融合Shadowed Sets聚类的离群点检测算法

从数据整体和宏观特点给出了离群点的新的定义,并基于数据宏观模式定义了一种新的离群因子,该因子考虑了数据点偏离数据模式的程度和数据点本身归类的不确定性;提出了一种新的Shadowed Sets优化目标,使得在模糊集阴影化过程中更加关注核的准确性;同时基于Shadowed Sets聚类,提出了一种结合聚类的离群点检测算法,该算法可以同时进行聚类和离群点检测;通过模拟数据和Iris数据测试,显示算法具有较好的检测效果。     

基于多粒度粗糙模糊集的图像边缘检测

提出一种基于粗糙模糊集的多粒度边缘检测方法。该方法结合粗糙集处理不确定信息的能力和C-Set多粒度处理的思想,通过定义粗糙运算和运算给出边缘表示模型,引入粒度参数对边界定位精度和噪声抑制进行调节,引入结构相似度参数融合粗糙上近似和下近似,以获得更加精确的边界。该检测方法在定位精度上具有粒度不变性,并具有一定噪声抑制作用,实验结果显示其具有较好的边缘检测效果。