粗糙Vague集（值）相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

On vague logics and approximate reasoning based on vague linear transformation

As a generalisation of the Fuzzy Sets theory, vague set has been proven to be a new tool in dealing with vague information. In this article, we attempt to generalise the techniques of fuzzy inference in a vague environment. In the rule-based inference system, an ‘if?…?then?…’ rule can be considered a transformer that implements information conversion between input–output ends. Thus, according to the logical operations of vague linguistic variables, we introduce an approach to approximation inference based on linear transformation, and then discuss the representations for several inference structures regarding single rule, multi-rules and compound rules. By defining the inclusion function of vague sets, we provide vague rough approximation based on measure of inclusion, and then present a method on rule creation from a decision system. A case study on the prediction for welding deformation is used to illustrate the effectiveness of the proposed approaches.     

粗糙集理论及其在智能系统中的应用

粗糙集理论是一种新型的处理含糊和不确定知识的数学工具，在智能系统中得到了广泛的应用，介绍了经典粗糙集理论的基本思想，上下近似集、属性约简和核等基本概念以及粗糙集的研究现状．介绍了粗糙集理论在智能系统中的应用，主要包括基于粗糙集理论的属性约简作为数据预处理的手段，基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制．指出了粗糙集理论在应用中遇到的问题和可能的研究方向。     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

不完整Vague决策表中的近似集学习方法

含糊性和不可分辨性构成了决策表中不确定性的两个不同侧面,Ｖａｇｕｅ集作为当前模糊信息处理中的一个新兴研究课题,它具有强大的表达不精确数据的能力,然而针对它的学习方法却未见报导 ,大多数现有针对Ｖａｇｕｅ集的研究仍集中于对其本身性质的讨论,在介绍Ｖａｇｕｅ集的有关概念的基础上,借鉴了粗糙集中中有关近似集的概念,特别对不ａｇｕｅ决策表中的学习机制作了研究,解决了数据描述了不确凿时的学习问题,所给出的两     

多准则模糊决策的区间值Vague集方法

区间值（i-v）模糊集合和Vague集是不精确知识表达的两种新理论。他们已被广泛地应用于决策系统中对不确定决策数据的描述。因此在Vague集基础上给出i-v Vague集的相关概念及性质,并将实数型Vague集群决策上的记分函数方法扩展到i-v Vague集上,提出新的记分函数,并用实例比较改进的记分函数与各种记分函数方法的优劣性。     

一种粗糙集属性约简算法

基于粗糙集理论提出一种新的属性重要度的度量方法,引入决策强度的概念,克服经典粗糙集理论约简定义的不完备性及无法获得最优属性约简的缺陷,改进基于信息熵的启发式属性约简算法,通过对既有线CTCS-2级车站列控中心软件测试平台的测试数据的实证分析,成功获得最优属性约简,发现数据之间的潜在联系及规律,给出决策规则,使决策分析更为高效。     

On axiomatic characterizations of three pairs of covering based approximation operators

Rough set theory is a useful tool for dealing with inexact, uncertain or vague knowledge in information systems. The classical rough set theory is based on equivalence relations and has been extended to covering based generalized rough set theory. This paper investigates three types of covering generalized rough sets within an axiomatic approach. Concepts and basic properties of each type of covering based approximation operators are first reviewed. Axiomatic systems of the covering based approximation operators are then established. The independence of axiom set for characterizing each type of covering based approximation operators is also examined. As a result, two open problems about axiomatic characterizations of covering based approximation operators proposed by Zhu and Wang in (IEEE Transactions on Knowledge and Data Engineering 19(8) (2007) 1131-1144, Proceedings of the Third IEEE International Conference on Intelligent Systems, 2006, pp. 444-449) are solved.     

一种新区间值vague集及其在模式识别中的应用

基于现有定义证明了区间值vague集并非vague集的扩展,并提出了一种新的区间值vague集定义。证明了 vague集和区间值vague集都是新区间值vague集的特例。进而提出了带参数区间值vague集的概念,并从已知隶属 度和非隶属度出发,重点分析了带参数区间值vague集的构造。将模式识别与医疗诊断案例进行了对比。仿真实验 结果表明,带参数区间值的vague集方法比传统的vague集方法更全面且更具灵活性。     

覆盖Value集

覆盖粗糙集和Vague集都是处理不确定性问题的数学工具,它们分别是粗糙集和模糊集的扩展。已有的覆盖粗糙集模型在求上、下近似时,可能将一些实际上并非肯定属于给定集合的元素纳入到下近似中,而一些可能属于给定集合的元素却没有纳入到上近似中,这就会改变一些元素与给定集合的关系。通过深入分析论域中的元素与其相关覆盖元之间的关系,建立了覆盖Vague集。该覆盖Vague集能够从一种新的角度反映出论域中各元素与给定集合之间的从属程度。进一步研究了覆盖Vague集与覆盖粗糙集中一些重要概念之间的关系。最后讨论了当覆盖退化为划分时覆盖Vague集的特性。     

基于邻域粗糙集的航空发电机健康诊断方法

提出一种基于邻域粗糙集和支持向量机相结合的航空发电机智能健康诊断方法.采用专业健康试验平台对某型战斗机的真实航空发电机进行试验,得到转速、负载、油压等大量表征发电机健康状态的监测数据.引入数据挖掘思想,采用邻域粗糙集理论对监测数据进行属性约简,将约简后的属性集输入给所设计的支持向量机健康诊断器,对航空发电机的健康状态进行了诊断研究.研究表明,该方法能够很好实现对某真实航空发电机的健康诊断,具有较高的推广应用价值.     

