不完备信息系统一种新的粗糙集的性质

自从波兰数学家Pawlak提出粗糙集的概念与方法以来,粗糙集理论迅速发展,不完备信息系统作为粗糙集理论的一个重要研究方向,近年来取得了很多成果[1～6],特别是随着计算机科学的发展,不完备信息系统更是成了信息恢复、模糊关系数据库、医疗诊断、知识发现、机器学习、粗糙数据分析等人工智能领域的基础概念.Kryszkiewicz[2～4]提出了近似集的概念,替代完备信息系统中的等价类,得到了相应的粗糙集.本文提出了具有相同描述的支持集类构成的基本模块(称之为描述集类)以代替粗糙集中的相似类.所有的描述类构成了论域的覆盖,与相似集类相比有其更好的性质.     

基于潜意识的信息系统

目前针对不完备的信息系统而对经典的Rough集理论[1,2]作扩充的工作[3,6].但它们只是考虑了缺省值‘*’与各属性值域上所有元素的关系,没有考虑信息系统中各属性值域上可能与具体应用有关的联系.本文提出了基于潜意识的信息系统这一概念,将有关领域知识或对系统数据的先验分类与期望体现在其中,从而大大扩展了不完备的信息系统的内涵与应用范围;接着讨论了基于潜意识的信息系统的属性约简问题.     

粗糙随机信息系统可测性的研究

1 引言在知识发现、智能决策、综合评价和自动推理等应用领域,人们经常会遇到这样一类不确定性问题:某个需要处理的事件的出现带有随机性,但在寻找它出现的概率时却发现对它的描述不够精确,例如某些疑难病症的诊断、对知识产品的价值评价等。对于这类事件,由于缺乏足够的信息来精确描述这些事件,使得我们无法用通常的概率统计方法来准确地加以计算。我们称带有这样一类不确定性事件的信息系统为粗糙随机信息系统。文[1]中从概率论与粗糙集理论的结合中给     

基于粗糙集的知识粒度及粒度关系研究

本文基于粗糙集理论,针对不完备信息系统,提出了一种知识粒度的定义,并研究了知识粒度与信息熵的关系;提出了知识的相互支持度和知识的差异支持度的概念,并研究了二者之间的关系,为进行知识的度量和知识的评价提供了一种可行的方法。弄清楚知识的度量和知识相似程度的评价,一方面可以根据知识的粒度,从不完备信息系统中抽取符合一定粒度的知识;另一方面当进行知识融合时,可以比较融合后形成的知识库之间的差异相似程度,间接评价知识的完备性。     

在不完备信息系统中基于VPRSM的约简异常分析

属性约简问题的关键在于约简集合能否表达与原属性集完全一致的信息。分析了完备信息系统中基于变精度粗糙集模型属性约简异常出现的原因,并将其扩展到不完备信息系统中,在文献[1]的基础上,给出了不完备信息系统中基于集对分析的VPRSM的约简定义,既能保证在不完备信息系统中基于变精度约简的准确性,又能增加灵活性和容噪能力。     

改进集对粗集模型

粗糙集理论在数据挖掘中的成功应用已成为近来研究的热点,人们将经典粗糙集中的等价关系放宽后使粗糙集理论的运用更加广泛,但在不完备信息系统中的运用仍受到了限制。论文在文犤1犦的基础上利用集对联系度定义了不完备信息系统中集合的上、下近似运算,并得到比文犤1犦定义的近似运算更为完善的一些基本性质;通过实例说明了这种方法是可行的,在一定程度上将粗集用于研究不完备信息系统方面进行了推广。     

不完备信息系统下的变精度粗糙集模型及其知识约简算法

1 引言 Z.Pawlak提出的粗糙集理论,提供了一种新的知识获取手段,但是,应用经典粗糙集理论的一个重要前提是它的处理对象必须是完备信息系统。现实中,由于数据采集能力不足等原因又使得大量的信息系统是不完备的,因此需要对经典粗糙集理论进行必要的扩充。目前有两种扩充方法,一是间接处理方法,即先通过一种方式将不完备信息系统转化为完备信息系统,再使用针对完备信息系统的方法对其进行处理;二     

模糊属性集的粗糙上下近似研究

在知识发现和数据挖掘领域,粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题,两者都可利用观测数据表达知识,进行推理。论文针对传统粗集环境下知识表示模型用固定的属性及属性值来描述对象这一局限,提出利用模糊属性模型对知识表达系统进行信息描述,并给出了模糊属性集的粗糙上下近似模型。     

