不完备区间值模糊信息系统的粗糙集理论

考虑到模糊信息系统的不完备性和信息值的不确定性,讨论了不完备区间值模糊信息系统的粗糙集理论,给出了粗糙近似算子的性质。研究了不完备区间值模糊信息系统上的知识发现,提出了基于不完备区间值决策表的决策规则和属性约简,最后给出算例。     

基于不完备信息系统的三角模糊数决策粗糙集

在不完备信息系统中,针对用区间值表示一个未知参量时,整个区间内取值机会被认为是均等的,得到的结果可能会产生过大误差的问题,将三角模糊数引入到决策粗糙集中,提出了一种基于不完备信息系统的三角模糊数决策粗糙集。首先,定义了一种描述不完备信息的相似关系;然后,针对不完备信息系统中的缺失值,利用三角模糊数来获取损失函数,构建了三角模糊数决策粗糙集模型;实例表明,本文提出的方法不仅能够弥补用区间数表示的不足,而且可以突出可能性最大的主值,从而减少分类误差。     

基于扩展粗糙集模型的集值不完备信息系统决策研究

在客观世界中信息系统往往是不完备的。该文将粗糙集模型经过扩展后应用于属性值为集合值的不完备信息系统,给出了几种不同的上下近似集定义,着重建立和分析了一种不完备决策表,研究了对应的粗糙集模型扩展后的属性约简的方法,并根据约简生成了决策规则。     

不完备区间值信息系统中的粗集理论

针对不完备区间值信息系统,提出了一种用于分类的偏序关系,并给出了计算这种偏序关系约简的实际操作方法．在不完备区间值决策系统中,根据基于偏序关系的粗糙集模型,引入了上、下近似约简的概念．上、下近似约简是保持所有决策类的下、上近似都不发生变化的最小属性子集,借此获取简化的决策规则．     

不完备区间值信息系统的安全评估?

针对不完备区间值信息系统(IIIS)多属性群决策的“瓶颈”问题,讨论基于广义优势关系粗糙集的不完备区间值信息的处理方法,并改进分类质量的概念,在结合层次分析法形成一致性判断矩阵的基础上,确定群决策中各决策者的权重,实现对IIIS的综合安全评估。实例分析说明了该方法的有效性和实用性。     

基于粗糙集的不完备信息系统规则推理算法

定义了非对称相似关系的近似集概念，提出了一种利用非对称相似关系下近似集和属性值对的基于粗糙集的确定规则推理算法．该算法无需改变初始不完备信息系统的结构，能直接处理缺省数据．实验结果表明，所获得的确定决策规则简洁、高效，与缺省值无关．     

不完备区间值信息系统中邻域粗集模型

目前对未知区间值的研究还处于起步阶段。以包含复杂的遗漏型未知区间值不完备信息系统为研究对象,提出了一种基于灰格运算和Hausdorff距离的新的邻域关系。在此基础上,依次提出了邻域关系、最大相容类和邻域系统3种灰色粗集模型。进一步讨论了3种灰色粗集模型之间的上、下近似空间,以提高近似空间的精确度,并用实例进行了分析及验证。     

基于改进的优势关系下的不完备区间值信息系统评估模型

优势粗糙集方法是研究不完备区间值信息系统的一种重要方法。针对当前不完备区间值信息系统研究中存在的问题,提出了两种新的优势关系,即上限优势关系和近似优势关系。在此基础上,研究了对象评估和不确定性度量问题,给出了不同优势关系间的区别与联系,最后利用具体算例加以说明。     

基于粗糙集的不完备信息系统增量式属性约简

属性约简是粗糙集理论在模式识别中一项重要的应用,传统的属性约简算法只适合处理静态的信息系统,而处理不断动态更新的信息系统面临着巨大的挑战。对于不完备信息系统,提出一种增量式的属性约简算法。在不完备信息系统下引入粗糙集理论中关于正区域的概念,针对不完备信息系统中属性增加的情形,提出了基于正区域的增量式属性约简算法。实验结果表明了所提出的增量式属性约简算法比非增量式的算法具有更高的效率,同时比其他同类型的算法具有更高的优越性。     

