马周明 作品数:17 被引量:12 H指数:2 供职机构: 闽南师范大学 更多>> 发文基金: 国家自然科学基金 福建省自然科学基金 漳州师范学院科学研究基金 更多>> 相关领域: 自动化与计算机技术 理学 文化科学 更多>>
严格局部自反关系下的广义粗糙集 被引量:1 2011年 经典粗糙集是在等价关系基础上建立的一类不确定性理论方法。研究一般二元关系下的广义粗糙集,不仅可以拓宽粗糙集理论的应用范围,而且也能从一定的角度进一步阐释经典粗糙集的基本性质。在考虑自反粗糙近似算子的基础上,提出了严格局部自反关系的定义,讨论了严格局部自反关系下广义粗糙集的性质,给出了其公理化特征。结合自反粗糙近似算子,研究了一般二元关系下广义粗糙集中的精确集,得出了一些重要的结论。 马周明 李进金关键词:粗糙集 等价关系 基于超图的多尺度决策信息系统最优尺度选择 2023年 特征选择是降低数据维度,提高知识获取效率的一类重要数据处理方法.多尺度决策信息系统的最优尺度选择是在一定代价框架下的最优化求解,从而进一步提高数据挖掘的效率.利用图论中的极小顶点覆盖得到相应系统的最优尺度组合,通过构造多尺度系统特征间的邻接关系矩阵,生成该系统诱导的超图.其极小顶点覆盖可视为多尺度信息系统的一个最优尺度组合.在此基础上,提出基于超图的多尺度决策信息系统最优尺度特征求解算法.数值实验表明,该方法能提高数据挖掘时间效率和分类精度,有利于降低数据处理成本. 马周明 马周明 林国平 施虹艺关键词:粒计算 邻接关系 超图 余等价关系下的粗糙集 被引量:2 2014年 二元关系作为一类特殊的集合,可考虑它的余集.文中首先从等价关系的集合属性出发,给出余等价关系的定义及其内部关系刻画,构造基于余等价关系的广义粗糙集,论证其公理化基础.其次研究经典粗糙集和余等价关系下的广义粗糙集之间的相互联系,并在特定条件下借助余等价关系下的广义粗糙集,简化相应经典近似算子的相关运算,刻画基本精确集等重要知识. 马周明 李进金关键词:粗糙集 等价关系 类对称关系下的广义粗糙集模型 2012年 针对等价关系下的经典粗糙集,定义弱对称与局部强对称二元关系,构造相应的广义粗糙集模型。给出这2种模型的公理化特征,并将两者结合,得到强对称二元关系下的广义粗糙集模型。理论分析证明,论域上任何集合均为广义精确集的充要条件是其二元关系为强对称关系,即可以利用该模型刻画经典粗糙集中的广义精确集。 马周明 李进金关键词:广义粗糙集 等价关系 粗糙集的阶梯式近似 被引量:2 2019年 首先,利用基于边界域粗糙近似算子,给出 n 阶边界集的定义,引入 n 阶粗糙近似算子的定义,构造粗糙集理论的一套阶梯式近似方法.然后,通过实例和相关证明表明,无论二元关系还是在覆盖环境中,总存在正整数 n ,对于任意对象集, n 阶上下近似集完全等于该对象集,即该对象集是此意义下的精确集,或其 n 阶上下近似集趋近于某一固定的对象集,即 n 阶粗糙集总能使对象集合趋近于它本身或某一固定的集合. 马周明 马周明 陈锦坤 李进金关键词:N 近似算子 边界域 几类粗糙近似算子及其公理化 Pawlak教授在等价关系基础上提出了经典粗糙集理论.由于其在处理不确定性问题上的独特优势,被广泛应用于模式识别、人工智能、机器学习等诸多领域.该理论最主要的概念之一是上、下近似算子,因此根据上、下近似算子的定义,将等价... 马周明关键词:粗糙集 近似算子 文献传递 融合邻域信息的k-近邻分类 被引量:3 2014年 距离度量是影响k-近邻(KNN)法分类精度的重要因素之一。提出一种融合邻域信息的k-近邻算法。首先,定义了样本邻域的概念,并根据邻域的影响提出2条相应准则;然后,在计算测试样本与训练样本的距离时,综合考虑了样本邻域所带来的影响。该算法不仅可以更加精确地刻画样本之间的距离,而且一定程度上增强了KNN的稳定性。该方法在UCI标准数据集上进行了测试,结果表明,性能优于或与其他相关的分类器相当,并且在噪声扰动下具有较强的鲁棒性。 林耀进 李进金 陈锦坤 马周明关键词:K-近邻 邻域信息 噪音干扰 信息系统中属性重要性的等价刻画 2010年 信息系统是一个具有对象与属性关系的数据库,揭示属性的本质特点、刻画属性的重要性是考虑各类约简问题的基础.本文改进了已有的基于等价关系的属性重要性的度量,并给出了基于划分的属性重要性的刻画,在一定程度上简化了相关运算步骤,提高了运算效率. 马周明关键词:信息系统 等价关系 基于边界域的多粒度粗糙集及其相关度量 粗糙集理论作为处理不确定性的重要数学工具之一,主要利用上下近似算子来描述未知知识的最大可能性和最小必然性。因此,在该理论的各种模型推广中,保留这些最基本的性质也是模型构造的重要目标之一。为此,本文尝试从首先给出不确定性边... 马周明关键词:多粒度粗糙集 边界域 边界算子 多尺度决策系统的覆盖粗糙模糊集及其最优尺度选择 2024年 进一步推广基于覆盖的粗糙模糊集模型,在对象最小描述的近邻域上考虑对象在决策属性下的隶属度,提出了2种不同的覆盖粗糙模糊集,将覆盖粗糙模糊集与多尺度决策系统结合,构建了4种多尺度决策系统中的覆盖粗糙集模型。定义了对应的正域和属性重要度,设计相应的最优尺度选择算法。最后通过实验分析,比较了4种覆盖粗糙模糊集模型在多尺度决策系统中的最优尺度与原始尺度在回归预测效果上的差异。实验结果表明,第4种多尺度决策系统覆盖粗糙模糊集模型所选择的最优尺度组合有效提高回归模型的预测能力。 施虹艺 马周明关键词:粗糙模糊集