【摘 要】
：
由波兰Pawlak.Z教授提出的粗糙集(Rough Set)理论作为处理不确定问题的一种有效工具,在数据挖掘、知识发现和粒度计算等领域有着广泛的应用.近年来,将粗糙集理论用于图像分析技术领域成为新的研究热点,出现了基于粗糙集的图像特征提取、图像分割、图像检索及字符识别新方法,图像理解中的区域语义标记和理解类似于图像检索方法,但区域语义理解不同于固定层次结构的检索分类,具有很强的不确定性,因此本文在
【机 构】
：
合肥工业大学计算机与信息学院图像信息处理研究室,合肥,230009 中国科学院合肥智能机械研究所仿
【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
由波兰Pawlak.Z教授提出的粗糙集(Rough Set)理论作为处理不确定问题的一种有效工具,在数据挖掘、知识发现和粒度计算等领域有着广泛的应用.近年来,将粗糙集理论用于图像分析技术领域成为新的研究热点,出现了基于粗糙集的图像特征提取、图像分割、图像检索及字符识别新方法,图像理解中的区域语义标记和理解类似于图像检索方法,但区域语义理解不同于固定层次结构的检索分类,具有很强的不确定性,因此本文在对前期目标识别研究工作的基础上拓展至更为广泛的区域标记和语义理解是一种新的尝试,由于区域中提取的视觉特征在一定程度上存在极大的冗余,影响了最终的理解决策过程,因此采用粗糙集合进行特征属性分析非常必要。
其他文献
一个系统(控制系统,信息传输系统,通讯系统),人们期望这个系统遵守设定规律而运动,期望系统稳定.事实上,系统外部(或内部)的一些不被人们事先认识的规律,经常入侵(或叠加)到系统中(如通讯系统中的干扰规律对系统的入侵),使得系统的规律呈现紊乱.这些不被人们事先认识的规律,通常把它称作"干扰规律".这个事实,在控制系统,通讯系统,风险投资系统中遇到的最多.如何识别这些"干扰规律"对系统的入侵与攻击,是
自20世纪80年代,在Rumelhart和McCelland的一书中提出了误差逆传播算法(Error-Back-Propagation Algorithm),又称BP算法.由于BP网络具有中间隐含层,其误差逆传播算法有相应的学习规则可循,使得它对非线性模式具有较强识别能力,特别是其数学意义明确、步骤分明的特性,使其具有广泛的应用价值.但BP神经网络并不完善,主要表现在:学习时间长,尤其在训练大规模
MIDI(Music Instrument Digital Interface)文件是一种描述语言,存放着各音轨所使用的乐器和播放内容.MIDI音乐播放器通过解释各种MIDI时间播放声音.MIDI技术的产生与发展,迅速渗透到音乐生活的各个领域,电影音乐制作、动画配乐、手机铃声、游戏音乐、原创编曲无疑离不开MIDI技术,在无形中,正逐渐颠覆着传统音乐的制作模式.同时MIDI广泛应用于基于内容的音乐检
本文在基于数据项约束的条件下研究了如何更加有针对性地挖掘长闭合序列模式,通过实验证明,与传统的闭合序列挖掘方法相比,基于约束的倒序闭合序列挖掘算法InverClos不仅拥有更高的时空性能,并且有更好的实际应用前景.如何避免预先设定的支持度阈值对闭合序列的产生及决策支持的负面影响,将是下一步研究的目标与方向。
本文针对算法FindFPOF中选定的关联规则挖掘算法的改进是有效的.在相同算法时间复杂度的情况下,能够比FindFPOF得到更多有意义的候选离群点.本文对算法FindFPOF的改进是针对其选择的关联规则挖掘算法进行的,当选择的关联规则算法不产生候选项目集的情况下,我们仍然可以在算法步骤中对某些项目集检测其支持度大小,这是下一步继续研究的内容。
关联规则是数据库中存在的一种十分有用的知识模式,其挖掘算法已得到较为广泛的重视和研究,并取得了较大进展.粒计算作为一种新的信息和知识处理的方法近来已经被许多研究者所重视,以及在许多领域中的得到应用.基于粒计算的关联规则的提取是从另一个角度来实现关联规则的挖掘.它将事务数据库通过某种关系转化为信息粒,并用一个二进制串形式表示信息粒,然后通过二进制与运算得到相应频集,最终得到我们需要的关联规则.这种方
人工智能领域的粒度是信息颗粒大小的平均度量.信息颗粒是人类处理和存储信息能力的一种反映,通常是在数值水平上,根据信息的相似性、不可分性、一致性、函数关系等被划分在一起而形成的实体.人类在处理复杂信息问题时,由于能力有限,需要把复杂信息按照各自特征划分为若干较简单的块,这些块就被看成是信息颗粒.信息颗粒在许多方面都有特别意义,诸如区间分析、数据推理、整体分解、决策树、语义网络、图像分割等等.本文研究
本文将模糊算法与免疫进化算法相结合,设计一种基于模糊免疫算法的二自由度PID控制器.仿真结果表明该控制器不仅具有良好的目标跟踪特性,而且具有良好的抗干扰特性,提高了二自由度PID控制器中的参数调节能力。
本体作为一种重要的知识表示工具,用于知识的存储,信息的检索等领域,然而,本体的生成方式多是手工或者半自动的方式,耗时费力.近年来,形式概念分析支持本体半自动的生成方法已相对成熟,但缺点是生成的本体针对精确信息,无法表示模糊信息,本文提出了一种基于模糊概念格上聚类的本体生成算法。
本文基于邻域和邻域关系的概念提出了一种实数空间的粗糙集模型.该模型以论域空间中任意对象的邻域形成论域空间的粒化,以下近似和上近似来逼近空间中的任一子集,从而实现了实数空间的粒度计算.进一步,我们展示了该模型在分类问题数值型特征选择中的应用.通过比较试验分析,发现可变精度邻域模型可以选择很少量的特征,但保持甚至显著提高分类精度。