据领域内研究的深度和广度,并根据模糊数学理论结合空间colocation挖掘的特点,在模糊距离隶属度函数未知的情况下建立了具有较好适用性的FS基本算法。该算法一改以往在经典数据集上需要验证”团实例”的复杂做法,大大提高了算法性能。在已知模糊距离隶属度函数时,给出一个同时适用于经典数据以及模糊数据的增加数据完整性的通用方法;引进模糊方位,给出完全有别于以往的FS补充算法,增加了数据的完整性,并能实现模糊数据空间向经典数据空间的转换。     

Integrating high resolution remote sensing,GIS and fuzzy set theory for identifying susceptibility areas of forest insect infestations

The use of fuzzy set theory has become common in remote sensing and geographical information system (GIS) applications to deal with issues surrounding the uncertainty of geospatial datasets. The objective of this study is to develop a model that integrates the concept of fuzzy set theory with remote sensing and GIS in order to produce susceptibility maps of insect infestations in forest landscapes. Fuzzy set theory was applied to information extracted from multiple‐year high resolution remote sensing data and integrated in a raster‐based GIS to create a map indicating the spatial variation of insect susceptibility in a landscape. Variable‐specific fuzzy membership functions were developed based on expert knowledge and existing data, and integrated through a semantic import model. The results from a case study on mountain pine beetle (Dendroctonus ponderosae Hopkins) illustrate that the model provides a method to successfully estimate areas of varying susceptibility to insect infestation from high resolution remote sensing images. It was concluded that fuzzy sets are an adequate method for dealing with uncertainty in defining susceptibility variables. The susceptibility maps can be utilized for guiding management decisions based on the spatial aspects of insect–host relationships.     

空间数据挖掘关键问题研究

With the rapid development of remote sensing and mapping technology and the widespread application of spatial database system, the spatial data collected and stored by human expand increasingly. These very large datasets far exceed human's capabilities of comprehending and handling, so the requirement of spatial data mining to pro-vide human with valuable information becomes in stant need. In this paper, the methods of spatial data handling in spatial data mining are discussed from a database perspective, the key problems of spatial data mining and their solu-tions in current study are presented, the relations between spatial data mining and geographical information system are analyzed.     

模糊检索方法研究

模糊性是人类思维和客观事物普遍具有的属性之一，而研究和处理现实世界中客观存在的模糊现象的有效工具便是模糊数学。信息检索是计算机信息系统的重要操作之一，简要讨论了基于模糊集合论与自然语言理解的信息检索方法，将模糊性引入信息查询语句中，采用模糊集合论进行解决，实现了人机接口的自然化，同时简要说明了模糊检索系统的基本框架与实现方法。     

在ORACLE数据库中如何对多媒体数据对象进行处理

本文通过Oracle数据库对多媒体数据对象的处理方法进行研究，结合理论和实际项目经验提出了通过DBMS_LOB包的使用来对多媒体大数据对象如大文本对象和图形对象进行处理的一些基本方法并予以实现。