暂无评论
查询扩展是信息检索技术研究的一个重要组成部分。目前的查询扩展是基于统一的用户模型，没有考虑到用户的个人兴趣，这对查询扩展的精确度造成了一定的影响。分析了产生这种问题的原因，提出了基于概念图的用户兴趣扩
论文研究-基于粗糙集的区间型数据离散化算法.pdf, 针对条件属性取值为区间型数据的离散化问题,提出了一种新的基于粗糙集理论的离散化算法.首先将粗糙集理论中上、下近似的概念进行扩展,用以描述区间数对象
论文研究-基于变精度粗糙集理论的知识约简方法.pdf, 基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下
基于聚类粗糙集的集成特征选择方法，刘铭阳，龚萍，邻域粗糙集是处理连续型数据特征选择的一种重要方法，能有效缩减数据规模并提高模型的准确度和可解释性。针对邻域粗糙集正域求解
入侵检测领域的数据往往具有高维性及非线性特点，且其中含有大量的噪声、冗余及连续型属性，这就使得一般的模式分类方法不能对其进行有效的处理。为了进一步提高入侵检测效果，提出了基于邻域粗糙集的入侵检测集成算
论文研究-基于变精度粗糙集理论的知识约简方法.pdf, 基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上
针对基于分辨矩阵约简算法中存在冗余元素，从而导致空间存储代价高的问题，提出一种基于加权浓缩树的属性约简算法。该算法可以进一步剔除冗余元素，压缩存储分辨矩阵中的信息，并且在构建树结构的过程当中考虑了属性
作为Pawlak粗糙集的扩展，邻域粗糙集能有效地处理数值型的数据。但是，因为沿用了Pawlak粗糙集在构造上下近似集时的包含关系，邻域粗糙集对噪声数据的容错性很差。针对这个问题，通过引入贝叶斯最小风险
现有的实体分辨方法在准确性和效率上各有所长，将易分辨和难分辨的记录对分开，为下一步分别应用不同分辨方法提供基础。对待划分的记录对，利用变精度邻域粗糙集分别计算相似记录对和不相似记录对的上下近似集，得到
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
暂无评论