基于M-DTCWT和2APCNN的多聚焦图像融合

为提高多聚焦图像的融合质量,提出了一种基于多方向双树复小波变换（M-DTCWT）的多聚焦图像融合方法。对多聚焦图像进行DTCWT分解得到低频系数与高频系数,再采用非下采样滤波器（NSDFB）对高频系数进行方向分解得到多尺度多方向的高频分解系数。对低频系数,提出结合模糊逻辑和稀疏表示（FSR）的融合规则得到低频融合系数。对高频系数,利用平均高斯差分梯度（ADOG）作为自适应双通道脉冲耦合神经网络（2APCNN）链接强度,提出基于改进双通道脉冲耦合神经网络的高频融合策略。最后通过M-DTCWT的反变换得到融合图像。实验结果表明,采用本文算法得到的融合图像在主观效果与客观指标上均优于传统的融合方法,较传统DTCWT方法,实验的2组图像在客观指标边缘信息度量QAB/F和互信息MI上,分别提高了1.93%、8.87%和1.40%、9.18%。     

基于Curvelet变换的多聚焦图像融合算法

曲波变换是近几年发展的多尺度分析方法,它比小波更适于分析图像中的曲线边缘特性,利用这一特性,本文提出了一种基于Curvelet变换的多聚焦图像融合算法.实验结果表明,该算法融合效果优于小波变换等其他传统图像融合算法.     

粗集神经网络系统及其应用

讨论了粗集神经网络系统及其在心电图自动识别中的应用。根据识别需要,从MIT心电图数据库获取心电图特征参数,根据粗集理论对属性进行优化,并用BP神经网络进行学习。运用这些特征参数和训练好的BP神经网络对心电图进行分类,识别准确率达到90%。     

基于粗集与聚类分析的中国城市化评价模型

对我国不同省区的城市化发展水平进行比较客观的评价,能为相关决策机构提供政策支持.为兼顾指标的全面性和数据的可得性,可选用包括人均GDP,第三产业发展水平,交通、医疗、通讯设施水平,生活环境和居民受教育程度等反映经济、基础设施和人民生活质量现代化水平三方面的指标构建我国城市化进程的综合评判指标体系.结合聚类分析和粗集理论生成的决策规则,利用2006年我国各省区的相关数据,最终将30个省区的城市现代化水平划分为4个类别.各个类别的特点不同,所应采用的促进城市发展的政策亦应不同.     

基于粗集理论的PPP项目风险评价研究

能否正确识别PPP项目管理中存在的风险以及对风险的重要性作出评价关乎PPP项目的成败。为了解决PPP项目管理中的这类问题,通过定性方法德尔菲法对广东某条高速公路的PPP项目风险进行识别并且加以分析,首先提出基础设施PPP项目中存在的风险因素,然后采取定量方法基于层次分析法的模糊综合评价法结合粗集理论进行模糊定量分析,从而对PPP项目风险进行评估和预测。最后得出模糊综合评价法在PPP风险评估的优越性以及此PPP项目的风险系数。     

基于小波变换的医学图像融合技术

不同成像技术获得的医学图像为临床诊断提供了不同的信息,图像融合技术可以综合利用多模医学图像互补信息,从而有效地提高诊断水平。该文采用小波变换对人脑MR-T2和MR-PD图像进行融合。结果表明此方法能够充分有效地将两种不同模式的信息融合在一起,融合性能优越,很好地保留了原始图像的边缘和纹理特征,为临床诊断提供更加有效的信息。     

粗集决策表与决策表简化的可信度比较

根据粗集决策表提供信息的完备性,借助可信度的定义,对粗集决策表和简化的决策表的决策规则的可信度进行比较,得出了简化后的决策表的决策规则的可信度高于简化前的决策表的决策规则的可信度,为粗集理论的应用提供了有用的分析工具。     

基于粗交流的信号传递模型——试论粗集理论对信号传递模型中后验概率假设的补充

诺贝尔经济学奖获得者迈克尔·斯宾塞提出的信号传递模型指出,非对称信息会导致帕累托最优的交易不能实现,并证明了交易双方可以通过传递信号避免这一情况的发生。但是,如果交易双方的信息结构不同,他们之间会因为信号传递信息的不精确而产生交流粗糙性,影响市场交易效率。因此,将粗集理论引入到信号传递模型中,重点研究是否可以利用粗集理论中的相关计算方法得出最大程度逼近＂不可见信息＂的信号集,从而建立基于粗交流的信号传递模型,可以提供一个处理多维信号传递的全新研究视角。     

