序信息系统中基于粗糙熵的不确定性度量

在序信息系统中引入知识粗糙熵和粗集粗糙熵两个不确定性度量的概念,本文得到了它们的有关性质,证明了这两个度量都随着知识确定程度增强而单调下降的结论,从而给出序信息系统的信息解释;并进一步通过讨论它们之间的联系说明粗集的粗糙熵可以更精确地度量粗糙集的粗糙程度.这些结论为序信息系统的知识发现奠定了一定的理论基础.     

广义近似空间与粗糙分类代数

提出了广义近似空间、粗近似公理、干扰集公理、粗糙集的分类原则、粗选原则、不确定偶集原则、精选原则、对策分类、量子逻辑分类、bit量子对称分类、不可比集、bit空间集、协议关系、粗糙集函数、粗糙分类代数和粗糙单代数等基本概念，并提出了一个猜想；展示了一些新观点；基于协议关系构造了粗糙商代数和粗糙子代数，给出了回避-归并算法及算例。     

粗糙环的同态与同构

主要讨论粗糙集理论在代数系统——环上的应用。基于有关粗糙群、粗糙子群、粗糙加群、粗糙不变子群、粗糙商群、粗糙环、粗糙子环、粗糙群和粗糙环的同态的基本概念以及粗糙环的一些性质和有关粗糙不变子群与粗糙子环的定理,讨论了粗糙理想、粗糙商环、粗糙环同构的概念及其性质,同时给出了这些性质和有关粗糙环同态与同构的若干定理的严格证明,进一步补充和完善了粗糙集理论。     

知识粗糙性的零等价条件

讨论了知识粗糙性的等价条件,证明了知识粗糙性与条件熵为零等价,同时还证明了互信息对知识粗糙性定义的偏序“较细”是单调下降的,从而揭示了知识粗糙性与条件熵的密切联系。     

非精确性测量数据的不确定度评定

基于D—S理论，提出了一种对非精确性的测量数据进行不确定度评定的方法。该方法首先计算非精确性数据的总不确定性，包括不具体性与冲突性之和，然后参照香农熵不确定度评定方法，建立总不确定性与不确定度的联系公式，最后计算不确定度。该评定方法同时适用于精确性和非精确性测量数据，是传统香农熵评定方法的广义形式，文中给出实例验证了其有效性。     

粗糙表面的分形表征

最近的研究表明，随机粗糙表面是自仿射的多尺度的，因而表面轮廓的高度分布方差，叙率和曲率的方差不再是唯一的。本文基于分形几何理论提出了一种新的粗糙表面表征方法。使用Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ函数得到粗糙表面的分形参数－－“固有”参数，而这些参数可以提供任何长度尺度的粗糙度结构信息。     

粗糙壁面通道内的流动研究

通过对流动中熵产的数值计算,研究了管道和平面通道内流动中粗糙壁面对摩擦的影响.研究表明,在层流流动中壁面粗糙度的影响也是值得重视的,尽管这种效应以往常常被人们所忽视.除了可得到摩擦因子之外,由于可以得知流场中壁面粗糙单元附近的耗散分布,因此可深入理解这一物理现象的本质.为了对粗糙壁面通道内的流动进行简明的描述,需要对壁面位置和粗糙度参数进行合理的选择,并对各种选择方案进行了讨论和评价.     

邻域系统与k-步粗糙模糊集

关于粗糙模糊集的性质已有学者进行了研究，吴伟志、张文修建立了基于一般二元关系的k-步邻域系统与近似算子系统的理论框架。本文在此框架下结合模糊概念，提出了k-步粗糙模糊集的定义，并作了研究，得到了相应的结果。     

Vague集的扩展及其在模糊近似空间中的粗糙近似

考虑到具体的博弈、利益团体投票或决策过程中,Vague集的表示往往受到决策者历史知识、感性判断等因素的限制,本文借助于模糊逻辑非门算子,对经典Vague集中隶属度与非隶属度之间的关系进行了改进,提出了广义Vague集的概念。利用三角模和三角余模,建立了模糊近似空间中广义Vague集的粗糙近似,定义和讨论了模糊近似空间中广义Vague集的粗糙度度量方法。最后给出了算例。     

规则微观结构粗糙表面浸润性研究

制作了4组具有不同规则微观结构、粗糙度为1.2～2.0的粗糙表面,并测量了各个粗糙表面的表观接触角。而后将各组粗糙表面的接触角测量值与Wenzel模型预测值和Cassie模型预测值进行比较,分析了影响各个粗糙表面浸润特性的因素。发现孔状微观结构的粗糙表面与柱状微观结构的粗糙表面的浸润性有很大区别,不同的微观结构导致液体侵入微结构内部程度的不同是引起此区别的主要原因,进而针对这两种不同微观结构的粗糙表面提出了新的预测值计算公式。     

应用粗糙集理论提取特征的词性标注模型

针对词性标注中的复杂特征提取问题,应用粗糙集理论(rough sets),有效地挖掘了包括长距离特征在内的复杂特征,并有效地处理了语料库噪声问题.最后,将这些特征融合于最大熵模型中,训练时按模型整体性能为其分配权重.开放实验表明:增加粗规则后获得96.29%的标注精度,相比原有模型提高了0.83%.     

