集对优势关系下多粒度决策粗糙集的可变三支决策模型

多粒度决策粗糙集是从多角度来处理不确定数据和风险决策问题的重要模型.针对不完备信息系统下的决策分析问题,在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理.然后对多粒度近似空间进行了拓展,提出了集对优势关系下的乐观、悲观、均值、乐观-悲观和悲观-乐观5种多粒度决策粗糙集模型,并讨论了其相关性质以及...     

基于三支决策的增量标签传播算法

三支决策(Three-Way Decision,3WD)作为一种新的粒计算方法,在处理不确定和不精确问题上具有独特的优势.针对标签传播算法(Label Propagation Algorithm,LPA)在节点更新过程中存在的较高随机不确定性和冗余性问题,提出了基于三支决策的增量标签传播算法(3 WD_ILPA).首先,给出了邻接模糊信息测度的概念和计算方法,并用于生成任意两节点间的概率转移矩阵.然后,将三支决策融入节点的动态更新过程,并把迭代更新后准确率最高的节点逐步增量添加到下一循环过程,直至收敛.此外,给出了3 WD_ILPA算法的详细流程.最后,在ABIDE数据集上进行孤独症(Autistic Spectrum Disorder,ASD)识别实验,与传统机器学习、深度学习和迁移学习等方法的对比结果表明,所提方法具有更高的准确率.     

基于直觉模糊集的三支决策模型

三支决策理论是处理不确定决策问题的重要理论基础,近年来其已成为国内外学者的研究热点。在决策粗糙集、三支决策和直觉模糊集理论的基础上,对基于直觉模糊集的三支决策的模型进行深入研究,提出了三支决策的两描述模型、三描述模型,然后将其拓展为一般模型。该一般模型使用犹豫度重新设计了阈值参数,通过隶属度函数对事件对象进行评估,最后用淮河表层沉积物中有机氯农药污染情况的真实例子来验证该模型的有效性。     

基于改进帝王蝶优化算法的特征选择方法

针对帝王蝶优化算法(MBO)全局搜索能力较弱、在迁移过程中容易出现种群多样性减少等问题,文中提出基于柯西变异的差分自适应MBO及其特征选择算法.首先,使用差分进化算法中的变异操作替换MBO的迁移算子,提升全局搜索能力.然后,将自适应调整策略融入MBO的调整算子,改变单一的调整方式.最后,对每次更新的种群进行柯西变异,增加种群多样性.为了验证改进帝王蝶优化算法及其特征选择方法的性能,通过基准函数和UCI数据集两部分实验对其进行测试,结果表明文中算法性能较优.     

基于最小/最大描述的多粒度覆盖粗糙直觉模糊集模型

覆盖粗糙集和直觉模糊集都是处理不确定性问题的基础理论,它们有着很强的互补性,且覆盖粗糙集和直觉模糊集的融合研究是一个新的热点。对多粒度覆盖粗糙集和直觉模糊集的融合进行深入研究。首先将最小描述、最大描述从单一粒度推广到多个粒度,提出了多粒度的最小描述和最大描述,讨论了多粒度的融合;其次,分别给出了基于最小描述和最大描述的模糊覆盖粗糙隶属度、非隶属度的概念,构建了两种新的模型即基于最小描述的多粒度覆盖粗糙直觉模糊集和基于最大描述的多粒度覆盖粗糙直觉模糊集,并讨论了它们的性质,同时举例说明;最后,分析和研究了两种模型的关系。该研究为多粒度覆盖粗糙集和直觉模糊集的融合提供了一种方法。     

Java与JavaApplet

Ｊａｖａ与ＪａｖａＡｐｐｌｅｔ●薛占熬管永川随着Ｉｎｔｅｒｎｅｔ的飞速发展，Ｉｎｔｅｒｎｅｔ正逐步渗透进我们的生活。ＳｕｎＭｉｃｒｏｓｙｓｔｅｍ公司发布的程序设计语言——Ｊａｖａ，引起了人们的普遍关注。本文介绍Ｊａｖａ的由来、ＪａｖａＡｐｐｌｅｔ的特...     

二维直方图准分的Renyi熵快速图像阈值分割

针对传统二维Renyi熵(RE)分割法分割结果不够准确和计算复杂度高的问题,提出一种快速的二维RE准分法。首先,用与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并对噪声点区进行去噪处理以便获得更好的分割性能。然后,对内点区与边界点区在RE公式中的对应量准确取值使阈值选取更准确。最后,提出二维RE准分法的一般递推算法,并在此算法的基础上利用RE在二维直方图上的计算特性和两个公式导出快速的二维RE阈值选取算法来降低计算复杂度。实验结果表明,与对比方法相比,文中方法不仅分割更准确和抗噪性更强,而且其运行时间少,与二维RE斜分法运行时间相近。     

基于K近邻和优化分配策略的密度峰值聚类算法

密度峰值聚类(density peak clustering, DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密度峰的数据集,DPC很难选择正确的簇中心;同时,DPC中点的分配方法存在多米诺骨牌效应.针对这些问题,提出一种基于K近邻(K-nearest neighbors,KNN)和优化分配策略的密度峰值聚类算法.首先,基于KNN、点的局部密度和边界点确定候选簇中心;定义路径距离以反映候选簇中心之间的相似度,基于路径距离提出密度因子和距离因子来量化候选簇中心作为簇中心的可能性,确定簇中心.然后,为了提升点的分配的准确性,依据共享近邻、高密度最近邻、密度差值和KNN之间距离构建相似度,并给出邻域、相似集和相似域等概念,以协助点的分配;根据相似域和边界点确定初始聚类结果,并基于簇中心获得中间聚类结果.最后,依据中间聚类结果和相似集,从簇中心到簇边界将簇划分为多层,分别设计点的分配策略;对于具体层次中的点,基于相似域和积极域提出积极值以确定点的分配顺序,将点分配给其积极域中占主导地位的簇,获得最终聚类结果.在11个合成数据集和27个真实数据集上进行仿真...     

广义区间值模糊粗糙近似算子的构造研究

构造了一组新的广义模糊粗糙近似算子,将其拓展到区间上.在由任意的二元区间值模糊关系构成的广义近似空间中,证明了该组近似算子与区间化的广义Dubois模糊粗糙近似算子是等价的,最后在一般二元区间值模糊关系下对该组近似算子的性质进行了讨论.     

一种新的基于粒度重要度的三支决策模型

粒度重要度是多粒度粗糙集中的一项重要研究内容。针对现有粒度重要度只考虑单个粒度对决策的直接影响而忽略了其他粒度对决策综合影响的问题,结合多粒度粗糙集近似质量的概念,通过研究粒度重要度的构造方法,提出了一种新的多粒度间的粒度重要度的计算方法,并给出了基于该方法的粒度约简算法。同时,为减少冗余决策信息,将约简集与三支决策理论相结合,构建了基于粒度重要度的三支决策模型,给出了决策规则。最后通过实例证明,新的粒度约简算法可以获得具有更高区分度的数据,且缩小了延迟域范围,使最终决策更合理。