粗糙集理论在图像处理中的应用

将粗糙集理论应用到图像处理中,在很多场合具有比传统方法和精确算法更好的效果.介绍了粗糙集理论的基本概念和模型的发展状况,描述了粗糙集用于图像处理的特点,详细论述了粗糙集理论在图像滤波和平滑、图像增强、图像分割以及图像特征提取与分类的研究方法与应用.研究表明粗糙集理论与其他智能方法的结合在图像处理中具有良好的应用前景.大数据集、高效约简算法、并行计算以及混合智能算法研究等问题仍是粗糙集研究的主要方向.     

粗糙集理论在关系数据库中的应用

介绍粗糙集理论和在关系数据库方面的应用,分析和研究了应用中粗糙关系数据库模型,以及关系操作、完整性约束和粗糙查询等.     

粗糙集理论在图像增强中的应用

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法。本文提出一种基于粗糙集的图像增强新方法,该方法按条件属性,将一幅图像划分为不同的子图,然后对子图分别作对比度增强,增强图像的效果较为理想,满足了工程上的要求。     

基于粗糙集理论的模糊模型及其在复杂控制系统中的应用

将粗糙集理论与模糊逻辑技术相结合,提出一种建立粗糙模糊模型的建模方法.运用粗糙集理论的基本概念和简约计算方法,从大量原始数据中发现精简的、概略化的规则来建立粗糙模糊模型,并提出了对模型进行扩充与完备化的概念.将该方法应用于化纤工业中抽丝冷却侧吹风非线性控制过程的仿真实验研究表明了该建模方法的有效性和可行性.     

粗糙集理论在数字图像水印中的应用

针对粗糙集理论应用于数字图像水印技术的可行性,结合人类视觉特性,提出一种基于粗糙集理论的水印嵌入位置选择方法。该方法把载体图像看成是一个知识系统,按照人类视觉特性的要求将图像系数划分为多个不同的等价类,通过属性的组合筛选出适合于水印嵌入的系数位置。最后选取灰度图像Lena和Baboon作为测试图像,证明了该方法的有效性和可扩展性。     

模式识别及其在图像处理中的应用

随着计算机和人工智能技术的发展,模式识别在图像处理中的应用日益广泛.综述了模式识别在图像处理中特征提取、主要的识别方法(统计决策法、句法识别、模糊识别、神经网络)及其存在的问题,并且对近年来模式识别的新进展--支持向量机与仿生模式识别做了分析和总结,最后讨论了模式识别亟待解决的问题并对其发展进行了展望.     

知识包含度及其在粗糙集理论中的应用

提出一种新的集合包含度,并用新的集合包含度定义粗糙集理论中的知识包含度。研究了知识包含度的几个基本性质,给出了粗糙集理论中基于知识包含度的属性约简算法,通过一个汽车性能决策表的实例来表明算法的有效性。     

模式识别及其在图像处理中的应用

模式识别是人类的一种基本智能,在日常的生活中人们经常使用模式识别智能,随着计算机时代的到来,基于计算机的模式识别学科迅速得到发展。本文就简单讲解一下模式识别在图像处理过程中的具体应用。     

粗糙集理论在Web信息过滤中的应用研究

粗糙集理论是一种适用于不完整和不确定系统的知识发现的数学工具.本文提出了一种利用粗糙集理论生成规则的Web信息过滤技术,通过对其中相应算法的改进并进行测试,发现将该方法应用到Web信息过滤中是行之有效的,该方法生成的规则少,提高了过滤分析的实时性和实用性.     

多屏显示技术及其在图像处理系统中的应用

阐述了Windows98环境下多屏显示技术的原理及其实现方法，并将该技术应用在图像处理系统中充利用用户的显示资源，扩大观察视野，改善了用户的操作环境。     

粗糙集理论的新进展及其在智能信息处理中的应用

主要总结了近年来粗糙集理论的研究和进展,介绍了广义粗糙集模型研究的一些主要方面和最新成果,从逼近算子和粗糙隶属函数的角度,讨论了广义粗糙集模型的各种类型,并着重分析了粗集理论在智能信息处理中的应用情况。     

粗集间的相似度量及其应用

以粗隶属函数为工具,给出一种粗集间相似度量的数值算式,并将粗集间的相似度量应用于一类决策条件与结论的匹配问题上。最后通过一个实际例子说明这种方法的合理性。     

基于相容粗糙集的图形图像信息预检索

早期的利用粗糙集理论进行信息检索都是以“等价粗糙集模型”为基础的，但是等价粗糙集的性质限制了该方法的应用范围，为此有些研究者提出以“相容粗糙集模型”代替“等价粗糙集模型”的新的信息检索的概念，此概念的关键在于“关键词的同时发生”和关于相容粗包含的“匹配算法”，提出了一种利用“相容粗糙集”的理论对图形图像进行预检索的新方法，即在相容类的近似空间里对图形图像进行预检索。为了验证这种新方法的有效性，在人脸图形和图像库中做了若干实验，实验结果表明，该方法可以有效地克服等价粗糙集在图形图像检索方面的限制，对提高图形图像的检索效率具有一定的作用。     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简。本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率。实例证明了该方法的可行性和有效性。     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简.本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率.实例证明了该方法的可行性和有效性.     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢。不适合实时数据处理。基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法。利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果。满足图像处理的实时性要求。     

一种基于粗糙集理论的彩色图像滤波算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种新的软计算方法，为智能信息处理提供了有效的处理技术。本文将粗糙集理论应用到彩色图像滤波中，提出了一种基于粗糙集理论的彩色图像滤波算法。实验结果显示，该算法可以有效地去除彩色图像中的椒盐噪声，并能较好地保持图像的边缘细节信息。     

粗糙集理论数据处理方法及其研究

粗糙集理论是一种对数据进行约简,提取规则的数据挖掘的有效工具,在自动控制、电子科学、计算机科学、机器学习、医学、经济学等方面有着广泛应用。根据粗糙集理论处理数据方法的过程,分析和阐述了不完备数据处理、连续数据离散化、属性约简、属性值约简和规则提取、不完备决策系统和不相容决策系统等非标准信息系统的约简、粗糙集理论数据处理方法和其他理论数据处理方法相结合的扩展模型和最新研究进展,及粗糙集理论数据处理的软件实验系统等。     

粗糙集理论与应用研究综述

在阐释粗糙集理论基本体系结构的基础上,从多个角度探讨粗糙集模型的研究思路,分析粗糙集理论与模糊集、证据理论、粒计算、形式概念分析、知识空间等其它理论之间的联系,介绍国内外关于粗糙集理论研究的主要方向和发展状况,讨论当前粗糙集理论研究的热点研究领域以及将来需要重点研究的主要问题.