基于粗糙集的管理人才甄选方法研究

针对管理人才甄选中的信息不确定性、不对称性及相关性,基于粗糙集理论、信息熵概念以及相关性分析,对原始指标进行筛选得出管理人才甄选评价指标体系,集成主、客观信息偏好,构造综合权重优化模型,运用Lagrange法来求解指标的权重向量,从而得出了一种管理人才甄选的粗糙集综合评价模型.通过算例证明了该方法的有效性.     

齿面粗糙纹理方向对齿轮润滑效应的影响

 不同的机械加工方法会形成相异的表面粗糙纹理.为了探析不同粗糙纹理对齿轮传动润滑效应之影响,基于实际测量所获得的一系列粗糙度数值,进行了45组数值计算.计算结果显示：当粗糙度均方根值σ≤0.15 μm时,粗糙度对齿面油膜厚度与接触应力影响甚微;当σ>0.15 μm后,随着σ的增大,纵、横向纹理粗糙齿面接触应力均呈线性规律增加,但前者的接触应力始终大于后者.尤其是当σ≥0.55 μm时,与光滑齿面相比,纵、横向纹理粗糙齿面接触应力分别增大90%和80%;与此同时,纵向纹理膜厚值减低40%,而横向纹理膜厚值增大80%以上.在此基础上,针对纵、横向两种粗糙纹理齿面,分别建立了轮齿接触应力与齿面粗糙度之间的回归方程.最后,给出了横向纹理粗糙齿面的润滑效果要优于纵向纹理粗糙齿面的研究结论.     

基于一般包含度的广义变精度粗糙集

本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。     

非连续粗糙多界面接触变形和能量损耗特性研究

非连续多层叠加结构的粗糙界面接触形变与能量损耗特性一项研究较少的难题。本文在单一界面能量损耗特性研究的基础上,通过建立“多层粗糙金属板--刚性平面”的多界面模型,采用有限元方法,对加载与卸载过程中,具有不同界面形貌、不同塑性变形行为和界面摩擦的多层叠加模型粗糙多界面的接触力和变形进行计算,研究了多层叠加结构粗糙界面上的接触力-变形关系,以及由塑性变形与界面摩擦引起的能量损耗特性,构造了描述粗糙多界面上接触力-变形关系表达式,计算了多层粗糙界面的能量传递损耗率,分析了多层叠加结构的非连续粗糙多界面接触变形机理和能量损耗特性。     

A novel brain image segmentation using intuitionistic fuzzy C means algorithm

A process of splitting the image into pixel bands is the image segmentation. As medical imaging contain uncertainties, there are difficulties in classification of images into homogeneous regions. There is a need for segmentation algorithm for removing the noise from the medical image segmentation. The very popular algorithm is Fuzzy C‐Means (FCM) algorithm used for image segmentation. Fuzzy sets, rough sets, and the combination of fuzzy and rough sets play a prominent role in formalizing uncertainty, vagueness, and incompleteness in diagnosis. But it will use intensity values only which will be highly sensitive to noise. In this article, an Intuitionistic FCM (IFCM) algorithm is presented for clustering. Intuitionistic fuzzy (IF) sets are generalized sets and their elements are characterized by a membership value as well as nonmembership value. This IFCM has an uncertainty parameter which is called hesitation degree and a new objective function is integrated in the standard FCM based on IF entropy. The IFCM will provide better performance than FCM for image segmentation.     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法．针对这种划分，提出一种约简和去噪的方法．随后，建立了粗糙集和LVQ神经网络的联合模式识别系统．最后，比较了用该系统和仅用神经网络进行识别的效果，证明了该方法的有效性．     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。     

不完备模糊信息系统

以不完备模糊信息系统为研究对象，建立了其中的模糊相容关系及模糊粗糙上、下近似集。在此基础上，探讨了论域上的模糊覆盖问题并提出了覆盖的3种运算形式；定义了2种新的模糊粗糙熵以讨论不完备模糊信息系统中的不确定性因素，证明了不确定因素的变化与度量强度之间的重要关系；建立了一种度量部分模糊知识依赖的新方法，获得了一些新的定理结果证明。