邻域粗糙集相关论文
粗糙集是处理不确定性信息的有效数学工具，然而，在复杂的环境下，经典粗糙集并不能满足某些特殊的现实需要，因此，为粗糙集引入拓展要素，是......
作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据所带来的“维数灾难”问题.然而,如何对高维的混......
如何在不损失信息的情况下对高维数据进行属性约简,从而减少数据的传输、存储代价,并降低后续数据挖掘的难度,是数据科学领域的一......
矿井通风系统的正常运转是保障井下生产工作正常进行、工作人员生命健康安全以及防灾抗灾的重要环节。矿井通风系统应长期处于稳定......
多标记特征选择一直是数据挖掘领域中数据预处理的关键技术之一。随着互联网技术的高速发展,多标记数据在各个领域以在线的形式持......
在多标记学习与分类中,现有邻域粗糙集特征选择算法若将样本的分类间隔作为邻域半径,则会出现分类间隔过大导致分类无意义、样本距......
DNA微阵列技术是功能基因组研究的有力工具,已广泛用于癌症等重大遗传性疾病的病理、相关基因的识别和临床诊断与分类研究。识别肿......
数据挖掘、机器学习等领域,特征和模型相辅相成。特征过少,模型无法完成决策任务;特征过多,造成信息冗余,模型难以训练且训练成本......
随着5G时代的到来,云计算、大数据、物联网系统所处理的数据正朝大规模、高维度的方向快速发展。但对大规模的高维数据进行近似最......
基于通信的列车运行控制（Communication-Based Train Control,CBTC）系统是集现代通信、控制、计算机与传统铁道信号技术为一体的复杂......
传统特征选择方法在进行特征选择前,特征空间中的所有特征都已存在并且其特征值是可获取的。然而,在实际应用领域的许多具体问题中......
特征选择技术是大数据分析与数据挖掘研究的热点之一,数据维度的激增为特征选择理论和方法带来了新的困境。特征选择能有效地处理......
特征选择可有效地加快学习过程、提高模型的泛化能力和学习精度,因此,特征选择已经成为了机器学习任务中一个重要的数据预处理过程......
邻域粗糙集是不确定性分析的重要工具,并与粒计算密切相关.因此邻域粗糙集所在的邻域系统成为相关信息粒化和度量计算的重要内容.......
传统邻域分类器因良好的分类性能在分类问题中得到广泛应用。但数据规模和维度的不断增加,提高了邻域分类器的处理难度。为解决这......
针对粗糙集方法不能有效处理数值和混合型数据的问题,本文以邻域粗糙集中粒计算为基础,提出了一种基于邻域粒的离群点检测方法.首......
数字通信信号调制方式的识别历来是各国研究的重点与热点,在军用和民用通信领域都有着较为广泛的应用前景。它研究的目的是要在先......
随着计算机网络和信息技术的不断发展，人们对互联网的使用越来越频繁，这也使得网络安全问题变得越发重要。入侵检测系统作为保护网络......
特征选择作为数据预处理的关键手段,是数据挖掘、模式识别和机器学习等领域的重要研究课题之一。它是指在原始数据中删除大量无关......
在粗糙集的理论研究中,有很多重要的概念,其中的属性约简是在粗糙集研究中的最重要的研究内容。随着数据量的增加,在粗糙集模型上......
随着信息化程度的不断提高,海量的数据存在于实际的应用中。但海量的数据中往往存在大量的冗余,所以,剔除这些冗余可以大大提高数......
基因芯片技术是研究基因表达谱数据的一种有效工具，通过分析基因表达谱数据中的数千个基因数据，在医学等领域得到了广泛的应用。基因......
将矿井发生巷道冒落或变形、风门开关或者损毁、运输车辆堵塞等变化所引起的通风系统风量发生异常变化的现象称为矿井通风系统阻变......
多标记学习是一类复杂的决策任务,同一个对象可能同时属于多个类别。此类任务在文本分类、图像识别、基因功能分析等领域广泛存在,......
细胞是一个高度结构化的单元,内部结构复杂而精巧,可定义出不同的亚细胞区域,亚细胞间分工合作,使生命活动有序进行。蛋白质作为机......
自信息的概念由香农提出,用来刻画信号输出的不确定性。将自信息应用于决策系统中可以用来刻画决策的不确定性,是决策能力评估的有......
在当今科技飞速发展的时代,人工智能成为核心领域之一,机器学习和数据挖掘逐渐影响着人们的生活,很多科技产品都是在此基础上的应......
癌症这种复杂疾病严重影响着人类的健康与生活质量,因此,探索癌症致病机理、发展有效的癌症诊断与治疗新方法已经成为二十一世纪生......
随着科学技术的不断发展,我们已经进入了“人工智能”时代。人工智能领域的研究包括语音识别、计算机视觉、自然语言处理、机器人......
许多工程与科学问题可以归结为多目标优化问题(MOP),与单目标优化问题的本质区别在于,多目标优化的解并非唯一的,而是存在一组由众......
粗糙集理论是一种刻画知识模糊性、不确定性和不完整性的有效数学工具。然而,经典粗糙集理论是基于严格等价关系的,在处理具有高维......
由于科学和工业领域中数据的快速增长,传统的数据挖掘算法从数据存储和计算复杂性的角度都面临着挑战。作为数据挖掘的重要预处理......
属性约简作为邻域粗糙集的关键技术,其主要思想是在不影响决策系统分类能力的基础上,将冗余的、不相关的条件属性删除。由于属性约......
信息熵体系是进行不确定刻画与近似推理的重要理论,已经被引入粗糙集进行数据分析与智能处理.经典的互补熵、互补条件熵、互补互信......
粗糙集理论作为一种能够处理不精确、不一致和不完备数据的数学工具,其在不确定性度量方面的显著性能以及处理过程中不需要任何先......
在信息爆炸的当今社会,各行各业,每分每秒都有海量的数据产生并且被存储。高效的分析和挖掘这些数据不仅可以带来巨大的经济效益而......
粗糙集理论是一种数据信息的处理工具,能帮助我们从海量数据中高效的挖掘、获取出我们所需要的信息,在许多领域都得到广泛应用。但......
大数据时代下,在生产实践中获取的属性越来越多。一部分属性可能是冗余的或与分类任务无关,在进一步数据处理之前需要将它们删除。......
信息技术的高速发展催生了大数据时代,人类生产生活的各个领域数据海量增长。数据特征的高维性是大数据的重要特性之一,给数据挖掘......
脑功能连接刻画了不同脑区之间神经元活动的动态关联性,为人们理解脑疾病的病理机理提供了一个崭新的视角。近年来,基于功能磁共振......
众所周知,除非结构化、多模态、多关联等特性外,高维、多标记也是数据复杂性的主要表现形式。比如,一张图片可能同时包含“夕阳”......
因特网、物联网的出现促进了数据量的爆炸式增长,面对体量巨大、类型多样、价值密度低的海量数据,如何通过机器学习进行高效的处理......
在爆炸的信息时代,数据规模的增长速度远远超过人类分析与应用的能力。粗糙集理论作为一种数学工具,能够在处理模糊、不精确数据时......
学位
