一种构造模糊隶属度的新方法

传统的模糊支持向量机隶属度函数是基于样本点到类中心点的距离进行设计的,这对非规则形状分布数据很不合理.在基于粗糙集和支持向量机建立入侵检测模型里,使用粗糙集理论挖掘出各条件属性对决策属性的影响决策程度,提出基于样本点与类中心点属性比较加权的新隶属度函数构造方法.该方法用于此模型,可以有效降低隶属度函数对样本集几何形状的依赖,能够有效地区分样本点、噪音点以及孤立点.实验表明,与支持向量机和传统基于类中心距离的模糊支持向量机相比,新的基于属性相关的隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法简单易行,运行速度快     

基于粗隶属函数的粗糙集模型的推广

通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。     

基于变精度粗糙直觉模糊集的决策规则获取

以直觉模糊目标信息系统为研究对象,以粗糙集和直觉模糊集为工具,以知识发现为目的,给出了从直觉模糊决策表中获取决策规则的一种有效方法。即通过对Pawlak粗糙隶属函数的定义进行推广,给出粗糙直觉模糊隶属函数,利用新的粗糙隶属函数,建立了变精度粗糙直觉模糊集模型。在此模型基础上定义了变精度粗糙直觉模糊集的近似质量和近似约简,由近似约简导出概率决策规则集,从而给出了直觉模糊决策表的概率决策规则获取方法。最后,以实例说明了这一方法的有效性。关键词：     

基于区间二型模糊决策粗糙集的三支决策方法

考虑到区间二型模糊数在描述高度不确定性信息方面的优势,将区间二型模糊数拓展到决策粗糙集中,提出两种区间二型模糊三支决策方法.在没有类标签的区间二型模糊信息系统中,解释损失函数与确定条件概率是需要解决的两个关键问题.首先,根据区间二型模糊数的性质,将其引入决策粗糙集中,为损失函数提供一种新的解释.其次,基于贝叶斯决策过程,构造区间二型模糊决策粗糙集的基础模型.然后,选取区间二型模糊数的组合排序与可能度排序,设计两种策略来推导区间二型模糊决策粗糙集的决策规则.对于条件概率,利用灰色关联分析方法对其评估.在此基础上,给出两种在区间二型模糊信息系统下的基于区间二型模糊决策粗糙集的三支决策方法.这两种方法不仅考虑了决策风险,而且给出了方案的排序结果和客观分类结果,补充完善了灰色关联分析的决策结果.最后,通过算例分析佐证所提出方法的有效性.     

相似度三支决策模糊粗糙集模型的决策代价研究

在三支决策模糊粗糙集模型中,一些学者基于相似度三支决策模糊粗糙集模型建立了目标函数来得到最优阈值对 $\left( {\alpha ,\;\beta } \right)$ 的计算方法,但在该过程的研究中,学者并没有在相似度三支决策模糊粗糙集模型中讨论关于决策代价的描述问题。基于模糊信息系统用新的函数来描述决策代价成为计算阈值对 $\left( {\alpha ,\;\beta } \right)$ 的一种方法,首先,在模糊信息系统中,通过建立一个描述决策代价的函数,将模糊信息系统中的模糊数与三支决策的决策代价联系在一起;然后对隶属频率进行拟合,得到了三支决策中决策代价的数值描述;最后,通过两个实例说明了该方法的可行性和适用性。     

直觉模糊集隶属度与非隶属度函数的确定方法

基于证据理论研究直觉模糊集隶属度和非隶属度函数的确定问题是一种新的思路.首先分析信任函数、似然函数与隶属度函数、非隶属度函数的互通性;然后给出广义基本概率分配(BPA)函数、广义信任函数和广义似然函数的定义;最后在这3个改进定义的基础上建立直觉模糊集隶属度函数、非隶属度函数模型,通过证明和实例验证了模型的正确性和有效性.     

基于直觉模糊集的三支决策模型

三支决策理论是处理不确定决策问题的重要理论基础,近年来其已成为国内外学者的研究热点。在决策粗糙集、三支决策和直觉模糊集理论的基础上,对基于直觉模糊集的三支决策的模型进行深入研究,提出了三支决策的两描述模型、三描述模型,然后将其拓展为一般模型。该一般模型使用犹豫度重新设计了阈值参数,通过隶属度函数对事件对象进行评估,最后用淮河表层沉积物中有机氯农药污染情况的真实例子来验证该模型的有效性。     

基于改进贝叶斯粗糙集和证据理论的决策信息融合方法

针对决策信息信息表中新对象的分类问题,提出一种基于改进的贝叶斯粗糙集和证据理论的决策信息融合方法.对传统的贝叶斯粗糙集进行改进,扩展到多决策类,定义了支持度的概念以此反映确切分类的对象所占的百分比.利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本概率分配函数,并利用证据合成法则对多个证据进行合成,以此进行决策.将上述方法应用于设备故障的诊断问题中,通过方法的对比验证了该方法实践应用的有效性.     

基于概率覆盖决策粗糙集模型的中医菜谱分析

针对营养决策表规则提取中规则矛盾多、覆盖样例冗余多,导致有效规则遗漏的问题,提出概率覆盖决策粗糙集模型.首先,对决策粗糙集相关理论进行简要介绍,给出对应的属性约简和值约简理论和算法.然后,在决策粗糙集基础上,提出概率覆盖模型,根据值约简需求提出一、二、三度覆盖矩阵,以解决规则矛盾和冗余问题.最后,通过中医菜谱数据提取营养学规则实验,证明所提模型可有效解决规则矛盾问题,相比其他常用规则提取模型,概率覆盖模型所得规则约简力度较高,矛盾个数较少.     

