面向不完备信息系统的双论域决策粗糙集——基于双相对量化信息的角度

双论域粗糙集模型是经典粗糙集模型的有效推广,近年来,不同的双论域粗糙集模型已被提出。针对信息缺失的情形,从双相对量化信息角度分别定义了两种双论域双相对定量决策粗糙集,研究了所给出的两种双相对定量决策粗糙集模型的相应数学性质,并探讨了随着相关参数的变化它们之间存在的相应关系。此外,利用SARS病人信息的具体实例解释了所给出的双相对定量决策粗糙集的定义以及所讨论的两种双相对定量决策粗糙集的关系。     

带标记的不完备双论域模糊概率粗糙集中近似集动态更新方法

当不完备双论域模糊概率粗糙集获取缺省值时,传统的静态算法更新近似集的时间效率较低,为了解决这个问题,对带标记不完备双论域模糊概率粗糙集的近似集动态更新方法进行了研究。首先,给出了带标记的不完备双论域信息系统的相关定义,运用矩阵提出了带标记的不完备双论域模糊概率粗糙集的模型,证明了其相关定理,给出了一种带标记的不完备双论域模糊概率粗糙集的近似集计算方法,并对其进行了讨论分析。其次,当不完备双论域模糊概率粗糙集获取缺省值时,给出了动态更新其近似集的相关定理,并进行了证明,进而设计了一种带标记的不完备双论域模糊概率粗糙集中近似集动态更新算法,并分析讨论了其算法复杂度。最后,在6个UCI数据集和3个人工数据集上进行仿真实验,实验结果表明,该动态更新算法提高了更新近似集的时间效率,并结合实例证明了该动态算法更新近似集时不影响结果的正确性,验证了该动态更新算法的有效性。     

双论域下多粒度模糊粗糙集上下近似的包含关系

针对双论域上集合的多粒度乐观与悲观上下近似不具有包含关系的问题,本文给出了双论域上集合的多粒度上下近似具有包含关系的一个充分条件,进而采用标准化的方法将不具有包含关系的上下近似转化为具有包含关系的上下近似。通过实例验证,该方法能有效解决双论域下多粒度模糊粗糙集上下近似具有包含关系的问题。     

基于“逻辑与”算子的双量化多粒度粗糙集模型

在多粒度近似空间中,将刻画相对量化信息的变精度粗糙集和描述绝对量化信息的程度粗糙集通过“逻辑与”算子结合起来,建立了基于“逻辑与”算子的双量化多粒度粗糙集模型,并分别从乐观和悲观双量化多粒度粗糙集的角度对模型的一些数学性质进行了讨论。该模型对多粒度近似空间中的相对量化信息和绝对量化信息同时进行了描述,在处理带噪声的数据方面有一定的应用价值,丰富了基于粗糙集理论的知识发现的理论基础。     

双论域上的广义直觉模糊概率粗糙集模型及其应用

已有的双论域直觉模糊概率粗糙集模型通过设置两个阈值${\lambda _1}$、${\lambda _2} $,讨论了经典集合在直觉模糊二元关系下的概率粗糙下上近似。该模型不能计算直觉模糊集合在直觉模糊二元关系下的概率粗糙下上近似,这在一定程度上限制了该模型的应用。首先给出了直觉模糊条件概率的定义。在直觉模糊概率空间下构造了双论域广义直觉模糊概率粗糙集模型,讨论了模型的主要性质。最后,将模型应用到临床诊断系统中。与其他模型相比,所提出的广义直觉模糊概率粗糙集模型进一步丰富了概率粗糙集理论,更适合于实际应用。     

基于逻辑或的双量化粗糙集模型的计算分析与属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,而精度与程度的逻辑或粗糙集模型则是一类基本的双量化扩张模型.针对该模型进行深入的计算分析,进而探讨其在近似空间中的属性约简.利用区域结构,分析计算公式,在此基础上构建宏观算法和结构算法,算法的分析和比较结果说明结构算法具有较好的计算复杂性.基于近似空间讨论关于4区保持的基本性质,提出区域保持的属性约简,得到经典定性约简的一类扩张量化约简.该研究为双量化粗糙集模型的优化计算与约简应用提供泛化思路.     

双论域的一般多粒度粗糙集

多粒度粗糙集是近几年来研究的热门课题之一。将多粒度粗糙集和双论域结合起来,首先定义了不同论域上的支撑函数;其次通过支撑函数建立了不同论域上的一般多粒度粗糙近似算子,研究了各个近似算子的性质。讨论了双论域的一般多粒度粗糙集的粗糙度和精确度;通过大学生选课这一实例验证了该模型的实用性和有效性。     

基于模糊集截集的模糊粗糙集模型

基于L.A.Zadeh模糊集的截集的概念给出了论域U上任意模糊子集的上、下近似的刻画,得到了基于模糊集的截集的粗糙集模型,亦即模糊粗糙集,实现了用论域U中的模糊集近似论域上的任意模糊集,进一步推广了Z.Pawlak粗糙集模型,扩展了粗糙集的应用范围。最后,研究了其基本性质以及其与其他粗糙集模型的关系。     

双论域粗糙集的矩阵表示

在双论域粗糙集中,不论是理论上还是应用上,矩阵方法都是一种简单且高效的计算方法。利用矩阵的方法来研究双论域粗糙集。提出了双论域上的关系矩阵,通过关系矩阵以及关系矩阵的转置,构造了两个布尔方阵。利用这两个布尔方阵的特征研究了双论域覆盖粗糙集的一些性质。定义了一种布尔矩阵之间新的运算,并且利用这个运算,简洁地表示了双论域覆盖粗糙集的上近似算子和关系粗糙集的下近似算子。     

