基于不完备区间值信息系统的决策粗糙集

在不完备区间值信息系统中,提出一种基于极大相容类的决策粗糙集模型。首先,针对不完备区间值信息系统中属性相似度存在的缺陷,对属性相似度进行改进。其次,在不完备区间值信息系统中,由于容差关系下建立粗糙集模型存在冗余度高、分类精度低的问题,采用极大相容类代替等价类,结合贝叶斯最小风险决策原则,建立决策粗糙集模型。经证明,基于极大相容类建立粗糙集模型可有效提高分类精度。最后,基于正域分布不变的原则提出基于区分矩阵的属性约简算法并将该算法应用于实例。     

区间值信息系统在双精度容差关系下的约简

为了处理一般的区间值信息系统,给出了基于相离度的相似度定义,提出了基于相似度和相似率的双精度容差关系,讨论了在双精度容差关系下区间值信息系统的属性约简与判定,并给出了一种新的基于二进制辨识矩阵的属性约简算法,同时还分别讨论了相似度和相似率对区间值信息系统的属性约简的影响。通过实例分析说明了属性约简的具体操作方法和算法的有效可行性。     

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(α, λ)联系度容差关系的变精度粗糙集模型

基于传统粗糙集理论的方法不能有效地处理含噪音的不完备信息系统. 根据集对分析理论, 提出(α, λ)联系度容差关系. 将(α, λ)联系度容差关系与Ziarko提出的多数包含关系相结合, 提出变精度(α, λ)联系度粗糙集模型. 给出了该模型下基于正域相似度的启发式属性约简算法, 分析了算法的时间复杂度, 通过仿真实验验证了所提方法处理含噪音的不完备信息系统的有效性.     

基于可能度容差关系的多粒度粗糙决策分析方法

在不完备区间值决策信息系统中,针对可能度容差关系和多粒度决策粗糙集的各自优点,提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念,定义新的容差关系;然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型,给出模型的上下近似,并对相关性质和定理进行证明;最后以实例验证了模型的有效性与适用性。结果表明,通过调整属性相似度阈值◢ω◣,可使模型具有一定的容错能力和很强的分类能力。     

一种新的不完备食品信息系统评价属性相对约简算法

本文针对不完备食品信息系统提出了一种基于粗糙集理论的评价属性相对约简方法。本文利用粗糙集等价关系 的扩展,即容差关系为基础提出容差关系相似矩阵的概念。然后通过引入广义决策函数的限制来解决不完备信息系统约 简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,再利用属性在容差关系相似矩阵中出现的频率 给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简 速度。实验表明该方法是简单有效的。     

基于扩展容差关系的不完备信息系统属性约简

针对当前的邻域粗糙集多用于处理完备的信息系统,而非不完备的信息系统这一问题,提出了一种可用于处理不完备混合信息系统的扩展容差关系,并给出相关定义,使用容差完备度和邻域阈值作为限制条件计算扩展容差邻域,以此邻域为基础选择决策正域得到系统的属性重要性,并以该重要性作为启发因子给出基于扩展容差关系的属性约简算法。采用UCI数据集中的7组不同类型的数据集进行仿真实验,并分别与扩展邻域关系（EN）、容差邻域熵（TRE）、邻域粗糙集（NR）的方法进行比较,实验结果表明,该方法在保证分类精度的同时能够约简得到更少的属性。最后讨论了在扩展容差关系中改变邻域阈值对分类精度产生的影响。     

基于多粒度决策粗糙集的云计算产品分类方法

粗糙集理论中一个重要的研究课题是残缺区间决策系统。针对现有决策系统存在分类精度和质量较低的问题,结合可能性相似度容差关系的优良特性,并运用粗糙集理论,设计出一种新的多粒度决策模型。基于属性的视角,重新定义容差关系,并基于此方法,借鉴多粒度决策粗糙集具有一定容错能力和能够多层次处理数据的优势,结合粗糙集的优良特征,提出一种新的多粒度决策模型,然后着重讨论了多粒度决策粗糙集模型的基本性质和度量参数。最后通过云计算产品分类实例,验证了改进的多粒度决策粗糙集模型可有效提高对象的分类精度和分类质量。     

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。     

不完备信息系统下的L_A最大相容类粗糙集模型

目前处理不完备信息系统已经有了容差关系、相似关系等推广的粗糙集模型,以及这两种模型的改进形式。基于限制容差关系,提出了一种新的相容类的概念——LA最大相容类,并建立LA最大相容类粗糙集模型。通过对比分析得出LA最大相容类粗糙集模型可以获得更高的近似精度,并讨论了在此模型下属性的约简问题。     

不完备邻域决策粗糙集的最小化代价属性约简算法

目前的决策粗糙集研究主要集中在完备离散型信息系统,很少有对不完备连续型数据进行研究,考虑这一问题,提出一种不完备邻域决策粗糙集模型。首先在不完备连续型数据中引入了不完备邻域关系,然后利用该二元关系对传统的决策粗糙集进行重构,一种称之为不完备邻域决策粗糙集的模型被提出,同时基于决策代价原则,进一步地提出了最小化决策代价的属性约简算法。最后通过实验表明了所提出的算法具有更高的属性约简性能。     

