摘要：设计了一种微小缺陷图像对比度增强算法。采用粗糙集理论将图像划分为不同类别,同一类别中像素间为不可分辨关系。并依据图像灰度值和噪声属性进一步将图像划分为子图,在子图中得到图像的明暗区域。对图像不同区域进行直方图均衡变换和直方图指数变换处理,处理后即可增强图像的对比度。仿真实验表明,处理后可突出显示图像中的微小细节,图像不同区域之间的划分效果更加明显,可以有效提升图像的对比度和视觉效果。

摘要：提出了一种基于粗糙集理论的矿井通风系统可靠性神经网络仿真结构设计模型。通过对属性和属性值的约简,剔除系统中不必要的影响因素指标,以达到对系统可靠性特征参数优化的目的;同时克服了神经网络规模过于庞大及分类识别速度慢等缺点,取得了减少分类过程中模式匹配搜索量的良好效果。该方法对复杂系统可靠性工程的深入研究及应用具有一定的参考价值。

摘要：决策表离散化要求决策表中原有的分类结果不变,而Naive Scaler算法在离散化时,有些根据不可分辨关系应该得到的断点很可能被丢掉,造成决策表信息的丢失。针对这一问题,对其进行了研究并改进。原算法在扫描相同条件属性值而决策值不同的对象时,由于这些对象的排序不同可能造成离散的结果不同。主要是在这里某些断点可能被遗漏,并引进新的冲突。为此,当条件属性值变化时查看其决策属性值,若有不同决策属性值则追加断点以消除断点被丢掉的可能。进而使得到的初始断点集更可靠。最后给出实例表明该算法有效。

摘要：Karno Bozi提出的CoreSearching算法在向约简中插入候选属性的时候,根据属性出现次数需要循环查找可辨识矩阵中的所有剩余项,直至矩阵为空,导致计算量较大和结果中冗余属性存在的可能。基于Core Searching算法提出通过给属性设立计数器的基于可辨识矩阵的快速属性约简算法,实例分析表明,该算法与CoreSearching算法相比,在计算量减少和循环次数减少的同时能得到更简约的结果,是一种快速、高效的属性约简算法。

摘要：粗集理论主要基于集合近似的概念,给出了知识划分和规则提取的一套方法,主要有不可分辨类的数据划分定义、上下近似和相对正区域求解方法、最小决策规则生成等。针对粗集中这些重要理论,文章主要介绍开发粗集理论原型系统的设计要求、系统组成以及实现粗集理论中相关算法理论依据,并包含有通用数据库接口,因此有着一定的应用价值。

摘要：在数据挖掘中的连续数据往往是需要先离散化处理后才能进行挖掘,而离散化方法的好坏也影响着最后的挖掘效果。柔性逻辑是一种可以包容不同逻辑的逻辑谱系,它可以直接对连续数据进行处理。如此将柔性逻辑中的柔性等价作为新的不可分辨关系,并利用等价类的概念和离散定律中吸收率的概念对不可分辨函数进行化简,进而进行改进后的属性约简,将是一种新的更直观、更符合实际数据要求的约简方法。基于这种思路改进了属性约简的算法,并用实验数据比较了改进前后的约简时间的差异。从结果来看应用新不可分辨关系在进行数据处理时省去了数据离散化过程,简化了数据预处理的步骤,有效地减少属性约简的时间。另外,为了和已有属性约简算法进行横向比较验证,还用实验数据验证了基于可分辨矩阵属性约简、启发式的属性约简、基于条件信息熵的属性约简及动态属性约简等经典属性约简算法,并将其和改进属性约简算法的约简时间进行了对比。