粗糙熵

摘要： 粒化是粗糙熵阈值化算法的重要步骤,针对图像预处理的粒化方式不同,采用一种基于简单线性迭代聚类(SLIC)超像素的粒化方式。利用SLIC超像素算法的亮度相似性和空间相邻性将像素分为信息粒,在该粒度下构造了图像目标和背景的上下近似集及其粗糙不确定度。在此研究基础上,设计了粗糙熵阈值化分割算法。实验定性和定量地比较了本文算法与现有算法的分割结果,验证了本文算法的有效性。

摘要： 针对未来混合空域中多种航空器共同执行任务而可能出现飞行避让安全问题,提出了一种基于组合赋权改进灰色关联投影法的无人机避让优先运行策略。首先,从空域管理、航空法规、风险评估等角度分析影响避让过程的因素,构建无人机避让评价指标体系;其次,利用层次分析法和粗糙熵法进行主客观赋权,由合作博弈方法构建离差和最小目标优化函数将主客观权重融合确定最终权重,克服主观赋权随意性和客观赋权过分依赖数据的弊端;随后,利用优劣解距离法(TOPSIS)与灰色关联投影法的融合算法对无人机避让对象进行综合评价,从而获取无人机优先避让运行策略;最后,将融合算法与TOPSIS算法进行对比。结果表明,较于TOPSIS法,所提融合算法获取策略与空域运行实践相符且灵敏度提高了17.08%。因此,新算法避免了单一算法的数据丢失现象,提高了获取策略的准确性,可为混合空域的无人机运行策略获取提供新思路。

摘要： 目前区间值信息系统的不确定性度量方法大多基于粗糙集的粗糙度度量.实例分析表明该度量方法不满足严格单调性,为了解决这一缺陷,将粒计算方法引入区间值信息系统中,提出一种区间值信息系统的信息粒化模型.引入区间值信息系统的知识粒度和粗糙熵两种度量方法,理论分析出它们具有的严格单调性,在区间值信息系统的不确定性度量方面具有更好的优越性.实验验证了知识粒度和粗糙熵均比传统的粗糙度具有更好的不确定性度量效果.

摘要： 粗糙集理论是关于不确定性信息处理的一种重要理论,其中的多种信息度量都具有有效的不确定性刻画功能.借鉴传统粗糙熵,构建三支加权变形熵.首先,利用粗糙熵的形式结构,采用三支概率提出三支变形熵,得到不完全的粒化单调性.进而变换贝叶斯概率公式,构建三支加权变形熵,得到完全粒化单调性以及三支信息系统性.三支加权变形熵推进了粗糙熵,有益于粗糙集的不确定性表示及应用.

摘要： 针对现实世界中多个论域之间信息分类和属性约简问题,提出了U×W型双论域变精度粗糙集模型,通过对U×W型双论域中等价关系的研究,得到了二维等价关系的等价类,在此基础上对该模型结构和数学特性进行了深入研究,得到了一些有用的结论,最后利用粗糙熵和信息熵对其不确定性进行了度量,并通过实例对模型及度量结果进行了验证.

摘要： Attribute reduction is one of the crucial issues in the theory study of concept lattice.In this paper,rough entropy was introduced to conduct a kind of attribute reduction.Firstly,rough entropy in a formal context was defined via the whole set of all concept extents,and the properties of rough entropy were analyzed.Secondly,a rough entropy based attribute reduction of a formal context was given,and the relationship between the rough entropy-based reduct and the concept lattice-based reduct was revealed.Based on this,a heuristic algorithm based on the attribute significance was proposed to compute a rough entropy-based reduct,and some numerical experiments were conducted to show the efficiency of the proposed methods.%属性约简是概念格理论的研究重点内容之一.通过将粗糙熵引入概念格理论中,定义了一种粗糙熵约简.首先,基于所有概念外延定义了形式背景的粗糙熵,并分析了它的性质;其次,定义了形式背景的粗糙熵约简,并揭示了粗糙熵约简与概念格约简之间的关系;在此基础上,基于属性重要度设计了计算粗糙熵的启发式算法,并通过实验验证了该算法的有效性.

摘要： 图像分割是把图像分成若干个特定的、具有独特性质的区域并提取感兴趣目标的技术和过程,其结果将直接影响到目标物特征提取和描述,以及更进一步的目标物识别、分类和图像理解.因图像信息的复杂性和相关性,图像分割会出现不确定性和模糊性.图像用变精度粗糙集表示,结合粗糙熵和粒子群优化算法,提出变精度粗糙熵的图像分割算法,求出最大粗糙熵对应的最佳分割阈值,再用二值分割法对图像进行分割.实验结果表明,所提算法优于传统的单阈值分割法,且具有一定实用性和灵活性.

