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.     

基于知识粒度的粗糙集的不确定性度量

粗糙集的不确定性与其所在近似空间知识粒度的大小密切相关.提出了近似空间中集合的相对知识粒度的概念.基于相对知识粒度的粗糙集的粗糙性度量既刻画了近似空间对粗糙集不确定性的影响,又去除了负域的干扰.从边界熵的角度提出了一种粗糙集的模糊性度量.随着近似空间知识粒的细分,粗糙集的粗糙度与模糊度均单调递减.     

格值信息系统的粗糙熵与不确定度量

在格值信息系统中引入知识粗糙熵、粗集粗糙熵与不确定度量的概念,得到了相应的重要性质。证明了在格值信息系统中,知识粗糙熵随着知识颗粒变大、分类变粗而单调增大,或者随着知识颗粒变小、分类变细而单调减小。进一步通过讨论它们之间的联系说明了粗集的粗糙熵可以更精确地度量粗集的粗糙程度。这些结论为格值信息系统的知识发现奠定了一定的理论基础。     

一种覆盖粗糙模糊集模型

粗糙集扩展模型的研究是粗糙集理论研究的一个重要问题.其中,基于覆盖的粗糙集模型扩展是粗糙集扩展模型中的重要一类.覆盖近似空间中的概念近似是从覆盖近似空间中获取知识的关键.目前,研究者对覆盖近似空间中经典集合的近似进行了较多的研究.针对覆盖近似空间中模糊集合的近似,虽然不同的覆盖粗糙模糊集模型被提了出来,但它们都存在不合理性.从规则的置信度出发,提出了一种新的覆盖粗糙模糊集模型.该模型修正了已有模型中存在对象在下近似中不确定可分和上近似中不近似可分的问题.分析了具有偏序关系的两个覆盖近似空间中上、下近似之间的关系,发现两个不同覆盖生成相同覆盖粗糙模糊集的充要条件是这两个覆盖的约简恒等.分析了新模型与Wei模型、Xu模型之间的关系,发现这两种模型是新模型的两种极端情况,且其应用前提是覆盖为一元覆盖.这些结论将为覆盖粗糙模糊集模型应用于决策为模糊的情形提供理论基础.     

一种覆盖粗糙模糊集模型

粗糙集扩展模型的研究是粗糙集理论研究的一个重要问题.其中,基于覆盖的粗糙集模型扩展是粗糙集 扩展模型中的重要一类.覆盖近似空间中的概念近似是从覆盖近似空间中获取知识的关键.目前,研究者对覆盖近似空间中经典集合的近似进行了较多的研究.针对覆盖近似空间中模糊集合的近似,虽然不同的覆盖粗糙模糊集模型 被提了出来,但它们都存在不合理性.从规则的置信度出发,提出了一种新的覆盖粗糙模糊集模型.该模型修正了已 有模型中存在对象在下近似中不确定可分和上近似中不近似可分的问题.分析了具有偏序关系的两个覆盖近似空 间中上、下近似之间的关系,发现两个不同覆盖生成相同覆盖粗糙模糊集的充要条件是这两个覆盖的约简恒等.分 析了新模型与Wei 模型、Xu 模型之间的关系,发现这两种模型是新模型的两种极端情况,且其应用前提是覆盖为一 元覆盖.这些结论将为覆盖粗糙模糊集模型应用于决策为模糊的情形提供理论基础.     

覆盖近似空间的约简理论

覆盖近似空间是对Pawlak的近似空间的一种扩展,Bonikowski研究了覆盖近似空间下的Rough近似及其性质,William提出了覆盖近似空间下的绝对约简,该约简能够在保持近似空间的知识不减的情况下简化近似空间。定义了覆盖近似空间下的相对约简,该约简旨在得到支持度最大的分类知识,并且发现在约简前后覆盖近似空间的分类能力保持不变。基于此提出了覆盖近似空间的知识约简框图及算法,该算法能够去除近似空间中的绝对冗余知识和相对冗余知识。     

基于双论域笛卡尔积的粗糙熵与知识粒度

基于笛卡尔积,确立双直积论域覆盖空间,并研究其中的粗糙熵与知识粒度.首先,将双论域近似空间诱导出两个单论域覆盖空间,构建双直积论域覆盖空间.将双论域粗糙熵与知识粒度定位于一个单论域覆盖空间.通过结构模拟与粒替换,确定对称单论域覆盖空间与双直积论域覆盖空间的粗糙熵与知识粒度.对于三套双度量,得到相关的双量和、上下确界、粒化单调性及三支线性组合性.最后,通过数据模拟与仿真实验验证度量构建与理论性质的有效性.     

模糊决策表中获取概率规则的扩展VPRS方法

为了从模糊近似空间中获取用于概率决策的规则,在决策类的粗糙近似中,通过应用λ-截集,将模糊不可分辨关系转化为等价关系,提出一种可从模糊决策表中获取概率规则的扩展变精度粗糙集方法.讨论了其中的一些集合理论性质,并对输出类别的模糊粗糙性给出了距离度量和熵度量两种模糊度量方法.研究结果表明,该方法可从模糊、不完备且有噪声的数据库中发现知识.     