区间决策粗糙集

考虑到实际决策问题中损失函数的"多值性"特征,从贝叶斯理论出发,将区间值损失函数引入决策粗糙集,提出区间值决策粗糙集模型。首先,讨论了在贝叶斯期望风险最小的决策语义下,区间值决策粗集理论基本模型的构建过程。其次,分析了区间值决策粗集理论的相关数学性质和准则。最后,通过一个石油投资问题来阐明区间值决策粗糙集模型的应用过程。     

基于矩阵的混合型邻域决策粗糙集增量式更新算法

决策粗糙集模型是当前粗糙集理论最为重要的研究分支之一.然而,由于现实环境下数据类型的复杂多样以及数据的动态更新,使得传统的决策粗糙集模型面临着一定的局限和不足,针对这一问题,提出一种混合型信息系统的邻域决策粗糙集模型,并设计出一种矩阵方法的邻域决策粗糙集增量式更新算法.首先,将传统的离散型决策粗糙集模型在混合型信息系统下进行推广,提出一种邻域决策粗糙集模型,使得该模型可以直接处理混合型的数据;然后,利用矩阵的方法重新表示该邻域决策粗糙集模型,同时,针对混合型信息系统对象增加和对象减少时的情形,通过矩阵研究邻域决策粗糙集模型的增量式更新,并从理论上证明这种增量式方法的高效性;最后,基于矩阵的增量式更新方法,提出混合型信息系统邻域决策粗糙集的增量式更新算法.实验分析表明所提出的增量式更新算法具有一定的有效性和优越性.     

Dominance-based rough set approach to incomplete interval-valued information system

Since preference order is a crucial feature of data concerning decision situations, the classical rough set model has been generalized by replacing the indiscernibility relation with a dominance relation. The purpose of this paper is to further investigate the dominance-based rough set in incomplete interval-valued information system, which contains both incomplete and imprecise evaluations of objects. By considering three types of unknown values in the incomplete interval-valued information system, a data complement method is used to transform the incomplete interval-valued information system into a traditional one. To generate the optimal decision rules from the incomplete interval-valued decision system, six types of relative reducts are proposed. Not only the relationships between these reducts but also the practical approaches to compute these reducts are then investigated. Some numerical examples are employed to substantiate the conceptual arguments.     

基于改进模糊决策粗糙集的最小化决策代价特征选择算法

模糊决策粗糙集是决策粗糙集理论在模糊集环境下的重要延伸,然而该模型对含噪声的数据不具有很好的容忍性。为此在传统的模糊相似关系中引入一个限定阈值,提出一种改进的模糊相似关系。在其基础上对原始的模糊决策粗糙集进行重构,提出一种改进的模糊决策粗糙集模型。根据不同的特征选择方式,利用所提出的改进模型设计出两种搜索策略的最小化决策代价特征选择算法。实验分析表明,该算法比传统算法具有更高的优越性。     

基于优势关系的粗糙集扩展研究

为了从多视角研究不完备信息系统中的粗糙集方法,论文分析了完备信息系统中的优势关系粗糙集和不完备信息系统中的扩展优势关系粗糙集,并以此为基础在不完备信息系统中提出了另一种扩展优势关系粗糙集。通过对新提出的粗糙集的性质进行分析,证明了其可以获得比扩展优势关系粗糙集更大的下近似和更小的上近似。     

覆盖多粒度梯形模糊数决策理论粗糙集模型

作为经典Pawlak粗糙集模型的推广,基于论域上的等价关系,针对风险决策分类问题,多粒度粗糙集已有研究。其特点是在力争决策的期望损失（亦称决策的条件风险）最小的条件下,比较客观地确定对象分类区域的概率描述临界值,进而进行对象的最佳分类决策。然而,在实际应用中论域上的等价关系很难把握,况且特征状态的风险损失往往带有某种不确定性。凡此,无疑在一定程度上限制了多粒度决策理论粗糙集的应用。对此进行了研究：提出了覆盖多粒度梯形模糊数决策理论粗糙集模型,分别就平均、乐观和悲观的情形进行了讨论和刻划;得到了覆盖多粒度梯形模糊数决策理论粗糙集与已有相关模型之间的关系;结果和算例表明了模型的广泛性。     

不完备信息系统下的属性约简算法

传统的粗糙集模型是处理完全信息系统的有力工具，但对于不完全信息系统却显得无能为力。因此对不完备信息系统的研究也是粗集理论研究领域之一。本文在M．Kryszkiewcz提出的一个容差关系的基础上提出改进，使之更加具有灵活性。然后以该改进模型为基础，运用属性重要性理论，给出属性约简算法，并通过一个实例来验证。最后将该算法和经典算法进行了比较。     

Graded dominance interval-based fuzzy objective information systems

Dominance interval-based fuzzy objective information systems are generalized models of single-valued fuzzy information systems. By introducing a graded dominance relation to dominance interval-valued fuzzy objective information systems, we establish a graded dominance interval-valued rough set model (RSM), which is mainly based on replacing the indiscernibility relation in classical rough set theory with the graded dominance interval-valued relation. Furthermore, in order to simplify knowledge representation and extract nontrivial simpler graded dominance interval fuzzy decision rules, we propose two attribute reduction approaches to eliminate the redundant condition attributes that are not essential from the viewpoint of graded dominance interval-valued fuzzy decision rules. These results are helpful for decision-making analysis in dominance interval-valued fuzzy objective information systems.