摘要： 本文将粗集理论和模糊集理论相结合,利用粗糙熵构造遥感图像分割算法.将灰度图像视为一个模糊集,得到目标和背景模糊集;并分别用两个粗糙模糊集来近似目标和背景模糊集,建立最优准则来选择图像分割的最优阈值,仿真实验说明了遥感图像分割算法的有效性.

摘要： 为解决概念格挖掘优化问题,借鉴变精度粗糙集模型和粒子群协同进化思想,提出了融合变精度粗糙熵和全局粒子群的概念格协同挖掘算法（REVPT）。该算法引入变精度粗糙熵对各概念格子群动态度量建立粗糙近似格,并通过种群之间协作共享寻优经验提高概念格的全局挖掘优化能力,有效缩减原格群规模并挖掘出一致粗糙分类规则.实验结果表明当变精度粗糙熵阈值处于某一合适范围,该算法在保证收敛速度同时具有较强的建格全局优化能力,在知识挖掘精度和效率方面具有较好鲁棒性。

摘要： 针对不完备信息系统中各种自反二元关系形成了对系统的覆盖而非划分的情况，提出利用对象的邻域来定义粗糙熵和粒度度量以衡量系统的不确定性，证明了以上不确定性度量同完备信息系统的不确定性度量是一致的。同时在覆盖可约简的情况下，定义了覆盖约简对系统的粗糙熵和粒度度量，研究结果表明在系统分类最细或最粗时，覆盖约简的不确定性和知识的不确定性是等价的。

摘要： 根据粗糙集理论的粗糙熵概念,提出了一种对属性的约简算法.仿真实例中将其应用于对天气状况提取规则,研究显示了该算法的有效性.

摘要： 数据挖掘能够从大数据中根据用户的目标或者需求提取信息，经过加工和挖掘运算后形成针对性的信息模型用于指导决策。同时，数据挖掘是一个挖掘结果逐步优化和提升的闭环过程。挖掘结果在实践活动中进行验证，发现问题，重新优化挖掘模型，循环往复，不断提高模型的准确程度，为决策者进行决策提供科学依据。本文提出基于权重的粗糙熵数据挖掘算法，快速实现提取有价值信息的功能，并基于大数据背景设计和实现了决策支持系统，利用数据挖掘技术，使用户可根据不同的场景进行按需组合、灵活配置，利用挖掘分析结果指导预测、决策，从技术角度为企业降低运营风险、提高经营效率、增强社会竞争力提供有力支撑。

摘要： 本文形式化地给出了采用粗糙熵聚类的基本定义,采用粗糙熵的方法对聚类质量进行评价,给出了能够在任意的全序值属性上自动进行取值聚类的算法,有关实验结果验证了算法的有效性.

摘要： 本发明提供一种基于四元数奇异值熵指标的磨削表面粗糙度检测方法，属于粗糙度检测技术领域。包括以下步骤：利用纯四元数的三个虚部分别代替彩色图像的三个颜色分量；对纯四元数矩阵进行奇异值分解；截取前30个奇异值，计算其奇异值熵指标；利用支持向量机对奇异值熵指标和粗糙度值进行训练拟合，从而预测粗糙度。本发明的方法将颜色信息作为一个整体处理，并给出了合理的数据结构表达，可直接获取彩色光源照射在待检测物表面的虚像对应的图片来检测其粗糙度，该图像是彩色图像，非灰度图像，因而不存在图像降质的过程，使得图像处理的准确性提高，从而使得粗糙度检测结果的准确性更高。

摘要： 本发明公开了基于熵和人工神经网络的供水管道压力预测和粗糙度校准方法，包括(1)建立管道网络的稳态或扩展初始数据校准优化模型，定义管道网络的所有物理参数；(2)通过熵的概念在单位管道网络区域中选取最具有代表性的节点；(3)通过人工神经网络训练预测压力监测值；(4)运用粒子群优化方法，将粒子使用在预定间隔内生成的管道粗糙度随机值初始化；(5)使用EPANET仿真器获得管道网络中的压力，比较模拟监测压力和实际监测压力，计算目标函数，最大程度地减少实际监测值和模拟监测值之间的差异。本发明提高了供水管道压力预测模型的准确性，对实现构建智能化供水体系有着重要的意义。

