分享到:

零的突破

2000年12月25日,从首都北京传来一个振奋人心的喜讯,经国务院学位委员会批准,太原理工大学信息工程学院“电路与系统”学科取得博士学位授予权,这是我省电子科学技术学科博士点建设零的突破,也是山西周边省份电子科学与技术学科第一个取得博士学位授予权的二级学科,更是信息工程学院广大教师长期奋斗的结果。$$“电路与系统”属“电子科学与技术”一级学科,已成为电子信息科学新技术的基础,是21世纪的热点学科。在学科带头人和教师们长期的艰苦努力下,1995年,“电路与系统”学科取得硕士学位授予权,1996年被山西省批准为山西省重点建设学科。但是,作为“211工程”重点建设大学的信息工程学院,没有电子信息领域的博士学位授权点,既不利于信息学科的建设和发展,也不利于信息类专业人才的培养,更不利于学院的改革和发展。院领导和学科带头人及广大教师看在眼里,急在心里,他们以忘我的精神,求实的态度,投入到学科建设中。$$太原理工大学信息工程学院诞生于199...  (本文共5页) 阅读全文>>

《哈尔滨师范大学自然科学学报》2019年01期
哈尔滨师范大学自然科学学报

可变多粒度粗糙集粒度约简研究

0 引言波兰学者Pawlak教授于1982年提出粗糙集理论[1],它是用于分析不完整、不精确知识的数学工具.粒计算是最近发展起来的一门新学科,现阶段研究粒计算的重要工具之一是粗糙集理论,钱宇华等学者根据粒计算的思想,提出了各种多粒度粗糙集模型[2-4],将经典粗糙集理论从原先的单个粒度拓展到多个粒度.多粒度粗糙集与经典粗糙集相比,有很多的优势,它可以设计多个粒度层次获得目标概念的近似逼近,提高了目标概念的表示精度,使得边界区域减少,还可以结合其他处理不确定知识的方法理论进行数据挖掘等研究.学者们依据模糊关系、邻域关系,覆盖等多种分类方法提出从不同角度扩展的多粒度粗糙集模型[5-12].由于悲观多粒度粗糙集模型所定义的下近似条件严格,而乐观多粒度粗糙集模型定义的下近似条件又非常宽松,张明等学者提出了可以灵活调节粒度数量的可变多粒度粗糙集模型[13],通过设置参数,调节粒度空间的数量计算下近似,改进了乐(悲)观多粒度粗糙集模型.学者...  (本文共7页) 阅读全文>>

《数学学习与研究》2017年11期
数学学习与研究

基于粗糙集理论的多标度层次分析教师教学评价模型

一是学生评教的原始数据数量大,评价结果过于集中;二是现行的评价指标体系相关强、维度不清晰;三是在评价方法上,1~9标度层次分析法求解精度不足,教师排名很难区分.本文提出一种基于粗糙集理论的多标度层次分析模型.该模型利用粗糙集理论结合原始评价数据对于评价指标属性空间进行约简,得到新的评价指标体系,给出1~18标度原则来构造评判矩阵,建立多标度(1~18)的层次分析模型,从而对于教师教学质量进行评价.二、原始数据相关性分析及指标体系约简利用SPSS中的主成分分析法对某校教务系统中的评价数据进行分析可得:KMO取值为0.878,这表明可以进行因子分析.Bartlett中Sig值为0.00,说明数据来自正态分布总体,适合进一步分析.从相关性矩阵发现数据之间的相关性均大于0.5,该组原始数据的相关程度较高.利用粗糙集处理冗余信息的强大能力,结合文[1]和文[2]中表1和表2规则得到新的评价指标体系为{B1,B2,B5,B8}.三、粗糙多标...  (本文共1页) 阅读全文>>

《数码设计》2016年02期
数码设计

基于覆盖粗糙集的超图连通性

引言图是描述计算机科学,物理,数学等学科中问题及结构的强有力工具。但因为只能模拟一些二元关系,这往往不能满足人们模拟现实生活中遇到的一些复杂的问题或者数据。为了解决这一问题,C.Berge[1]于1960年将图进行推广,建立了超图理论。此理论视集合为超边,而超图就是一族超边的集合。相对图,超图能够模拟更广泛的关系。在最近的几十年里,超图已经受到广泛学者的关注[2-5]。覆盖是一类常见的数据结构。作为处理这类数据的有效工具,覆盖粗糙集[6]已经受到越来越多学者的广泛关注。比如,在理论上,近似算子模型的提出[7,8]、覆盖公理系统的建立[9,10]、覆盖约简问题的研究[11-12]及其与其它学科的联系[13,14]。在应用上,覆盖粗糙集已被广泛用于属性约简[15]与规则提取[16]等多个领域。由于超图与覆盖粗糙集均是建立在集合之上,因此本文将这两者进行结合,利用覆盖粗糙集研究超图的连通性问题。首先,文章开头将覆盖近似空间与超图联系起...  (本文共5页) 阅读全文>>

《数码设计》2016年02期
数码设计

关系粗糙集的邻域拟阵结构研究

引言人类在认识客观世界时,根据对象的不可分辨性,或相似性,或功能性等特性将对象分成不同的子集,即粒,把那些具有相应尺度的信息粒作为一个整体而不是个体来处理,根据问题求解的实际需要,舍弃与当前问题无关的信息细节,从而简化问题的求解。由于认知能力有限,人类往往采用近似的方式而不是精确的方式用已知的概念去刻画另一类事物。粗糙集理论[6]作为当前信息处理研究领域中模拟人类思维和解决复杂问题的粒计算[9]的三大分支之一,它的核心概念是基于等价关系的粒化和基于上、下近似的逼近。因此,粗糙集理论已经在人工智能、机器学习、数据挖掘等领域获得了广泛的应用。由于等价关系的要求比较严格,很大程度地限制了经典粗糙集的应用领域[3],1983年Zakowski用一个自反、对称的二元关系替代了等价关系,建立了基于相似关系上的广义粗糙集模型[10];Urszula给出了基于不同二元关系上的关系粗糙集模型[7]。粗糙集体现了论域中对象间的不可区分性,不包含处理...  (本文共6页) 阅读全文>>

《系统工程与电子技术》2016年12期
系统工程与电子技术

基于粒度矩阵的程度多粒度粗糙集粒度约简

0引言Pawlak粗糙集是从整体上对所有条件属性集合或决策属性集合,依据等价关系,将论域划分形成条件属性类或决策属性类。文献[1-5]分析研究了Pawlak粗糙集整体划分构成单个粒度空间的不足,提出了多粒度粗糙集模型。根据下近似条件宽松与严格,定义了乐(悲)观多粒度粗糙集模型。多粒度粗糙集将条件属性划分成多个粒度,每个粒度分别对论域划分,形成多个粒度空间。应用到实际决策问题时,依据多个粒空间获得的知识对比Pawlak粗糙集的单一知识更加合理。一些学者在集值信息系统[6]、序信息系统[7]、不完备信息系统[8]、邻域关系[9]、模糊关系[10]等方面对多粒度粗糙集做出了不同角度的扩展。多粒度粗糙集中的粒度约简是在不影响信息系统决策前提下,删除对获取知识没有意义的粒度。粒度约简对获取简洁、有效的决策规则具有重要意义。因此,一些学者深入研究了多粒度粗糙集中的粒度约简,提出不同的方法。针对悲观多粒度粗糙集,文献[11-13]分别提出了下...  (本文共5页) 阅读全文>>