基于粗集理论的数据离散化方法

对后继阶段的机器学习或数据挖掘过程而言，决策系统中连续属性值的离散化具有非常重要的意义。本文系统地研究了基于粗集理论的数据离散化方法：提出一种计算候选断点集合的算法；定义概念“选择概率”来合理、有效地度量和区分候选断点的相对重要性；最后基于这一概念提出一种确定结果断点子集的启发式算法,理论分析及仿真结果表明，算法的综舍性能优于文献报道的同类算法．     

决策表的粒计算方法研究

粒计算是一种基于问题概念空间划分的智能计算方法。在基于粗集理论的粒度模型基础上,给出了决策表的粒空间分解方法,并给出了决策表在粒表示下属性必要性和属性约简的判定条件。最后,比较了粒度模型和传统的粗集理论在处理属性约简问题上的差异。     

一种基于光流的障碍物估计算法

移动机器人在行进过程中必须能够检测和躲避障碍物,文章提出了一种使用光流场估计障碍物区域的算法。使用结合从粗到精策略的最小加权二乘法的方法计算光流,从而估计图像序列中可能的障碍物位置,为后续的接近时间计算提供了良好的基础。大量实地实验验证了该方法的有效性和可行性。     

基于粗集的多层分类器的设计与实现

文章提出在多层分类器中使用粗集理论来进行网络的设计,由于粗集理论有强大的数值分析能力,而多层分类器具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的新型多层分类器模型。首先利用粗集理论来提取原始的领域知识,然后通过计算决策表的相对约简来产生规则,这些规则的依赖性因子被设为多层分类器的初始连接权值,这些权值在训练学习中得到改进。文章最后给出了一个决策表的实例来进一步验证了该方法的高效性和正确性。     

基于多Agent的模糊粗交流

提出了变异模糊粗集的概念及其相应的性质和定理;建立了模糊粗交流最优传递序列的数学模型,并给出了解决此模型的算法思想,算例证明了算法思想的有效性。     

粗糙集在图像边缘增强滤波中的应用

为使图像噪声滤除的同时,边缘细节信息能得到有效地保护,基于粗糙集理论介绍了一种新的边缘增强滤波方法。首先,基于粗糙集不可分辨等价关系划分,分离出噪声点和非噪声点,对噪声点通过中值滤波进行滤除,然后,通过粗近似精度和方向模板检测边缘的连续性和方向,以具有最大粗近似精度的模板的灰度均值取代中心像素点灰度。在所有进行边缘检测的滤波算法中,该算法是唯一边缘测度在多次迭代运行后不会减小的滤波方法,同时通过对不同噪声程度的椒盐噪声和高斯噪声的滤波实验,说明该方法在有效滤除噪声同时能使边缘细节得到保护和增强,且比其它传统的空域和频域滤波方法具有更好的噪声适应性。     

基于CWDM和IP网的多层次网络存储容灾体系结构

随着数据信息渐渐成为核心资源以及社会对数据存储安全的迫切需求,高保障的存储容灾系统成为了大家关注的热点和迫切的需要.提出一种基于CWDM和IP网的多层次网络存储容灾体系结构,根据不同的灾难程度,采用了三层容灾来分别应对解决,分别通过本地集群以及相关冗余备份,同城容灾中心和远程备份中心来实现,从而在灾难发生后,能够保证数据的完整,可靠、安全以及各项应用服务的正常运行.     

Autonomous clustering using rough set theory

This paper proposes a clustering technique that minimizes the need for subjective human intervention and is based on elements of rough set theory （RST）. The proposed algorithm is unified in its approach to clustering and makes use of both local and global data properties to obtain clustering solutions. It handles single-type and mixed attribute data sets with ease. The results from three data sets of single and mixed attribute types are used to illustrate the technique and establish its efficiency.     

从关系数据库中挖掘规则的粗集方法

利用粗集理论分析了关系数据库中属性间的因果关系，研究了从关系数据库中挖掘规则的方法，对该方法中条件属性的简化、提取规则的最小简化策略进行了详细讨论，给出了相应的算法。为从数据库中进行知识获取提供了一种新的途径。     

关于覆盖广义粗集的一些基本结果

粗集理论是数据挖掘的一个重要工具,本文研究一类广义粗集,即覆盖广义粗集.主要的结果有:(1)与经典的Pawlak粗集理论相对应的覆盖广义粗集的基本性质;(2)一个论域上两个覆盖生成相同覆盖广义粗集的充分必要条件;(3)一个覆盖的约简,即一个覆盖能生成原覆盖广义粗集的最小部分;(4)覆盖广义粗集中上下近似运算的相互依赖性;(5)覆盖下近似运算的公理化.