摘要： 本发明公开了一种低粗糙度低功耗高熵金属氧化物介电层及其制备方法与应用。所述方法为：将含锆、铝、镁、铪和钇的无机金属盐溶于有机溶剂中得到前驱体溶液；将前驱体溶液旋涂于衬底上，进行预退火，然后进行热退火处理，得到高熵氧化物介电层薄膜。本发明利用五种常用介电材料元素(Al,Zr,Mg,Y,Hf)的协同作用和熵的主导作用来制备高熵金属氧化物薄膜，并通过增加小半径原子‑Zr4+的占比来填补薄膜空隙，从而达到降低粗糙度的目的，在增加熵值的同时保证薄膜的平整性，从而获得一个低粗糙度低功耗的介电层。

摘要： 本发明公开了基于熵和人工神经网络的供水管道压力预测和粗糙度校准方法，包括(1)建立管道网络的稳态或扩展初始数据校准优化模型，定义管道网络的所有物理参数；(2)通过熵的概念在单位管道网络区域中选取最具有代表性的节点；(3)通过人工神经网络训练预测压力监测值；(4)运用粒子群优化方法，将粒子使用在预定间隔内生成的管道粗糙度随机值初始化；(5)使用EPANET仿真器获得管道网络中的压力，比较模拟监测压力和实际监测压力，计算目标函数，最大程度地减少实际监测值和模拟监测值之间的差异。本发明提高了供水管道压力预测模型的准确性，对实现构建智能化供水体系有着重要的意义。

摘要： 本发明提供一种基于四元数奇异值熵指标的磨削表面粗糙度检测方法，属于粗糙度检测技术领域。包括以下步骤：利用纯四元数的三个虚部分别代替彩色图像的三个颜色分量；对纯四元数矩阵进行奇异值分解；截取前30个奇异值，计算其奇异值熵指标；利用支持向量机对奇异值熵指标和粗糙度值进行训练拟合，从而预测粗糙度。本发明的方法将颜色信息作为一个整体处理，并给出了合理的数据结构表达，可直接获取彩色光源照射在待检测物表面的虚像对应的图片来检测其粗糙度，该图像是彩色图像，非灰度图像，因而不存在图像降质的过程，使得图像处理的准确性提高，从而使得粗糙度检测结果的准确性更高。

摘要： 本发明公开了基于模糊粗糙集条件熵属性约简的数据分析方法，属于数据分析领域，包括以下步骤，将数据的属性构造为一个模糊粗糙集，同时确定数据的模糊决策表本发明的有益效果如下：基于模糊粗糙集的条件熵，并对传统的信息熵和条件熵进行了重新定义，根据要求获得条件熵最小时的属性，从而得到一个新的属性约简方法，应用到人体健康数据的属性约简分类中，而根据约简之后的健康数据属性，可以快速而准确地完成健康数据的分析，由于该种方法约简的结果，能较好的保留原来连续属性值之间的差异性及过渡性，从而保留了原来属性的特征，根据这些约简后的数据就可以较快地判定人体的健康情况。

摘要： 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到OT和计算背景的上升和下降粗糙集保存到和BT中；对子集进行排序，并根据阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；对粗分割的第一阶段进行调整，得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。

摘要： 基于粗糙熵属性约简的入侵检测方法，包括如下步骤：1)训练阶段，收集已知类型进程的系统调用序列作为训练集；统计训练集里某类进程中系统调用的出现概率对其序列作规范化处理，生成短序列集合；基于属性重要度模型计算短序列的属性重要度并排序；基于粗糙熵属性约简算法训练出某类型进程分类规则；重复b、c、d得到训练集中所有类型进程的分类规则，得到进程分类规则集；结束；2)检测阶段，收集待测进程的系统调用序列；对调用序列进行预处理生成短序列集合；根据进程分类规则识别进程种类，判断进程是否异常；结束。本发明在计算简单的前提下，提高了检测的精度，明显降低误报警率。

摘要： 本发明属于图像信息处理研究领域，具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法，包括以下步骤：找到图像的最大和最小灰度值，并把他们保存到变量max和min中；根据图像的宽和高将图像分割为点集；使用Monte Carlo方法从点集中随机的选择1000个点；计算点集的灰度最大和最小值分别为Pimax和Pimin；计算对象的下降和上升粗糙集分别保存到

摘要： 基于粗糙熵属性约简的入侵检测方法，包括如下步骤：1)训练阶段，收集已知类型进程的系统调用序列作为训练集；统计训练集里某类进程中系统调用的出现概率对其序列作规范化处理，生成短序列集合；基于属性重要度模型计算短序列的属性重要度并排序；基于粗糙熵属性约简算法训练出某类型进程分类规则；重复b、c、d得到训练集中所有类型进程的分类规则，得到进程分类规则集；结束；2)检测阶段，收集待测进程的系统调用序列；对调用序列进行预处理生成短序列集合；根据进程分类规则识别进程种类，判断进程是否异常；结束。本发明在计算简单的前提下，提高了检测的精度，明显降低误报警率。