相容关系下的覆盖粗糙集

为了更有效地覆盖粗糙集理论应用到数据挖掘领域,所以对相容关系下的覆盖粗糙集进行了一系列的探究。首先介绍了基于相容关系的覆盖的定义以及基于相容关系的覆盖的特例--最大相容类的集合生成的覆盖的一些性质;其次对相容关系下由所有最大相容类的集合生成的覆盖中的可约元进行了讨论,并对这个条件下覆盖是否为单一的覆盖进行了探讨;接着借助于最小描述提出了k-最简覆盖这个概念,并对其做了简单的探究;最后探究了一些评价相容关系下的覆盖粗糙集的数值标准,并且分析了绝对覆盖率和相对覆盖率相等的情况。     

几类相容粗糙集模型的研究

在经典粗糙集模型中,上、下近似满足很多好的数学性质,其中包括对偶性。在一般粗糙集模型中,这些性质中的某一些不再被满足。Yao给出了在一般粗糙集模型中定义上、下近似的新思路,即首先利用对象的邻域定义下近似（上近似）,然后再将上近似（下近似）定义为该下近似（上近似）的对偶。为保留经典粗糙集模型中一些好的数学性质,根据Yao的方法,在相容粗糙集模型中利用最大相容类对偶地定义了两类新的上、下近似概念,并讨论了它们的性质。对比发现,这两类新的上、下近似保留了大部分初始相容粗糙集模型中上、下近似所满足的性质,且有新的性质成立。     

基于相容粗糙集的图形图像信息预检索

粗糙集理论是一种分析不精确、不一致、不完备数据的有效工具,利用"相容粗糙集"的理论对图形图像进行预检索,对提高图形图像的检索效率具有一定的作用。本文基于相容粗糙集的图形图像信息预检索进行了研究。     

一种相容粗糙集神经网络在某歼击机障诊断中的应用

本文介绍了粗糙集理论的基本概念,并把粗糙集理论中隶属度函数的概念运用到神经网络的设计中,建立了一种基于相容粗糙集的神经网络故障诊断系统.以某型歼击机故障诊断为例,实验仿真结果表明该方法提高了故障诊断准确率和效率.     

变精度相容粗糙集模型

将变精度粗糙集的思想引入相容粗糙集,提出了两种变精度相容粗糙集模型,在模型I中,目标概念的下近似和边界域的交集非空;在模型II中,目标概念的下近似和边界域的交集为空。研究了两种模型中上、下近似算子的基本性质、两种模型之间的关系,以及与其他粗糙集模型之间的关系。     

基于相容粗糙集的改进的基因特征选择方法

在基因表达数据中,有效的基因选择方法是癌症基因数据研究的重要内容。粗糙集是一个去掉冗余特征的有效工具。由于基因表达数据的连续性,为了避免运用粗糙集方法所必须的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选择,提出基于相容粗糙集的基因特征选择方法,并在此方法基础上进一步对粗糙集的边界域进行研究,提出了基于相容粗糙集的改进的基因特征选择方法。在两个标准的基因表达数据上进行实验,结果表明与传统的基因特征选择方法相比,所提方法能够有效提高分类精度。     

基于相容粗糙集的图形图像信息预检索

早期的利用粗糙集理论进行信息检索都是以“等价粗糙集模型”为基础的，但是等价粗糙集的性质限制了该方法的应用范围，为此有些研究者提出以“相容粗糙集模型”代替“等价粗糙集模型”的新的信息检索的概念，此概念的关键在于“关键词的同时发生”和关于相容粗包含的“匹配算法”，提出了一种利用“相容粗糙集”的理论对图形图像进行预检索的新方法，即在相容类的近似空间里对图形图像进行预检索。为了验证这种新方法的有效性，在人脸图形和图像库中做了若干实验，实验结果表明，该方法可以有效地克服等价粗糙集在图形图像检索方面的限制，对提高图形图像的检索效率具有一定的作用。     

基于相容关系的基因选择方法

有效的基因选择是对基因表达数据进行分析的重要内容。粗糙集作为一种软计算方法能够保持在数据集分类能力不变的基础上,对属性进行约简。由于基因表达数据的连续性,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选取,提出了基于相容关系的基因选择方法。首先,通过i检验对基因表达数据进行排列,选择评分靠前的若干基因;然后,通过相容粗糙集对这些基因进一步约简。在两个标准的基因表达数据上进行了实验,结果表明该方法是可行性和有效性的。     

基于粗糙集的不完全相容的关联规则挖掘

设定结论域对于关联规则的挖掘具有重要意义,文章提出一种带结论域不完全相容的关联规则挖掘模型,采用将决策表分解为完全相容与完全不相容的决策表,通过条件属性约简和规则约简,实现关联规则的极小化。     

基于相容矩阵的粗计算

基于等价关系的经典粗糙集理论已取得了极大进展.但现实中的等价关系要求过于严格.因此,可将其放宽为相容关系.粗糙集理论中的粗计算方法一直是该理论的重要研究内容.本文在基于相容关系的基础上提出了相容矩阵的概念,建立了相容关系和相容矩阵间的一一对应关系,通过矩阵计算来刻画粗分析中的一系列计算方法;并利用相容矩阵提出了不完备信息系统的属性约简启发式算法,分析了算法的时间复杂度.通过实例说明了该方法是适用而有效的.     