区间值信息系统的决策属性约简

借助于属性区间值的相似程度在区间值信息系统上定义了一种具有变精度的相容关系,讨论了在这种相容关系下决策区间值信息系统的决策属性约简与决策属性相对约简,并得到了求决策属性约简与决策属性相对约简的具体操作方法。     

决策粗糙集属性约简算法与属性核研究

属性约简是粗糙集理论的重要研究内容之一。在Pawlak粗糙集模型中,正区域大小随着属性增多而变大,呈现单调性。然而,在决策粗糙集模型中,概率正区域与属性集之间不具有单调性,从而产生各种属性约简定义。为此,深入研究了决策粗糙集属性约简问题,阐述了几种约简定义之间的关系,证明了保持局部最大概率正区域的约简具有较大的代价,指出了保持所有对象的正决策不变的约简呈现稳定性和存在属性核。     

决策粗糙集与代价敏感分类

将决策粗糙集与代价敏感学习相结合,提出了一种基于决策粗糙集的代价敏感分类方法。依据决策粗糙集理论和属性约简方法,对待预测样本分别计算最优测试属性集,使得样本在最优测试属性集上计算的分类结果具有最小误分类代价和测试代价,依此给出样本的最小总代价分类结果。针对全局最优测试属性集求解过程中计算复杂度高的问题,提出了局部最优测试属性集的启发式搜索算法。该算法以单个属性对降低总分类代价的贡献率为启发函数,搜索各样本的局部最优测试属性集,并输出在局部最优测试属性集上样本的代价敏感分类结果。在UCI数据上的实验分析显示,所提算法有效地降低了分类结果的总代价和测试属性个数,使得样本分类结果同时具有较小的误分类代价和较小的测试代价。     

监督机制多粒度决策粗糙集模型及应用

为弥补多粒度决策粗糙集刻画不确定性知识能力的不足,鉴于监督学习能够考虑对象现有或预测的类别标签信息,在多粒度决策粗糙集中引入类内阈值和类间阈值的概念,提出了基于监督机制的多粒度决策粗糙集,给出模型的下、上近似,并对相关性质和结论进行证明。以工地项目建设的实例验证了模型的有效性与可靠性。实验结果表明,通过调整类内阈值和类间阈值,可进一步提高原模型的容错和分类能力。     

在不完备信息系统中的一种粗集扩充模型

对已有的基于不完备信息系统的粗集拓展模型进行分析比较,进而提出一种改进的限制容差关系模型。主要思想是考虑到人的主观要求,在容差类的划分中加入一个插值,再利用这些类得到上下近似集,最后通过实例说明该模型是符合客观实际的。     

不完备信息系统中的不可区分关系

针对带“ ”值的不完备信息系统,在对已有扩充粗糙集模型分析的基础上,对属性集合进行分类,定义各类别属性的比重和属性集的贡献度,提出一种基于属性贡献度的不可区分关系。实例分析说明,该关系在某些特殊情况下可等价于已有的扩充粗糙集模型,基于该不可区分关系的扩充粗糙集模型更灵活合理。     

不完备XML信息系统的粗糙集模型

随着XML成为网络信息表示和交换的标准以及不确定数据的广泛存在,不确定XML数据库管理技术成为了当今研究的热点。首先,允许XML文档叶子节点的信息值为丢失的或遗漏的空值,提出不完备的XML信息系统;其次,提出节点的相容关系、限制相容关系以及阈值相容关系等概念,基于粗糙集理论分别定义这3种关系对应的粗糙集模型;最后,通过实例分析表明,限制相容关系模型能克服相容关系模型分类粗糙的缺点,阈值相容关系模型通过合理地设置阈值可达到更好的分类效果,从而提高了对XML数据的预测、分类的精确度。     

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.     

粗糙集理论在处理不完全信息的应用

对不完全信息的处理相对于完全信息来说是一个比较难的问题。在过去几年里,已经提出了几种处理不完全信息的方法。本文在前人研究的基础上,进一步提出了一种利用粗糙集理论处理不完全信息的方法,该方法不仅能够对不完全信息系统进行属性约简,并且能够在此基础上对最简属性集中包含的不确定信息进行进一步的处理。