多粒度空间与知识推理

旨在建立起多粒度空间中粗糙近似算子与知识推理中认知算子之间的一一对应关系,从而给出多粒度空间中粗糙近似算子更为合理的语义解释。对于任意逻辑公式,通过分析其语义集与加了认知算子后的语义集之间的关系,证明了全知算子EG对应于多粒度空间中模型AIU中的下近似算子,公共知识认知算子CG对应于模型RU中的下近似算子,分配知识认知算子DG对应于模型RI中的下近似算子,所得结论是模态逻辑与Pawlak粗糙集之间对应关系在多当事人环境下的推广。     

区间直觉模糊粗糙集的不确定性研究

对区间直觉模糊信息系统中近似集的不确定性进行了研究,给出了区间直觉模糊粗糙集的不确定性度量公式。首先在区间直觉模糊近似空间中,定义了一对具有对称性的新的区间直觉模糊上、下近似算子;其次给出了区间直觉模糊集粗糙隶属函数的定义并讨论了相关性质;最后利用区间直觉模糊粗糙隶属函数的区间直觉模糊熵,定义了区间直觉模糊粗糙集的模糊熵,并讨论了区间直觉模糊粗糙集的模糊熵为零的充要条件,证明了在区间直觉模糊近似空间中经典集合和它的余集的粗糙度量是相等的,以此说明定义的合理性。     

A new measure of uncertainty based on knowledge granulation for rough sets

In rough set theory, accuracy and roughness are used to characterize uncertainty of a set and approximation accuracy is employed to depict accuracy of a rough classification. Although these measures are effective, they have some limitations when the lower/upper approximation of a set under one knowledge is equal to that under another knowledge. To overcome these limitations, we address in this paper the issues of uncertainty of a set in an information system and approximation accuracy of a rough classification in a decision table. An axiomatic definition of knowledge granulation for an information system is given, under which these three measures are modified. Theoretical studies and experimental results show that the modified measures are effective and suitable for evaluating the roughness and accuracy of a set in an information system and the approximation accuracy of a rough classification in a decision table, respectively, and have a much simpler and more comprehensive form than the existing ones.     

基于容差关系的加权知识粗糙熵

粗集理论为从信息论角度研究知识粗糙熵和属性约简问题提供了一种重要的途径和方法。本文提出了基于容差关系下的不完备信息系统加权的知识熵和条件熵概念，将等价关系下的粗糙熵自然地推广到不完备信息系统的容差关系情形。本文的结果为在一般二元关系下的知识获取提供了理论依据。     

不完备模糊目标信息系统粗集模型与知识约简

在不完备信息系统和模糊目标信息系统的基础上，将不完备近似空间和模糊目标信息系统有机地结台起来，提出了不完备模糊目标信息系统的概念；同时还给出了不完备模糊目标信息系统的粗糙集模型，该模型是完备模糊目标信息系统和经典目标信息系统粗糙集模型的推广。还给出了系统知识约简的一些相关概念及其辨识矩阵的知识约简方法。     

Rough set theory for the interval-valued fuzzy information systems

The notion of a rough set was originally proposed by Pawlak [Z. Pawlak, Rough sets, International Journal of Computer and Information Sciences 11 (5) (1982) 341-356]. Later on, Dubois and Prade [D. Dubois, H. Prade, Rough fuzzy sets and fuzzy rough sets, International Journal of General System 17 (2-3) (1990) 191-209] introduced rough fuzzy sets and fuzzy rough sets as a generalization of rough sets. This paper deals with an interval-valued fuzzy information system by means of integrating the classical Pawlak rough set theory with the interval-valued fuzzy set theory and discusses the basic rough set theory for the interval-valued fuzzy information systems. In this paper we firstly define the rough approximation of an interval-valued fuzzy set on the universe U in the classical Pawlak approximation space and the generalized approximation space respectively, i.e., the space on which the interval-valued rough fuzzy set model is built. Secondly several interesting properties of the approximation operators are examined, and the interrelationships of the interval-valued rough fuzzy set models in the classical Pawlak approximation space and the generalized approximation space are investigated. Thirdly we discuss the attribute reduction of the interval-valued fuzzy information systems. Finally, the methods of the knowledge discovery for the interval-valued fuzzy information systems are presented with an example.     

不完备模糊决策信息系统的粗集模型与精度约简

在不完备信息系统和模糊决策信息系统概念及其粗集模型的基础上，本文提出了不完备模糊决策信息系统的概念，给出了不完备模糊决策信息系统的粗糙集模型，它既不同于不完备近似空间上的信息系统又不同于完备空间上的模糊决策信息系统。该模型是完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广。文中还给出了系统的精度约简概念及其约简算法。     

信息系统中的知识距离与知识粗糙熵

本文基于知识即划分的观点，证明了论域中所有知识构成一个距离空间，研究了知识距离空间中知识距离的一些性质，并应用知识距离度量信息系统中知识的粗糙熵。这些结果有利于更加深刻地分析信息系统中知识间的关系和知识的粗糙性。     

Knowledge granulation, knowledge entropy and knowledge uncertainty measure in ordered information systems

In this paper, concepts of knowledge granulation, knowledge entropy and knowledge uncertainty measure are given in ordered information systems, and some important properties of them are investigated. From these properties, it can be shown that these measures provides important approaches to measuring the discernibility ability of different knowledge in ordered information systems. And relationship between knowledge granulation, knowledge entropy and knowledge uncertainty measure are considered. As an application of knowledge granulation, we introduce definition of rough entropy of rough sets in ordered information systems. By an example, it is shown that the rough entropy of rough sets is more accurate than classical rough degree to measure the roughness of rough sets in ordered information systems.     

基于SPA的不完备信息系统单向迁移粗糙集模型

利用集对分析(SPA)方法，定义带有元素单向迁移不完备信息系统中集合的上、下近似，给出了不完备信息系统的单向迁移粗糙集模型及其数学结构，并通过实例说明了不完备信息系统的单向迁移粗糙集存在的意义。不完备信息系统的单向迁移粗糙集是对完备信息系统单向S-粗集和不完备信息系统粗糙集理论的完善和发展。