基于程度不可区分关系的粗糙集模型

不可区分关系是粗糙集理论的基础。针对信息系统,提出了程度不可区分关系的概念来刻画信息系统中对象的可区分性程度的差异。提出了基于程度不可区分关系的粗糙集模型,并讨论了模型的基本性质,最后研究了基于程度不可区分关系的粗糙近似算子与Pawlak近似算子的关系。     

一种广义直觉模糊粗糙集模型

Atanassov直觉模糊集是对Zadeh模糊集最有影响的一种扩充和发展。为进一步拓展Pawlak粗糙集对多重不确定性信息的处理能力,将直觉模糊集引入粗糙集,采用构造性方法提出了一种广义直觉模糊粗糙集模型。首先,介绍了直觉模糊集在一个特殊格上的等价定义,对直觉模糊近似空间的两个基本要素(直觉模糊逻辑算子和直觉模糊关系)进行了研究,证明了一些重要的性质定理;在此基础上,建立了等价关系下的直觉模糊粗糙集模型;最后,对所提模型的性质进行了分类验证与讨论。     

基于相似Rough集的模糊检索策略

Ｒｏｕｇｈ集理论作为一种具有模糊边界的集合理论，被广泛运用于不确定环境下的信息处理。文章探讨了一种基于相似关系Ｒｏｕｇｈ集的模糊查询技术，它是对普通Ｒｏｕｇｈ集在数据库中应用的推广，能有效地提高查询的灵活度及效率。     

Rough Set Models on Two universes

This paper focuses on rough set models on two universes and reveals some new properties. A revised rough set model is proposed which provides a new selection of interval structures for uncertain reasoning using rough set theory and methods.     

基于粗糙集理论的数据清洗模型

本文在基于粗糙集理论的基础上提出一个大数据系统的数据清洗模型,以利于信息不完备决策问题的实施。模型从给定的初始数据出发,在假定属性的重要性量度σ0的前提下,经过一系列的计算,比较属性实际重要性量度σCD（x)与σ0的大小,由此确定属性x的清洗,然后根据清洗后的数据的出相应的决策规则。并给出一个简单的例子来验证数据清洗模型。     

基于强对称关系的广义粗糙集模型

粗糙集的公理化是该理论研究的重要课题之一。文中在分析对称关系下粗糙近似算子的特征公理基础上,提出强对称二元关系。对比等价关系的性质,讨论该二元关系的一些重要特征,给出对称关系成为强对称关系的充要条件,并研究其下广义粗糙集的性质,得到强对称关系下粗糙近似算子的公理化特征。利用相应的特征公理与精确集之间的联系,探讨一般二元关系下论域中精确集的一些重要特征,对拓广粗糙集理论及其应用提供一定帮助。     

Study of Grey Rough Set Model Based on Tolerance Relation

This paper analyses several extended rough set models in incomplete information systems and proposes a tolerance relation based model of processing grey incomplete information systems, which is an extension to rough set models. The method of the model is: firstly partitioning the original incomplete information system by introduced threshold value, then establishing tolerance classes through grey tolerance relation and obtaining upper and lower approximations through these tolerance classes. Moreover, a method of whitening grey numbers based on grey tolerance relation is given. This paper shows that the model accords with practice according to examples and the algorithm of whitening grey numbers is also comparatively ideal. The more important point is that the subjective needs are considered during partitioning grey tolerance classes by introducing threshold value. So it is consistent with the system methodology of person-oriented person-to-machine communication.     

基于相容关系的粗糙模糊集的扩展

对Pawlak的粗糙集模型进行了扩展，提出了基于相容关系的粗糙模糊集模型。分别用相容核和相容关系构造了邻域算子m（x）和r（x），来代替粗糙集中的等价类[x]，从而形成了两种基于相容关系的粗糙模糊集模型。并对这两种模型刻画观察对象的粗糙度ρR（A）和关于参数α，β的粗糙度ρA^α.β分别做了比较，证明了基于m（x）的ρR（A）和ρA^α.β都小于基于r（x）的。     

基于限制非对称相似关系的粗糙集模型

基于不可分辨关系的粗糙集理论不适用于含未知值的不完备信息系统.需要将经典的粗糙集理论不可分辨关系加以扩充才能处理不完备信息系统.目前已经提出了基于容差关系、量化容差关系、限制容差关系、非对称相似关系等的扩充粗糙集理论.但是,这些理论还存在一些局限性.文章提出了一种新的基于限制非对称相似关系的粗糙集扩充模型.理论分析和实验证明,与其它模型相比,可以从基于限制非对称相似关系模型的近似集中获取更多的信息.     

基于Rough Set理论的一种属性值约简算法

属性值的约简是Rough Set理论的核心内容之一。它的口的就是在保持规则集的分类能力的条件下,删除多余属性值,进一步简化规则集。从而,得到最小的知识库。本文针对Rough Set理论中值约简这个重要问题进行了研究,提出了一种利用决策规则质量的属性值约简算法。该算法比现有的值约简算法更简化,并用实验证明了其有效性。