邻域粗糙集的矩阵表示与公理化

来源 :第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议 | 被引量 : 0次 | 上传用户:wenjuanliu_b06213
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出覆盖的表示矩阵,通过一个方布尔矩阵,即覆盖表示矩阵与其转置的布尔乘积,来简洁地表示覆盖粗糙集中常用的覆盖近似算子.覆盖的表示矩阵继承了覆盖的重要性质,因此在理论上,覆盖粗糙集中的核心概念和算法都可以通过它来表示和实现.通过定义类似布尔乘积的布尔矩阵运算,来获得一个布尔方矩阵.通过这个布尔方矩阵,简洁地表示邻域近似算子.因为方布尔矩阵和二元关系是一一对应的,所以上面提到的两种方布尔矩阵都有唯一的二元关系与之对应.直接通过覆盖块可简洁地表示这两个二元关系.最后,给出了邻域近似算子的矩阵公理化.
其他文献
针对无尺度网络中的复杂社会网络建模问题,提出了复杂社会网络风险成本函数和节点变动影响函数,从动态角度将节点变化与复杂社会网络的运行风险建立了联系,构造了复杂社会网络风险成本模型;将柔性量化方法与N阶开放式堆栈建模方法相结合,用状态空间矩阵描述节点的实时状态,为量化研究复杂社会网络的运动和状态提供了有效途径;最后对复杂社会网络进行统一特征的柔性双驱动建模,通过对具有两万至六万个节点的3个复杂社会网络
文章提出了一种基于二元缺向量值有理插值的彩色图像修复模型。此模型将数字图像的每一个像素点看成定义在一个平面域上以R、G、B为分量的一个向量,根据已知像素的变化趋势,相应地采用二元缺向量值Thiele-Thiele插值、Thiele-Newton插值、Newton-Thiele插值或Newton-Newton插值构造相应的向量值插值曲面,然后对这些插值曲面进行采样以实现修复。实验结果表明,本文的模型
利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析,并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析。采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析,并通过验证数据对其效果进行验证。获得了与停车精度相关度较高的4个参数,并且通过模型的计算得到这4个相关参数的最佳输出值,为改进列车停车精度提供了依据。相对于列表或者画图分析
A theory of three-way decisions is constructed based on the notions of acceptance,rejection and noncommitment.It is an extension of the commonly used binary-decision model with an added third option.T
会议
着重介绍基于超实数(Hyperreal Number)的粒计算研究背景,介绍了超实数空间上粒的定义,以及粒常量、粒变量、粒函数项的相关运算定律.着重介绍了粒的不可区分关系及其相关性质.讨论了描述这种粒计算的形式语言-粒逻辑的语法和语义.最后,以实例演示了这种粒逻辑适应于描述粒数学定理、公式化简等,也以实例讨论了这种粒逻辑描述医学专家的临床诊断经验及其推理的应用前景等.
会议
不确定性概念的认知、处理和表示是人工智能研究和人类认知中的一个基础问题.在人工智能领域中已经提出了概率论、模糊集、粗糙集、云模型等诸多理论模型来解决这一问题.然而,人类基于词语(概念的内涵)处理不确定概念,而计算机基于样本集(概念的外延)处理不确定性概念.近年来,数据挖掘和机器学习在知识获取方面已经取得了一定的进展.这些方法仅研究了从概念的外延获取其内涵的单向认知计算问题.报告将介绍基于云模型研究
多媒体标注是多媒体研究领域中的核心问题之一.在过去20年中,尽管研究者们对多媒体自动标注作了大量的工作,但对于大规模的复杂多媒体数据仍然难以取得令人满意的效果.同时,在Web2.0时代,我们见证了大量普通用户在各种交互式应用中的力量.因此,如何结合人与机器的智能来完成多媒体标注成为一个备受研究者关注的问题.在这个报告中,基于人机结合的多媒体标注被统称为辅助多媒体标注,同时已有的各种方法被归为3类:
会议
人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来.本文基于云模型理论,首先给出一种新的稳定的逆向正态云发生器算法,通过实验对比分析说明该方法的稳定性;其次,根据正向正态云发生器由概念内涵生成概念外延以及逆向正态云发生器由概念外延形成概念内涵的特点,通过模拟实验实现人们对概念认知的稳定双向过程,即概念内涵与外延之间的稳定双向认知过程.
Along with the development of social economy and information technology,the complexity and uncertainty of the problem are increasing,which brings new challenges and opportunities in intelligent inform
Decision tree and fuzzy rough set are two distinct but complementary classifiers.Decision tree is a simple and easy-understandable rule-based classifier,whereas the tool of fuzzy rough sets are effect