基于容差关系的不完备信息系统的属性约简

粗糙集理论是一种处理不确定性知识的有效工具,属性约简是其核心内容之一,然而对于属性值有缺省的不完备信息系统,基于等价关系的经典粗糙集理论已经不再适用。由于容差关系下的不完备信息系统的属性约简的定义与经典粗糙集的属性约简定义相似,可以用容差关系对粗糙集理论进行扩充。文中通过定义容差关系下的可辨识矩阵,运用可辨识方法,得到了一种属性约简算法;接着分析了算法的不足之处,并且在此基础上提出了增加约简效率的改进型算法;最后通过一个数值例子,说明了该算法是合理的和有效的。     

基于修正容差关系的扩充粗糙集模型

提出了一种基于修正容差关系的扩充粗糙集模型。该种模型既保留了限制容差关系扩充模型的优点,又丢弃了容差关系、相似关系和限制容差关系扩充模型的不足。通过实例,说明了基于修正容差关系的扩充粗糙集模型对处理不完备信息系统更加简便有效。     

一种不完备信息系统的直接约简方法

目前已有基于容差关系、相似关系、限制容差关系等的扩充rough集理论，但仅仅是提出了一些针对以上某种模型的属性约简算法，在此提出从离散化到规则匹配的一系列不完备信息系统的约简处理方法，该方法可以适用于各种rough集扩充模型，并且对完备信息系统和不完备信息系统是统一的．     

基于改进的完备容差关系的扩充粗糙集模型

经典粗糙集理论不能直接处理不完备信息系统,而容差关系、相似关系限制容差关系和完备容差关系等扩充粗糙集模型在一定程度上解决了这个问题。分析了这些模型存在的局限性,并在完备容差关系的基础上,提出了基于改进的完备容差关系的扩充粗糙集模型,该模型既保留了已有模型的优点,又在一定程度上克服了它们的局限性。实例分析表明该模型对不完备信息系统的处理更符合实际情况。     

不完备信息系统中粗糙集理论的扩充

在指出已有的容差关系、相似关系和限制容差关系等扩充方法所存在的局限性的基础上,提出了一种新的二元关系——修正容差关系,得到了一种更加合理的扩充方法,并且推广了经典粗糙集理论中的上、下近似的主要性质。最后,通过一个具体例子,说明修正容差关系的扩充粗糙集理论对处理不完备信息系统更加合理有效。     

Rough集理论在不完备信息系统中的扩充

Pawlak教授所提出的经典Rough集理论主要是针对完备信息系统的，利用了不可分辨关系这种等价关系来对对象进行了近拟和下近似分类，对于不完备信息系统的处理，需要对经典Rough集理论进行扩充，主要是对不可分辨关系进行扩充，目前已经有了基于容差关系，相似关系和量化容差关系等的扩充Rough集理论，但是，这些扩充也还存在一些局限性，将提出一种基于限制容差关系的扩充Rough集模型，并比较分析这些扩充Rough集模型之间的性能。     

一种粗糙集理论中量化容差关系的改进

量化容差关系是粗集理论中一个最重要的扩展模型,然而它却有自己的局限性:需要诸如不完备信息系统中的属性值的概率分布情况等相关领域的知识。本文提出了一个量化容差关系的改进模型,这个新的模型是建立在对不完备信息系统的属性值的统计数据基础上的,它有效地克服了普通量化容差关系的不足。实例分析表明,改进的量化容差关系比原来量化容差关系更符合实际,具有更强的分辨能力。在进行缺失数据补齐时,改进的量化容差关系更适合于作为寻找最相似对象的基础,获得更高的补齐率。     

改进的对象间差异度的限制容差关系模型

不完备信息系统不能直接用经典的粗糙集理论来处理,为此,容差关系、非对称相似关系、限制容差关系、限制非对称相似关系、对象间差异度的限制非对称相似关系等扩充的粗糙集模型被相继提出。通过分析这些模型的优点和不足之处,定义了新的对象间差异度,提出了一种改进的对象间差异度的限制容差关系模型,实例结果表明基于所提出模型的划分更精确,更符合实际。     

基于完备容差关系的扩充粗糙集模型

针对扩充粗糙集模型所处理的不完备信息系统之间存在的差异,提出了信息系统完备度的概念;在此基础上,提出了基于完备容差关系的扩充粗糙集模型.与基于容差关系、相似关系、限制容差关系等扩充粗糙集模型相比,该模型既保留了已有模型的优点,又在一定程度上克服了已有模型的局限性.通过实例说明新模型对不完备信息系统的处理更符合实际情况.     

基于相似度的限制容差关系改进

对于不完备信息系统,可以首先进行完备化处理,然后再对所得到的完备信息系统采用传统的处理方法进行约简。但是,这种处理往往会改变原始系统的相关信息。为此有必要直接对不完备信息系统进行处理。论文在分析不完备信息系统已经存在的容差关系、非对称相似关系及限制容差关系的基础上,引入相似度的概念,对限制容差关系进行改进,从而得到基于相似度的限制容差关系模型,能够更灵活地处理不完备信息系统。     

Incomplete Information Tables and Rough Classification

The rough set theory, based on the original definition of the indiscernibility relation, is not useful for analysing incomplete information tables where some values of attributes are unknown. In this paper we distinguish two different semantics for incomplete information: the "missing value" semantics and the "absent value" semantics. The already known approaches, e.g. based on the tolerance relations, deal with the missing value case. We introduce two generalisations of the rough sets theory to handle these situations. The first generalisation introduces the use of a non symmetric similarity relation in order to formalise the idea of absent value semantics. The second proposal is based on the use of valued tolerance relations. A logical analysis and the computational experiments show that for the valued tolerance approach it is possible to obtain more informative approximations and decision rules than using the approach based on the simple tolerance relation.     

面向不完备信息系统的粗糙集方法研究

给出了关于传统粗糙集的基本概念以及不完备信息系统的定义,归纳了信息系统中的空值情形.基于粗糙集的不可识别关系,介绍了几种已有的扩展关系:相容关系、非对称相似关系、量化相容关系和限制相容关系.结合量化和限制相容关系特点,文中提出了限制量化相容关系,并证明在特定条件下,限制量化相容关系是限制相容关系的改进.限制量化相容关系通过量化计算对相容关系作了进一步限制,使之更加合理实用.     

基于模糊容差关系粗糙集的分解及其在信息检索中的应用

基于容差关系粗糙集的提出扩大了粗集的应用范围。本文在容差关系扩展为模糊容差关系的基础上引入支配关系对模糊容差关系的容差类进行进一步分解,分为模糊纯容差类、模糊正容差类、模糊负容差类,并分别定义上下近似集,进而提出了模糊容差关系粗糙集的分解。该方法能有效地处理连续属性,并用信息检索的例子证明了其应用价值。     

不完备信息系统下非对称相似关系的改进

通过分析现有粗糙集扩充模型,提出了一种修正非对称相似关系。基于该关系的扩充模型有效地克服了容差关系和非对称相似关系的不足。实例结果表明了其对不完备信息系统处理更简单有效,获取的信息更充分。