基于α信息熵的模糊粗糙属性约简方法

网络入侵方式已日趋多样化,其隐蔽性强且变异性快,开发灵活度高、适应性强的实时网络安全监测系统面临严峻挑战.对此,提出一种基于模糊粗糙集属性约简(FRS-AR)和GMM-LDA最优聚类簇特征学习(GMM

提出了一种基于粗糙集约简的支持向量机图像插值方法，目的在于提高基于学习的插值方法的插值效率，改善放大图像边缘模糊现象。首先在原始图像上利用已知的像素灰度值及邻域内像素间的相关性构造训练样本集；然后利用

基于差别矩阵和属性选择的属性约简算法，采用c++实现，能够在VS编译环境下快速实现，占用较少的内存资源。

概念格理论是一种有效的知识表示与知识发现的工具,已被成功应用于许多领域知识发现的一个重要方面是概念格理论提出了概念格的属性约简理论,进一步扩充了概念格理论给出了概念格约简的判定定理引入了形式背景的可辨

目前我国企业效绩评价体系中存在指标冗余和指标关联两方面的缺陷，通过引入粗糙集理论与属性约简规则，结合16家沪市上市公司实例，在保证粗糙分类质量不变的情况下，对企业效绩评价指标属性约简。 结果表明，针对

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题，提出一种将模糊集和粗糙集结合起来的连续型条件属性模糊规则约简算法。该算法首先引入三角隶属度函数将连续属性值转换为模糊值，并

针对置信规则中规则数的“组合爆炸”问题, 目前的解决方法主要是基于特征提取的规则约简方法, 有效性依赖于专家知识. 鉴于此, 提出基于粗糙集理论的无需依赖规则库以外知识的客观方法, 按照等价类划分思想

基于变精度的思想,提出了一种新的不完备信息系统变精度粗糙集模型。基于该模型给出了不完备信息系统的 β 上(下)分布约简和β上(下)近似约简。给出了求解不完备信息系统 β 上(下)分布约简的辨识矩阵方法

论文研究-基于信息量的序信息系统的属性约简.pdf,  属性约简是粗糙集理论研究的核心内容之一.在序信息系统中引入信息量和属性重要性,给出它们与属性约简之间的关系. 针对序信息系统提出了一种基于信息量

一种新的基于属性重要性的粗糙集值约简算法，共同学习，共同进步