粗糙模糊C均值融合聚类

提出一种新的粗糙模糊C均值融合聚类算法,该算法通过粗糙集上、下近似的引入改变了模糊C均值算法中隶属度函数的分布情况,修正了类心的更新公式和模糊隶属度计算公式,降低了计算复杂度,在改变模糊隶属度分布的同时,通过使得每一类总的隶属度变化保持最小,进一步提出了边界调节参数的自适应选择算法,实验结果表明,粗糙模糊C均值融合算法...     

Profust故障树建模与分析

实际中普遍存在的有显著渐近失效行为的系统 ,难以用经典故障树加以分析 ,于是 ,以“模糊事件的普通概率”这一理论为基础 ,建立了Profust故障树模型 ,并进行了部分定量分析 ,该模型的最大特点是综合运用了可以得到的关于系统运行的可能性信息和概率信息     

属性约简与近似集的关系研究

上近似和下近似是在粗集理论中最基本的概念,而粗集理论的主要思想又是在保持分类能力不变的前提下通过对属性的约简导出问题的决策和分类规则。本文讨论了属性的约简和相对约简与上近似和下近似的关系,并在此基础上提出了一种新的相对约简———保近似约简。     

关于 Kaiser 时窗函数的谱特性分桁

本文讨论的是Kaiser 时窗函数,其目的是:(1)对Kaiser 时窗函数及它的一些基本性质作一简单的介绍;(2)从计算得出的Kaiser 时窗频谱出发,对Kaiser 窗的谱特性进行初步的探讨与分析。本文给出了Kaiser 窗公式及一些参数公式的推导,列出了Kaiser 窗取不同参数α时的能量比值、主瓣宽度及旁瓣峰值,并大略描绘了频谱曲线。     

一类集值映射的高阶微分

在文[1]中,H.T.Banks 与M.Q.Jacobs 讨论了集映Ω:R~m→(?)(R~n)的一阶微分,分别给出了Ω可微的充分条件与必要条件。本文改进了文[1]的工作,证明了[1]中条件(3.2)的限制是不必要的,从而得到了Ω可微的充分必要条件,及较为简洁的Ω微分解析表达式。在文中也讨论了Ω的k 阶微分,得到了Ωk 阶可微的充分必要条件及k 阶微分的解析表达式。     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。     

关于 Kaiser时窗函数的谱特性分析

本文讨论的是 Kaiser时窗函数,其目的是:(1) 对 Kaiser时窗函数及它的一些基本性质作一简单的介绍;(2)从计算得出的 Kaiser时窗频谱出发,对 Kaiser窗的谱特性进行初步的探讨与分析。本文给出了 Kaiser窗公式及一些参数公式的推导,列出了Kaiser窗取不同参数 α 时的能量比值、主瓣宽度及旁瓣峰值,并大略描绘了频谱曲线。