【摘 要】
：
现代科学技术在深度和广度上都得到了迅速的发展,各学科间互相影响、互相渗透,已经形成一个多层次、多分支而又紧密联系在一起的庞大知识体系.非线性问题作为系统科学的研究对象,近年来得到了各界学者的广泛关注.但是传统的非线性分析要求的条件往往过于苛刻,而结合泛系方法论来研究非线性问题则可以适当扬弃这些条件.比如说,无论是线性结构还是拓扑结构,都不必分析结构;无论是函数、关系、算子,还是基本论域,都被视为非
【机 构】
：
石家庄铁道学院计算机系,石家庄,050043 石家庄铁道学院数理系,石家庄,050043
【出 处】
：
第六届中国Rough集与软计算学术研讨会(CRSSC2006)
论文部分内容阅读
现代科学技术在深度和广度上都得到了迅速的发展,各学科间互相影响、互相渗透,已经形成一个多层次、多分支而又紧密联系在一起的庞大知识体系.非线性问题作为系统科学的研究对象,近年来得到了各界学者的广泛关注.但是传统的非线性分析要求的条件往往过于苛刻,而结合泛系方法论来研究非线性问题则可以适当扬弃这些条件.比如说,无论是线性结构还是拓扑结构,都不必分析结构;无论是函数、关系、算子,还是基本论域,都被视为非线性的.这使得对非线性问题的研究具备了更大的普遍性与适用性.本文研究粗集理论中连通解耦特性间的关系及其相互转化。
其他文献
属性约简是Rough集理论研究的核心内容之一.本文从信息的角度出发,结合现有的遗传算法,提出了一种在优化各种遗传参数的基础上改进属性约简算法,在加强局部搜索能力的同时保持了该算法全局寻优的特性.通过实验对比分析表明,该算法能够有效地对决策表进行约简。
随着我国加入WTO和经济市场化的进一步深入,铁路所面临的形势越来越严峻.如何应对日益激烈的竞争,如何应对瞬息万变的市场,是铁路各级各部门决策者面临的新的挑战.传统的决策支持系统是基于模型的.经过近年来与迅速发展的数据仓库技术的结合,产生了一个新的类型:基于数据仓库的决策支持系统.数据仓库是一个以支持企业或组织的决策分析处理为目的的、面向主题的、集成的、永久的、随时间不断变化的数据集和.基于数据仓库
撰写学位论文是高等学校本科教学过程的一个重要环节,其目的在于综合训练学生运用所学的基本理论、基本知识和基本技能,分析和解决实际工作问题的能力,完成相应学科高级技术人才的基本训练,使学生具有从事生产和科学研究的初步能力.如何对这种能力进行评价,对学位论文质量进行评价,对评价方法的研究受到越来越多学者的关心.王磊等人提出针对博士学位论文用加权平均的方法处理定量评价的数据,应用模糊综合评判的方法处理定性
在经典集合理论中,对象与集合的关系是确定的,即非此即彼.而现实生活中存在大量的含混概念是亦此亦彼的,因而很难用经典的数学方法进行描述.因此,长期以来许多数学家和哲学家就致力于研究含混概念.Zadeh于1965年开创性地用隶属度来描述对象和集合之间的隶属程度,从而提出了模糊集理论.但模糊集理论中隶属函数的确定依赖于先验知识,因而在有些没有先验知识的情况下,该方法显得无能为力.针对该问题,Pawlak
L.Zadeh开创了模糊集理论,引入模糊熵的概念,用来度量模糊集的模糊性测度.1982年,Pawlak[2]给出了粗糙集的概念.作为模糊集理论与粗糙集理论的结合,Dubios D和Prade H[3]于1990年给出了模糊粗糙集(FRSs)和粗糙模糊集的概念.本文提出了模糊粗糙集的一个几何表示,定义了模糊粗糙集的基数,利用模糊粗糙集的几何表示给出了模糊粗糙集的非概率熵测度,证明了这一测度可以表示为
近年来,涌现出了许多防伪技术,特别是数字技术随着计算成本的不断降低,在过去的几十年中获得了广泛的研究,例如数字水印技术.虽然当今世界流行基于计算机的技术,但是许多传统的防伪技术仍然具有很大的价值.例如管理某些商品的标签以及追踪设备部件的钢印.目前验证这些标签和钢印基本上依靠受过良好培训的人员的眼睛.当前中国车管所通过比较车辆引擎上的钢印的拓印图像来验证车辆和管理车辆.由于车辆的数量巨大,这个过程的
集合理论为描述离散世界中各种事件提供了一个十分有用的基础,千差万别的事物都可以用集合论的方法加以描述和阐释.Pawlak提出的Rough集理论是在集合理论基础上发展起来在智能计算中使用的又一有力工具,特别在机器学习、知识获取、决策分析和决策支持系统等都有重大的应用.Rough集理论的主要优点是在数据分析时不需要任何关于数据的预备或附加信息,如统计概率或模糊集理论的隶属函数等.Rough集理论能处理
随着Internet的快速发展,Web页面以指数级的速度膨胀,给信息的有效检索带来了严峻的挑战.目前已提出多种搜索方法来提高检索工具的智能性,以达到更高的查准率和查全率.主要的两种方法是:(1)信息分类方法(2)信息过滤方法.目前数据挖掘中的很多技术已被广泛地应用于WEB信息检索中.如支持向量机(SVM)、神经网络、粗糙集等方法.自从Tim Berners-Lee提出语义Web以来便得到了广泛的应
自1981年Howard与Matheson提出影响图这一图形决策技术以来,许多复杂知识处理系统都建立在贝叶斯网络和影响图之上,这样的表示方法已经成为解决现实决策问题的有效框架.但是,获取定量的联合概率分布却成为了这种框架解决现实决策问题的主要障碍.当依赖关系或者相关参数值无法精确描述时,如何利用非精确的信息进行推理已成为提高影响图决策效率的关键问题.Rough集是由Pawlak于1982年提出来的
粗糙集理论已成功应用于人工智能,计算机理论等领域.等价关系是经典粗糙集模型中的重要关系,但条件要求高,难以应用推广.文中利用非等价关系来推广经典粗糙集并引入各种广义近似算子.进一步,文研究了基于经典二元关系的k-步邻域和近似算子.结合模糊概念,从模糊二元关系及模糊集合出发,我们提出了k-步模糊粗糙近似算子并对其性质进行了研究。