直觉模糊集隶属度与非隶属度函数的确定方法

基于证据理论研究直觉模糊集隶属度和非隶属度函数的确定问题是一种新的思路.首先分析信任函数,似然函数与隶属度函数,非隶属度函数的互通性;然后给出广义基本概率分配(BPA)函数,广义信任函数和广义似然函数的定义;最后在这3个改进定义的基础上建立直觉模糊集隶属度函数,非隶属度函数模型,通过证明和实例验证了模型的正确性和有效性.

     

多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案     

分段延迟代价敏感三支决策

决策粗糙集理论中,三支决策代价目标函数是典型的单调线性函数.然而,在实践经验中经常发现延迟决策的代价与决策概率之间的函数关系往往呈现非单调特性,决策粗糙集理论的经典代价敏感三支决策模型无法对上述非单调现象进行直接的建模和推理,导致决策粗糙集理论的应用受到了限制.为了求解这种具有非单调延迟代价的代价敏感三支决策问题,提出一种新型分段延迟代价敏感三支决策模型.该模型定义了具有单调递增和单调递减特性的两组延迟决策损失函数,并结合经典正负域决策损失函数构造了分段延迟三支决策代价目标函数体系、度量指标和分段决策策略;然后,基于条件概率、损失函数及基础度量指标之间关系的4种分段延迟代价敏感三支决策分类模式被提了出来,并且对相应的三支分类阈值进行了推理;最后,通过一组典型实例,验证了分段延迟代价敏感三支决策模型及其三支分类是可行的.     

多粒度决策粗糙集中的粒度约简方法

多粒度决策粗糙集模型是一种泛化的多粒度粗糙集模型,该模型结合决策粗糙集数据分析理论和多粒度思想,实现了在多个粒空间进行决策粗糙集理论的建模。在此基础上,利用贝叶斯决策理论具体分析了在多粒度粗糙集模型中乐观和悲观的融合策略下多个粒空间中的概率融合关系,推导出基于最大条件概率和最小条件概率的粗糙集近似表示,进而构建了乐观多粒度决策粗糙集模型和悲观多粒度决策粗糙集模型。在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。基于多粒度近似分布质量定义了多粒度决策粗糙集的粒度重要度,并且基于此给出了悲观和乐观融合策略α-下近似分布约简的粒度约简算法。通过实例验证了该算法的有效性。     

Bayes决策的概率型粗糙集模型

本文讨论了概率型粗糙集模型与Bayes决策方法的联系，建立了Bayes决策方法的概率型粗糙集模型，实现了粗糙集理论应用于Bayes决策的方法。     

覆盖概率粗糙集的模糊性

在经典覆盖近似空间中定义了论域上任意元素x的最小子覆盖,基于任意元素的最小子覆盖给出了覆盖粗糙集上、下近似新的描述,进而给出了已有覆盖概率粗糙集模型在最小子覆盖意义下的描述。同时,以覆盖概率粗糙集的粗糙隶属函数为基础,应用经典模糊集熵的概念讨论了覆盖概率粗糙集模糊性的度量。     

基于最大隶属度的区间概率灰色随机多准则决策方法

定义了一种灰色隶属函数.针对概率为区间数、准则值为区间灰数的灰色随机多准则决策问题,提出一种基于最大隶属度的决策方法.首先,运用区间数可能度排序向量将区间概率转化为点概率,并将其转化为无风险决策问题;然后,计算各方案在负理想方案到正理想方案上的灰色隶属度,并计算各方案准则值的相对灰度,进而根据灰色隶属度和相对灰度大小对方案进行排序;最后,通过算例验证了该方法的可行性和有效性.     

粗糙集的两种相似性度量

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具.在近似空间中,首先基于集合的上下近似给出了一种粗糙集间的相似度量方法.然后通过定义一种基于粗糙隶属函数的包含度,给出了另外一种粗糙集间的相似度量方法,并分别研究了这两种相似度量方法的有关性质.最后讨论了这两种相似度量方法之间的关系.     

直觉模糊序信息系统下变精度与程度的“逻辑且”粗糙集

通过综合考虑集合中元素的隶属度、非隶属度和犹豫度,定义了直觉模糊信息系统的加权得分函数。基于此得分函数,定义了直觉模糊信息下的优势关系,运用“逻辑且”的方式将变精度粗糙集和程度粗糙集结合起来定义了“逻辑且”粗糙集模型,并研究了其相关性质。最后,通过实例分析进一步体现了该研究的意义,为序信息系统的知识表示提供了新的理论基础。     

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。     

多重概率粗糙集模型

基于多重集合,对Z.Pawlak粗集意义下的概率粗糙集模型的论域进行了扩展,提出了基于多重集的概率粗糙集模型,即多重概率粗糙集模型,给出了该模型的完整定义、相关定理和重要性质,其中包括多重论域定义、多重概率粗糙近似集的定义及其各种性质的证明、多重概率粗糙集的近似精度定义、可定义集与属性约简的定义、多重集意义下的粗糙近似算子之间的关系及其与Z.Pawlak意义下的粗糙近似算子之间的关系等。多重概率粗糙集可充分反映知识颗粒间的重叠性,对象的重要度差别及其多态性,这样有利于用粗糙集理论从保存在关系数据库中的具有一对多、多对多依赖性的且具有不完全性或存在统计性的数据中挖掘知识。