双论域上的S-粗集及应用

原始从单论域出发讨论动态系统的知识发现和规则挖掘,其应用范围受到极大限制。通过构造性方法对原始的Ｓ-粗集粗糙集模型进行推广,提出双论域上的Ｓ-粗集模型。分析了S-粗集与Z.Pawlak 粗集、以及单论域Ｓ-粗集与双论域Ｓ-粗集的关系。并讨论了双论域Ｓ-粗集一些相关性质及在疾病诊断上的应用。     

一般多粒度量化软粗糙集模型

建立了适应数据误差、具有知识容错能力的一般多粒度量化软粗糙集模型,弥补了多粒度软粗糙集模型的不足。讨论了一般多粒度量化软粗糙近似算子的性质以及程度多粒度软粗糙集与一般多粒度量化软粗糙集之间的关系。研究了一般多粒度量化软粗糙集的不确定度量和性质。用传染病这一案例展现了一般多粒度量化软粗糙集模型的应用实效。     

多粒度覆盖粗糙模糊集模型不确定性研究

针对覆盖粗糙模糊集中存在的上下近似不一致问题.引入一种更为合理的覆盖粗糙模糊集模型,讨论了该模型的结构与相关性质,定义了基于此模型的粗糙度度量方法.基于覆盖粗糙模糊集中粗糙度相等的情形,提出模糊集中极大模糊集的概念,并利用模糊集与极大模糊集的距离问题定义了模糊集的优劣次序,从而有效解决了模糊集在覆盖粗糙模糊集中粗糙度的度量问题.通过引入粗糙熵等相关概念,证明了此模型中仍然存在随最简覆盖变细,两种度量单调减少的规律,并通过实例进行了验证.从而为进一步揭示粗糙集、粗糙模糊集及覆盖粗糙模糊集之间的不确定性度量规律提供了理论依据.     

变精度粗糙模糊集模型研究

介绍了Ziarko’s变精度粗糙集模型和粗糙模糊集模型,找出了它们的不足。基于支集相对错误分类率及误差参数β（0≤β<0.5）,提出了变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与Ziarko’s变精度粗糙集模型和粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性。     

单向S-区间值模糊粗糙集及应用

以Z.Pawlak粗集理论为基础,将动态区间值模糊近似概念引入区间值模糊粗糙集中。由此提出了单向S-区间值模糊粗糙集概念,给出了单向S-区间值模糊粗糙集的结构与性质。定义了单向S-区间值模糊粗糙集的粗相等、截集、粗糙度等概念,并对一些相关性质进行讨论和证明;给出了单向S-区间值模糊粗糙集的应用及存在价值。     

粗糙集理论及其在智能系统中的应用

粗糙集理论是一种新型的处理含糊和不确定知识的数学工具，在智能系统中得到了广泛的应用，介绍了经典粗糙集理论的基本思想，上下近似集、属性约简和核等基本概念以及粗糙集的研究现状．介绍了粗糙集理论在智能系统中的应用，主要包括基于粗糙集理论的属性约简作为数据预处理的手段，基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制．指出了粗糙集理论在应用中遇到的问题和可能的研究方向。     

模糊信息粗传递模型及其应用

在实际的信息传递中人们需要更加准确可靠的信息,而且被传递概念是模糊集合,根据这些信息传递情况,利用粗模糊集理论提出了一种模糊信息粗传递模型,由该模型得到提高模糊信息传递精确度方法。最后给出了该模型的应用。模糊粗传递是粗模糊集的一种新的应用。     

双向S-模糊粗糙集及其应用

以Z.Pawlak粗集理论为基础,将动态模糊近似概念引入Dubois模糊粗糙集中。提出了双向S-模糊粗糙集概念,给出了双向S-模糊粗糙集的结构与性质。分析了双向S-模糊粗糙集与Z.Pawlak粗集、Dubois模糊粗集、S-粗集、S-粗糙模糊集及单向S-模糊粗糙集之间的关系。给出了双向S-模糊粗糙集的应用及存在价值。     

基于粗糙集理论的通信电台及其装载平台识别

该文主要探讨粗糙集理论用于通信侦察信息融合系统中的通信电台及其装载平台的识别方法,并给出典型的应用实例。实践表明粗糙集理论在数据融合领域具有重要的应用价值。     

粗代数研究

在粗糙集的代数方法研究中,一个重要的方面是从粗糙集的偶序对((下近似集,上近似集()表示入手,通过定义偶序对的基本运算,从而构造出相应粗代数,并寻找能够抽象刻画偶序对性质的一般代数结构.其中最有影响的粗代数分别是粗双Stone代数、粗Nelson代数和近似空间代数,它们对应的一般代数结构分别是正则双Stone代数、半简单Nelson代数和预粗代数.通过建立这些粗代数中算子之间的联系,证明了:(a) 近似空间代数可转化为半简单Nelson代数和正则双Stone代数;(b) 粗Nelson代数可转化为预粗代数和正则双Stone代数;(c) 粗双Stone代数可化为预粗代数和半简单Nelson代数,从而将3个不同角度的研究统一了起来.     

粗糙集代数与蕴涵格

在粗糙集的代数刻画方面,一个重要方法是在偶序对〈R（X）,R（X）〉构成的集合中通过定义基本运算寻找刻画偶序对所成集合的代数结构。其中,最有影响的代数结构是正则双Stone代数和Nelson代数。本文从偶序对〈T（X）,R（X）〉构成的集合入手,通过定义蕴涵运算证明了偶序对〈R（X）,R（X）〉所成集合构成蕴涵格,讨论了粗蕴涵格与
正则双Stone代数的关系。本文的讨论可为粗糙逻辑和粗糙推理奠定基础。