使用小波分析的图像融合算法

利用小波分析实现ＳＡＲ图像与光学图像的融合和互补性。这种图像融合方法是利用ＳＡＲ图像小波分解后的近似部分和光学图像小波分解后的细节部分，组成一个新的小波分解系数，再进行逆小波变换（重构），即可得到复合的图像，取得了较好的实验效果。     

基于小波框架变换的图像融合方法

利用框架分解的多分辨率特性和方向性,建立了一种新的基于框架多尺度分解的分层图像融合方法,提出了新的融合规则和融合算子.实验表明,基于框架变换的图像融合方法是有效的,融合后的图像质量得到了较大提高.     

程度与精度的逻辑差粗糙集模型

基于程度与精度的逻辑差需求,提出了程度与精度的逻辑差粗糙集模型,并定义了粗糙集区域概念。通过变精度近似与程度近似的转化公式,得到了粗糙集区域的基本结构,提出了计算粗糙集区域的常规算法和结构算法,进行了算法分析与比较,探索并得到了模型在决策表中的应用方向。通过该模型拓展了程度粗糙集模型和经典粗糙集模型。     

基于粗糙集理论的数据库推理控制

提出了一种基于粗糙集理论的数据库推理泄漏控制方法。该方法采用粗糙集理论技术,分析、提取出数据库中敏感和非敏感数据之间的联系,根据这些联系和各个属性的重要性,在防止敏感数据被推理泄漏的前提下,对数据库系统返回给普通用户的数据动态地做最小修改。实验结果表明该方法可扩展性强,在保证较高的数据可用性的同时提高了数据库的安全性。     

基于粗糙集理论的软计算融合系统研究综述

面向数据挖掘领域,综述了基于粗糙集理论的软计算融合系统的研究进展,按照粗糙集在这些系统中的数据预处理、不确定性度量和知识抽取功能,分别总结了这些系统的特点,指出了现有系统面临的问题以及今后的研究方向.     

基于粗糙集理论的试卷质量评估指标

应用粗糙集理论的可辨识矩阵和属性频率,对试卷质量评估指标进行约简;在此基础上获取最优的指标,以提高试卷质量的评估效果.     

基于可变精度的加权粗糙集模型在约简中的研究

首先对粗糙集的定义进行了描述,在可变精度的基础上提出了加权粗糙集模型。重新定义了近似空间内的一些概念,给出了加权粗糙集模型的约简概念,指出了加权系数的两种方法。并根据实验分析,得出加权粗糙集模型约简中分类错误增大,约简长度越短,约简所花时间越长等特性。     

基于粗糙集-AHM的新浪微博意见领袖挖掘

传统上用来发掘意见领袖的方法主要有指标权重法和社会网络结构挖掘两大类,但是单纯靠指标权重法发现意见领袖受研究者的主观影响较大,而社会网络结构法中用户间关系较难挖掘且对用户其他属性的衡量有局限性,故而引入了基于粗糙集和AHM算法相结合的综合指标权重算法,充分综合主、客观指标权重挖掘意见领袖,避免了使用单一方法的弊端。通过对新浪微博中热点事件的实例验证,比较了粗糙集-AHM、AHP、社会网络挖掘三种算法的结果,并总结出了本方法计算简单,对用户关系数据依赖程度低、指标评价更加客观的特点。     

基于粗糙集的高校教师能力评价研究

有效评价高校教师能力,能够激发教师工作热情,提高工作效能。本文将粗糙集方法引入高校教师能力评价研究中,建立了多目标的高校教师能力评价模型。高校教师能力评价模型的构建不仅可以帮助学校管理人员对教师进行评价,而且有利于教师以此为基准,不断学习和探索,提高自身综合能力,成为素质高,教学、科研能力强的优秀教师。     

基于粗糙集理论的入侵检测方法研究

为了克服入侵检测系统存在着在先验知识较少情况的推广能力差的问题,提出了基于粗糙集理论的入侵检测方法。利用粗糙理论,建立了系统调用短序列的检测模型并应用于sendmail调用序列检测。实验结果表明:它不需要全部的正常和异常的信息,在给出较少的正常和异常调用序列数据的情况下,能得到较为理想的检测效果。     

基于粗糙集-神经网络的工程造价估算模型研究

通过分析粗糙集和神经网络的特点和原理,提出基于粗糙集和神经网络相结合的工程造价估算模型,并通过实例验证其有效性,具有较强的实用价值。