搜索结果: 1-15 共查到“计算机科学技术 粗糙集理论”相关记录27条 . 查询时间(0.154 秒)
基于粗糙集理论的瓦斯灾害信息特征提取技术
粗糙集理论 煤矿瓦斯 特征提取 信息熵
2012/5/6
为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。
基于粗糙集理论的安全考试系统
粗糙集理论 考试系统 安全技术 系统调用
2010/3/1
为了进一步提高结合了传统静态安全技术和动态安全技术的计算机考试系统的安全性，提出了一种基于粗糙集理论的静态安全技术与动态安全技术相结合的高效低负荷的防御方法，用于监控进程的非正常行为。该方法从进程正常运行情况下产生的系统调用序列中提取出一个简单的预测规则模型，能有效地检测出进程的异常运行状态。同原有系统相比，用粗糙集理论建立正常模型要求的训练数据获取简单，而且得到的模型更适用于在线检测。实验结果表...
粗糙集理论中要求离散化保持原有决策系统的不可分辨关系，但以往的一些算法在离散过程中会使近似精度控制在可以接受的范围，即允许一定的错分。针对此不足，在保证决策属性绝对不改变的情况下，提出一种新的区间拆分方法，更合理有效地对连续属性进行离散化。实验通过C4.5和支持向量机分别对离散化后的数据进行识别与分类预测，实验结果证明了算法的有效性。
介绍了基于偏序关系的偏序决策表，研究了偏序决策表各条件分类和决策分类集合之间的关系，提出了从各分类中计算偏序决策表核及属性约简方法，通过实例，验证了这些方法的有效性。
广义粗糙集理论及实值属性约简
数据挖掘 广义粗糙集理论 广义重要度
2009/9/21
针对经典粗糙集理论仅能处理离散化数据的局限性，提出属性和属性子集的广义重要度的概念以及空间中的广义近邻关系，并提出了广义近邻关系下的广义粗糙集扩展模型。广义粗糙集理论利用广义近邻关系在全局中划分相容模块，构成集合的下、上近似集，避免了经典粗糙集理论必须量化数据的麻烦。另外，提出了广义粗糙集的实值属性约简的一种贪心算法，并分析了约简属性集合的质量。最后通过实例验证了所提方法的正确性和有效性。
粗糙集理论和DT_SVM在Web信息过滤中的应用
Web信息过滤 粗糙集理论 DT_ SVM算法
2009/7/31
针对Web信息过滤问题，提出一种将粗糙集理论和决策树SVM(DT_SVM)相结合进行数据分类、过滤的新方法。该方法运用改进的启发式相对属性约简算法消除冗余、降低样本空间维数，通过聚类和DT_SVM相结合来训练SVM，将多分类问题转化为二值分类问题，提高了训练速度及过滤精度。实验表明，该算法得到了较高的查全率、查准率，体现了将粗糙集理论与DT_SVM算法结合的优越性。
基于本体和粗糙集理论的网格服务发现算法
本体 粗糙集理论 网格服务发现
2009/7/31
针对网格服务发现的查全率、查准率效率较低的现状，基于本体技术和粗糙集理论，设计了一个服务发现算法OGSDA-RS，在服务匹配之前先进行3步预处理操作：规范化请求服务，根据请求服务对发布服务进行不相关属性约减和依赖属性约减。实验结果表明，与UDDI和OWL-S相比，服务发现的查全率、查准率要高出50%~75%，而且当发布服务的规模较小时，效率比OWL-S最高能高出 2.7倍。
粗糙集理论在参考模型分类检索中的应用
企业建模 参考模型分类检索 粗糙集理论
2009/7/29
在实施企业服务框架软件的过程中，有效地利用企业参考模型可以加速建模进度，提高软件的实施效率，从而大大降低实施成本。如何从参考模型库中检索到合适的参考模型是参考模型库管理的一项重要内容。鉴于目前通用的分类检索算法存在的问题，提出了基于粗糙集的参考模型分类检索算法。分析了参考模型的特征，将参考模型的特征分为两类：模糊特征和确定特征。将模糊特征离散化后，采用粗糙集理论对参考模型的特征进行处理，检索到与在...
基于FCM与模糊粗糙集理论的交通事件检测模型
粗糙集 模糊推理 属性离散化
2009/7/21
为准确及时地发现高速公路上的事故隐患，有效地减少交通延误，保障道路安全，提出了一种新的基于模糊C均值（FCM）聚类和模糊粗糙集的交通事件自动检测模型。模型分为离散化、推理规则建立和模糊推理三个步骤。在属性离散化时，提出用常用的隶属度函数来拟合FCM聚类后的结果，并用此函数和参数来实现属性数据的离散化，避免了每次输入数据都必须通过聚类操作来进行离散化；采用了粗糙集理论建立推理规则，选择和交通事件密切...
基于粗糙集理论的属性离散化算法
离散化 候选断点 结果断点
2009/7/20
决策系统中连续属性离散化，即将一个连续属性分为若干属性区间并为每个区间确定一个离散型数值，对后继阶段的机器学习具有重要的意义。首先研究了满足决策系统最优划分的一种计算候选断点集合的算法，然后在基于条件属性重要度和贪心算法的基础上提出了一种确定结果断点子集的新启发式算法。所提出的属性离散算法考虑并体现了粗糙集理论的基本特点和优点，并能取得较理想的连续属性离散化结果。
基于粗糙集理论的属性权重确定最优化方法研究
权重 代数观 信息观
2009/7/20
针对现有基于粗糙集理论属性客观权重确定方法的不足，将基于代数观和信息观的权重进行有机集成，建立了两者结合的属性权重最优化数学模型，从而得到综合权重的最优解。最后通过实例说明了该方法的有效性。
基于粗糙集理论和神经网络的图像分割方法
图像分割 粗糙集 神经网络
2009/7/20
提出一种基于粗糙集理论和神经网络的图像分割方法。首先利用粗糙集理论对图像属性进行约简，提取规则，抽取关键成份作为神经网络的输入；然后根据这些规则确定神经网络隐层的神经元个数并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明，该方法抗噪能力强且有效地解决了仅用神经网络进行图像分割时出现的神经元“死点”、网络结构复杂、收敛速度过慢等问题，在大大缩短网络训练时间的同时改善了分割效果。
一种基于粗糙集理论的启发式特征选择算法
粗糙集 特征选择 加权平均支持启发函数
2009/7/8
在数据分析中，特征选择是能够保留信息的数据约简的一个有效方法。粗糙集理论提供了一种发现所有可能的特征子集的数学工具。提出了一种新的基于粗糙集的启发函数叫做加权平均支持启发函数。该方法的优点是它考虑了可能性规则集的整体质量。也就是说，对所有的决策类，它考虑了规则的加权平均支持度。最后，实例表明该方法是有效的。
基于粗糙集理论的不完备数据填补方法
粗糙集 相似关系 扩充辨识矩阵
2009/6/25
ROUSTIDA算法具有较好的数据填补能力，但依然会出现一些不完备信息。利用了可扩充辨识所反映的对象间的属性差异信息，对遗失属性进行填充，从而使改进后的ROUSTIDA算法的填充能力得到了很大的改善，同时还具备了初步排除噪声数据的能力，在性能上也有了很大的提高，实验表明改进的算法具有很好的实用价值。