一种连续属性离散化的新方法

提出了一种基于聚类方法、结合粗集理论的连续属性离散化方法。在粗集理论中有一个重要概念：属性重要度（Attribute significance)，它常用来作为生成好的约简所采用的启发式评价函数。受此启发，在连续属性离散化方法中可把它用于属性选择，即从已离散化的属性集中选择出属性重要度最高的属性，再把它和待离散化的连续属性一起进行聚类学习，得到该连续属性的离散区间。文中介绍了该方法的算法描述，并通过实验与其他算法进行了比较。实验结果表明，由于这种方法在离散化过程中结合了粗集理论的思想,考虑了属性间的相互影响，从而产生了比较合理的划分点，提高了规则的分类精度。     

Vague集信息融合理论在煤矿安全监测中的应用*

针对模糊信息融合的局限性,提出了基于vague集理论的多传感器信息融合方法。为了解决以往的vague集多目标模糊决策方法的缺陷,应用了一种新的多目标模糊决策的vague集方法,建立了基于vague集的多传感器信息融合模型,给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究,验证了该方法的有效性和正确性,从而验证了vague集理论在多传感器信息融合中的应用是更有潜力的新方法。     

基于互信息变化率的属性约简算法

属性约简是粗糙集理论中的基本内容之一,但获得决策系统的最小相对约简是一个NP问题。文章从信息论的角度,结合微积分中的变化率思想,定义了一种基于互信息变化率的属性重要性度量方法,然后在此基础上提出了两种相对属性约简的启发式算法。最后,通过实验结果证明该方法能有效地对决策系统进行约简。     

基于模糊粗糙依赖度的连续值属性约简

针对传统的离散化技术所造成的信息丢失问题,提出了利用模糊粗糙集理论来进行属性约简的方法。描述了模糊等价关系下的粗糙集模型,定义了正域、依赖度等概念,提出了基于模糊粗糙依赖度的属性约简算法,该方法比传统属性约简方法具有更好的时间复杂性,并用实例证明了该算法的可行性。     

一种基于改进粒子群的连续属性离散化算法

提出一种基于改进粒子群的连续属性离散化算法。该算法结合集群智能优化理论和粗糙集理论,将各属性离散化分割点初始化为粒子群体,通过粒子间的相互作用寻求最优离散化分割点。将提出的离散化算法应用于UCI数据集实验中,实验结果表明,该算法能使决策系统的信息损失降低到最小,并可获取更为简洁的决策规则。     

基于粗糙集联系度的数据挖掘算法及应用研究

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。将集对分析中的联系度概念应用于粗糙集中，说明了粗糙集联系度与下近似集和上近似集的值化的关系。文中分析了专家系统中规则抽取中存在的困难，用粗糙集理论和集对分析理论解决专家系统中规则的抽取和过滤问题，提出了一种新的规则提取方法，并给出了一个应用实例。     

一种直觉模糊粗糙集属性约简新算法

将信息熵理论与直觉模糊粗糙集结合起来,提出一种基于互信息的直觉模糊粗糙集属性约简新算法.给出了在直觉模糊环境下,基于互信息的属性重要度和属性依赖度的度量准则.本文所提出的算法以属性重要度和依赖度为双重度量标准,采取可增可删的双向回归算法,在保持分类精度不变的情况下,最后得到决策表的最小属性约简.实例表明在多属性的决策表约简中,在本文提出的算法得到的属性约简的基础上而得到的决策规则是较简捷、较完备的.     

一种基于概率粗糙集的属性约简加速算法

介绍了基于概率粗糙集模型的启发式属性约简算法,提出了概率粗糙集模型中的概率近似精度和改进概率近似精度的增量更新机制,通过比较概率近似精度的更新值得到属性核,然后通过比较改进概率近似精度的值逐步得到概率粗糙集中的属性约简。最后提出了一种概率粗糙集模型中属性核与属性约简的加速求解算法,并举例说明了所提算法的有效性和可行性。     

Knowledge acquisition in incomplete fuzzy information systems via the rough set approach

Abstract: Machine learning can extract desired knowledge from training examples and ease the development bottleneck in building expert systems. Most learning approaches derive rules from complete and incomplete data sets. If attribute values are known as possibility distributions on the domain of the attributes, the system is called an incomplete fuzzy information system. Learning from incomplete fuzzy data sets is usually more difficult than learning from complete data sets and incomplete data sets. In this paper, we deal with the problem of producing a set of certain and possible rules from incomplete fuzzy data sets based on rough sets. The notions of lower and upper generalized fuzzy rough approximations are introduced. By using the fuzzy rough upper approximation operator, we transform each fuzzy subset of the domain of every attribute in an incomplete fuzzy information system into a fuzzy subset of the universe, from which fuzzy similarity neighbourhoods of objects in the system are derived. The fuzzy lower and upper approximations for any subset of the universe are then calculated and the knowledge hidden in the information system is unravelled and expressed in the form of decision rules.