栏目文章信息

第十六届中国粗糙集与软计算联合学术会议(CRSSC 2016)论文 栏目所有文章列表 (按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 基于压缩理论的区间概念格参数优化模型 李明霞, 刘保相, 张春英 计算机应用    2016, 36 (11): 2945-2949.   DOI: 10.11772/j.issn.1001-9081.2016.11.2945 摘要 （684）      PDF （910KB）（586）    可视化    收藏 在由形式背景构建区间概念格之前，首先要确定区间参数[ α， β]，区间参数的选取影响着概念外延、格结构以及提取的关联规则数量和精度。为了获取区间概念格的压缩度达到最大时的[ α， β]，首先，提出了基于形式背景的二元关系对的相似度和二元关系上的覆盖近邻空间的定义，得到二元关系对的相似矩阵，并根据γ相似类求得的覆盖来计算二元关系对的近邻；其次，给出基于参数变化的概念集合更新算法，在非重建的基础上得到各区间参数下概念集合，并结合各区间参数下二元关系对的近邻空间，进一步构建基于压缩理论的区间概念格参数优化模型，依据压缩度的大小以及变化趋势寻找区间参数最优值；最后，通过实例验证了模型的有效性。 参考文献 | 相关文章 | 多维度评价 Select 2. 多粒度粗糙集模型中属性子集序列的构造方法 姚晟, 徐风, 汪杰 计算机应用    2016, 36 (11): 2950-2953.   DOI: 10.11772/j.issn.1001-9081.2016.11.2950 摘要 （616）      PDF （671KB）（494）    可视化    收藏 针对多粒度粗糙集模型中属性子集序列的构造问题，提出一种基于属性间距离的构造方法。该方法首先引入信息系统中属性间距离的概念，并给出距离的定量计算公式；然后根据公式来计算出各个属性之间的距离；最后根据属性之间距离的远近，得到每个属性的邻域属性集，从而构造出一个属性子集序列。实验结果表明，与随机构造的属性子集序列相比，该方法构造的序列对于实验的每个对象类具有更高的近似精度。 参考文献 | 相关文章 | 多维度评价 Select 3. 变精度粗糙集的区域属性约简及其结构启发算法 熊方, 张贤勇 计算机应用    2016, 36 (11): 2954-2957.   DOI: 10.11772/j.issn.1001-9081.2016.11.2954 摘要 （625）      PDF （675KB）（431）    可视化    收藏 采用二分类情形与三支决策区域，研究变精度粗糙集（VPRS）两类属性约简及其结构启发算法。首先，依托三支决策区域构建分类区域，提出分类区域保持（CRP）约简与决策区域保持（DRP）约简，得到对定性属性约简的量化扩张性，设计基于核的结构启发算法；然后，研究两类区域约简的强弱关系，设计由强至弱的结构启发算法，得到二支决策拓展为三支决策的约简改进；最后，利用数据表实例与UCI数据集验证区域约简及其启发算法的有效性。 参考文献 | 相关文章 | 多维度评价 Select 4. 基于扩展容差关系的不完备信息系统属性约简 罗豪, 续欣莹, 谢珺, 张扩, 谢新林 计算机应用    2016, 36 (11): 2958-2962.   DOI: 10.11772/j.issn.1001-9081.2016.11.2958 摘要 （724）      PDF （742KB）（498）    可视化    收藏 针对当前的邻域粗糙集多用于处理完备的信息系统，而非不完备的信息系统这一问题，提出了一种可用于处理不完备混合信息系统的扩展容差关系，并给出相关定义，使用容差完备度和邻域阈值作为限制条件计算扩展容差邻域，以此邻域为基础选择决策正域得到系统的属性重要性，并以该重要性作为启发因子给出基于扩展容差关系的属性约简算法。采用UCI数据集中的7组不同类型的数据集进行仿真实验，并分别与扩展邻域关系（EN）、容差邻域熵（TRE）、邻域粗糙集（NR）的方法进行比较，实验结果表明，该方法在保证分类精度的同时能够约简得到更少的属性。最后讨论了在扩展容差关系中改变邻域阈值对分类精度产生的影响。 参考文献 | 相关文章 | 多维度评价 Select 5. 基于风险决策的文本语义分类算法 程玉胜, 梁辉, 王一宾, 黎康 计算机应用    2016, 36 (11): 2963-2968.   DOI: 10.11772/j.issn.1001-9081.2016.11.2963 摘要 （494）      PDF （967KB）（459）    可视化    收藏 传统的文本分类多以空间向量模型为基础，采用层次分类树模型进行统计分析，该模型多数没有结合特征项语义信息，因此可能产生大量频繁语义模式，增加了分类路径。结合基本显露模式（eEP）在分类上的良好区分特性和基于最小期望风险代价的决策粗糙集模型，提出了一种阈值优化的文本语义分类算法TSCTO：在获取文档特征项频率分布表之后，首先利用粗糙集联合决策分布密度矩阵，计算最小阈值，提取满足一定阈值的高频词；然后结合语义分析与逆向文档频率方法获取基于语义类内文档频率的高频词；采用eEP分类方法获得最简模式；最后利用相似性公式和《知网》提供的语义相关度，计算文本相似性得分，利用三支决策理论对阈值进行选择。