基于粗糙集和属性直方图的医学图像增强,张璐,谢刚,医学图像信息存在着复杂性,在处理中的各个不同层次可能出现不完整性和不确定性。利用粗糙集理论进行图像增强,子图的划分是关键
作为粗糙集的一种推广,模糊粗糙集在属性约简中的应用尤为重要.约简规模和约简依赖度作为评判约简性能的两个重要指标,分别对应着约简的效率以及精度.传统的约简算法通常以追求约简的最大依赖度为导向进行寻优,并
针对现有飞机发电机故障诊断流程繁琐、诊断结果精确度低的问题,从数据挖掘角度出发,引用变精度粗糙集约简算法处理现有诊断流程系统,为了在小样本条件下更好地提取有效信息,利用对象集定义的二元关系和依赖空间给
一种新的粗糙集约简算法,肖厚国,李岚,属性约简是粗糙集合研究的核心内容之一,现已证明寻找最小约简是NP-hard问题。本文利用一种新的区分矩阵与免疫遗传算法结合方法,��
在现实应用中许多数据往往是动态变化的,静态的属性约简算法处理此类数据需消耗大量的计算时间和存储空间。针对集值决策信息系统中数据的动态变化情况,通过引入条件信息量和属性重要性概念,提出了一种启发式的动态
提出一种新的不确定,即初始对象集合的不确定,并利用粗糙集理论来解决这种不确定性;将粗糙集理论和智能规划相结合,提出一种新的不确定规划——粗规划。给出了粗规划问题的概念、粗规划的初始状态、粗糙动作和粗规
本文总结了信一息决策系统属性约简和值约简的一般方法,提出了一种基于二进制区分矩阵的约简方法。
粗糙集理论中。对决策表进行约简,其中包含数据离散化和条件属性的多种约简方式。
覆盖粗糙集约简算法Reductionandaxiomizationofcoveringgeneralizedroughsets
用粗糙集理论进行连续数据离散化、属性约简、属性值约简三个步骤