粗集、S-粗集、函数S-粗集及其关系定理

针对Pawlak粗集理论的现况,着重介绍了S-粗集、函数S-粗集的定义、两种结构及对偶形式,详细讨论了S-粗集与Pawlak粗集之间的关系,函数S-粗集与S-粗集、Pawlak粗集之间的关系。最后给出了S-粗集理论的可应用领域。     

单向S-概率粗集

既考虑集合 的动态特性, 又考虑知识库中的统计信息, 提出了单向S-概率粗集. 讨论了单向S-概率粗集的动态特性, 为获得动态的决策规则奠定了基础. 给出了单向S-概率粗集的意义解释, 单向S-概率粗集是对经典粗集理论和单向S-粗集理论的进一步完善与发展.     

两个论域上的粗集结构

粗集理论是处理不精确和不确定的数据的工具,自Pawlak 提出了粗集理论后,粗集模型得到拓广,人们提出了许多新的粗集模型,在用特征函数的方法表示上下近似的基础上研究两个论域上的粗集结构。统一了粗集的各种推广模型,使得特征函数的方法与通常的集合论的方法形成互补,对粗集结构的简化及推理有帮助,可以加深对粗集结构的认识。     

粗集中上下近似运算的逻辑性质

1 引论近年来,粗集理论的实际应用与理论探讨已成为计算机科学中的一个热点问题。1995年Pawlak曾在文[6]中指出,粗集的逻辑性质研究将是今后粗集理论的一个重要同题。本文正是通过深入研究拓扑布尔代数与粗集的关系,给出了关于有限拓扑布尔代数的表示定理,从逻辑上全面刻画了粗集中上下近似运算这一核心概念。     

粗集理论在空间数据挖掘中的应用

粗集理论能支持数据挖掘与知识发现的多个步骤，如数据预处理、数据简化、规则生成、数据依赖关系获取等，为数据挖掘与知识发现提供了新的思路和方法。本文将粗集理论引入空间数据挖掘领域，介绍了粗集理论的基础理论和一系列方法，给出了应用实例，并探讨粗集理论在空间数据挖掘中的应用。     

广义近似空间粗模糊度研究

模糊粗集理论是粗集理论的重要推广,研究广义近似空间下模糊粗集的模糊性具有重要的意义。文章研究了由对象-属性值偶对构成的广义模糊近似空间下模糊集合的粗模糊度问题,给出了其模糊度表示,并讨论它的性质。     

变精度双向S-粗集及其应用

提出基于副集的双向S-粗集,变精度双向S-粗集;给出基于副集的双向S-粗集,变精度双向S-粗集的数学结构;给出变精度双向S-粗集的存在背景和意义解释。变精度双向S-粗集是对双向S-粗集理论的完善和发展。     

基于广义粗集覆盖约简的粗糙熵

在广义粗集覆盖约简理论中,由于集合的上下近似是由其覆盖约简来确定的,因此有必要寻求一种新的度量来刻画知识和粗集的粗糙性.通过引入信息熵以刻画广义粗集覆盖约简的知识粗糙性以及粗集粗糙性,提出了一种新的知识粗糙性和粗集粗糙性度量.得到知识粗糙熵和粗糙集的粗糙熵都随广义覆盖约简的变细而单调减少的结论,从信息论观点出发,对不完备信息系统粗集理论进行了探讨.     

不完备信息系统最大分布约简及规则提取算法

1引言 粗集理论知识约简一直是粗集理论的重要研究内容之一. 经典粗集理论以完备信息系统(数据值不存在缺损)为研究对象.人们以等价关系为基础,提出了多种知识约简算法[1～4].但要寻找一个信息系统的所有约简或最小约简是一个NP难问题,寻求高效的可行的约简算法仍然是粗集理论尚未完全解决的问题.     

三枝决策粗糙集

从贝叶斯理论出发,介绍基于三枝决策粗集理论。首先讨论在期望风险最小决策的语义下决策粗集理论基本模型的构建过程。其次,分析决策粗集三枝决策方法在不同概率区间犯错的可能性,并通过其与二枝决策及Pawlak粗集三枝决策的差异,给出决策粗集三枝决策方法优于其他两种决策方法的成立条件。最后,提供一种利用决策粗集三枝决策解决实际问题的方法。