实验结果表明，TSCTO算法在文本分类的性能上有一定提升。 参考文献 | 相关文章 | 多维度评价 Select 6. 融合粒子群优化和遗传算法的基因调控网络构建 孟军, 史贯丽 计算机应用    2016, 36 (11): 2969-2973.   DOI: 10.11772/j.issn.1001-9081.2016.11.2969 摘要 （793）      PDF （752KB）（458）    可视化    收藏 MicroRNA（miRNA）是一类大小为21~25 nt的内源性非编码小核糖核酸（RNA），通过与mRNA的3’-UTR互补结合，导致mRNA降解或翻译抑制来调控编码基因的表达。为了提高构建基因调控网络的准确度，提出一种基于粗糙集、融合粒子群（PSO）和遗传算法（GA）的基因调控网络构建方法（PSO-GA-RS）。该方法首先通过对序列信息进行特征提取；然后采用粗糙集的依赖度作为适应度函数，融合粒子群和遗传算法选出较优的特征子集；最后使用支持向量机（SVM）建立模型，预测未知的调控关系。在拟南芥数据集上进行实验，相比基于粗糙集和粒子群优化的特征选择方法和Rosetta算法，所提方法的预测准确率、F值和受试者工作特征（ROC）曲线面积最多能提高5%，在水稻数据集上最多能提高8%。实验结果表明所提方法能够比较准确地预测miRNA和靶基因之间的调控关系。 参考文献 | 相关文章 | 多维度评价 Select 7. 基于加速鲁棒特征和多示例学习的目标跟踪算法 白晓红, 温静, 赵雪, 陈金广 计算机应用    2016, 36 (11): 2974-2978.   DOI: 10.11772/j.issn.1001-9081.2016.11.2974 摘要 （612）      PDF （797KB）（373）    可视化    收藏 针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响，提出一种基于加速鲁棒特征（SURF）和多示例学习（MIL）的目标跟踪算法。首先，提取目标及其周围图像的SURF特征；然后，将SURF描述子引入到MIL中作为正负包中的示例；其次，将提取到的所有SURF特征采用聚类算法实现聚类，建立视觉词汇表；再次，通过计算视觉字在多示例包的重要程度，建立“词-文档”矩阵，并且求出包的潜在语义特征通过潜在语义分析（LSA）；最后，通过包的潜在语义特征训练支持向量机（SVM），使得MIL问题可以依照有监督学习问题进行解决，进而判断是否为感兴趣目标，最终实现视觉跟踪的目的。通过实验，明确了所提算法对于目标的尺度缩放以及短时局部遮挡的情况都有一定的鲁棒性。 参考文献 | 相关文章 | 多维度评价 Select 8. 基于深度图像与骨骼数据的行为识别 陆中秋, 侯振杰, 陈宸, 梁久祯 计算机应用    2016, 36 (11): 2979-2984.   DOI: 10.11772/j.issn.1001-9081.2016.11.2979 摘要 （1002）      PDF （1010KB）（869）    可视化    收藏 为了充分利用深度图像与骨骼数据进行人体行为识别，提出了一种基于深度图形与骨骼数据的多特征行为识别方法。该算法的多特征包括深度运动图（DMM）特征与四方形骨骼特征（Quad）。深度图像方面，将深度图像投影到一个笛卡尔坐标系的三个平面获得深度运动图特征。骨骼数据方面，提出四方形骨骼特征，它是骨骼坐标的一种标定方式，得到的结果只与骨骼姿态有关。同时提出一种多模型概率投票的分类策略，减小了噪声数据对分类结果的影响。所提方法在MSR-Action3D和DHA数据库进行实验，实验结果表明，所提算法有着较高的识别率与良好的鲁棒性。 参考文献 | 相关文章 | 多维度评价 Select 9. 基于Hadoop的超像素分割算法 王春波, 董红斌, 印桂生, 刘文杰 计算机应用    2016, 36 (11): 2985-2992.   DOI: 10.11772/j.issn.1001-9081.2016.11.2985 摘要 （710）      PDF （1313KB）（529）    可视化    收藏 针对高分辨率图像像素分割时间复杂度高的问题，提出了超像素分割算法。采用超像素代替原始的像素作为分割的处理基元，将Hadoop分布式的特点与超像素的分块相结合。在分片过程中提出了基于多任务的静态与动态结合的适应性算法，使得Hadoop分布式文件系统（HDFS）的分块与任务分发的基元解耦；在每一个Map节点任务中，基于超像素分块的边界性对超像素的形成在距离和梯度上进行约束，提出了基于分水岭的并行化分割算法。在Shuffle过程的超像素块间合并中提出了两种合并策略，并进行了比较。在Reduce节点任务中优化了超像素块内合并，完成最终的分割。实验结果表明.所提算法在边缘查全率（BR）和欠分割错误率（UR）等分割质量指标上优于简单线性迭代聚类（SLIC）算法和标准分割（Ncut）算法，在高分辨率图像的分割时间上有显著降低。 参考文献 | 相关文章 | 多维度评价