面向噪声数据的多尺度粗糙集模型研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (6): 8-10.

面向噪声数据的多尺度粗糙集模型研究

翟敬梅¹，刘海涛^1，2，徐晓¹

1.华南理工大学机械与汽车工程学院，广州 510640
2.广东海洋大学工程学院，广东湛江 524088

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-21 发布日期:2011-02-21

Research of multiscale rough set model for noise data

ZHAI Jingmei¹，LIU Haitao^1，2，XU Xiao¹

1.School of Mechanical & Automotive Engineering，South China University of Technology，Guangzhou 510640，China
2.School of Engineering，Guangdong Ocean University，Zhanjiang，Guangdong 524088，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-21 Published:2011-02-21

摘要/Abstract

摘要： 针对Pawlak粗糙集模型处理噪声信息的局限性，借鉴变精度粗糙集模型的思想，引入多尺度变量，建立单维的多尺度粗糙集模型。通过构造尺度变量s与尺度函数f（s）的变化关系，对噪声数据进行多尺度、多角度的动态分析，提高抑制噪声的能力，根据评价指标不断地优化尺度，获取满足用户要求的决策规则。实例说明了该方法的优点及可行性。

关键词: 多尺度粗糙集模型, 近似分类质量, 噪声

Abstract: In order to solve some limitations of original rough sets based on noise data analysis，a multiscale variate is introduced to establish the univariate multiscale rough set model by using the idea of variable precision rough set model.By structuring a scale function f（s），the noise data can be analyzed in multi-layer and multi-angle in order to further improve the tolerance ability of error.According to evaluation measures，continuously optimize the scale and availably acquire the satisfied decision rule.The example shows the advantages and feasibility of this method.

Key words: Multiscale Rough Set Model（MRSM）, quality of classification, noise data

翟敬梅¹，刘海涛^1，2，徐晓¹. 面向噪声数据的多尺度粗糙集模型研究[J]. 计算机工程与应用, 2011, 47(6): 8-10.

ZHAI Jingmei¹，LIU Haitao^1，2，XU Xiao¹. Research of multiscale rough set model for noise data[J]. Computer Engineering and Applications, 2011, 47(6): 8-10.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[5]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[6]	朱苗苗，潘伟杰，刘翔，吕健，赵慧亮. 基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用, 2020, 56(2): 146-151.
[7]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[8]	卢航，郝顺义，彭志颖，黄国荣. 基于MCC的鲁棒高阶CKF在组合导航中的应用[J]. 计算机工程与应用, 2020, 56(1): 257-264.
[9]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[10]	魏春英，郭中华. 基于联合信源信道和迭代解码的LDPC编码方案[J]. 计算机工程与应用, 2019, 55(16): 94-98.
[11]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[12]	童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.
[13]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[14]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.
[15]	刘肃平，谭志平. 基于大数据的辅机设备振动噪声监测分析平台[J]. 计算机工程与应用, 2018, 54(22): 258-264.