形式概念分析在不完备信息系统中的知识获取

在实际应用中,信息系统通常不满足完备性,直接采用经典粗糙集无法进行有效求解。针对该问题,在粗糙集中引入形式概念分析,通过探讨二者之间的关系,在不完备信息系统中提出了两大理论融合下的知识获取模型。在该模型中,首先将不完备信息系统转换为单值形式背景,提出了相容概念和相容概念格,然后基于相容概念对不完备信息系统中的一些常见问题(如上下近似算子、核、约简等)的求解进行了研究,最后探讨了相容概念在不完备决策表中的应用。该模型不仅对两种理论之间的融合研究进行了有益探索,而且为不完备信息系统中的一些基本问题求解提供了一种新的思路。     

基于不完备信息系统的决策规则及其获取算法

1引言 经典Rough集[1]理论以完备信息系统为研究对象,以等价关系为基础.在现实应用当中,由于数据对象属性值缺损和有可能取多值等引发的信息系统不完备现象广泛存在,难以引入等价关系,限制了Rough集理论向实用化方向发展.这就促使人们考虑将等价关系放宽为相容关系[2～5]和只满足自反性的一般二元关系[6].     

不完备信息系统中基于相容粒度计算的知识获取方法

研究在不完备信息系统(incomplete information system,IIS)中的知识获取已经成为近期粒度计算研究的热点方向之一.为探索一种高效的知识获取方法,基于相容粒度计算的基本原理,针对不完备信息系统的特点,提出了一种完整的知识获取算法.该算法包括不完备信息系统的属性约简算法和系统中对象的约简算法.其主要特点是在由完全覆盖构成的粒度世界中去研究知识的表示和获取问题,其基本粒就是最大相容类.对算法的性能进行了理论和实验分析,证明了算法的有效性和可行性.     

运用属性探索构建完备描述逻辑本体

分析描述逻辑本体构建的重要性和研究现状。针对描述逻辑本体构建中本体的完备性问题,研究属性探索算法在描述逻辑本体构建中的应用,分析目前运用属性探索算法构建本体时假设专家必须具备全部领域知识的不足,研究在领域专家不具备全部领域知识情况下的完备描述逻辑本体构建。在描述背景下给出描述逻辑本体完备性的定义,设置描述背景下的不完备背景,构造一种在不完备背景下领域专家不能判断属性集合间的蕴含关系的描述逻辑本体构建算法。该算法可与领域专家交互获取蕴含知识从而构建本体知识库,并且证明利用该方法构建的本体是完备本体。     

基于粗糙集的不完备信息系统的知识获取

根据不完备信息系统(IIS)的数据不完整或不完备的特性,从粗糙集(RS)等价类的概念出发,提出了基于粗糙集理论的不完整数据集知识获取方法,利用该算法不仅可以从不完整数据集中提取规则,并且能够解决在学习过程中对训练事例属性未知特征值的估计问题.最后,给出具体的算例利用所给的算法求得信息系统的知识获取,并对所得的结果进行比较,从而说明所给算法的有效性和实用性,也证实了该算法可以有效地应用于复杂工业过程的专家系统知识库的建立.     

海量数据下不完备信息系统的知识约简算法

面向大规模的数据进行知识约简是近年来粗糙集理论研究的热点。传统不完备信息系统的知识约简是假设在初始时将所有需要处理的数据一次性地装入内存中,这明显不适合处理海量数据,更不适合处理含有缺失信息的海量数据。为此,深入剖析了带有缺失信息的数据特征,把缺失属性的值用该属性所有可能的取值表示,并结合知识约简算法中的可并行性,从属性(集)的可辨识性和不可辨识性出发,并在MapReduce框架下设计了可用来处理不完备信息系统的知识约简算法。实验结果表明,该算法是有效可行的,能够对不完备信息系统中的海量数据进行知识约简。     

广义信息系统的属性约简

把完备信息系统、不完备信息系统、序信息系统、覆盖信息系统等常见信息系统统称为广义信息系统,采用新的知识表达形式将其知识结构进行统一表示,特别是将覆盖信息系统纳入了广义信息系统的框架之中。在广义信息系统中引入粒度熵的概念,对属性的重要性给出度量;在此基础上,提出一种广义信息系统属性约简的启发式算法,进而得到广义信息系统的知识约简,并给出了若干算例。     

分布约简与信息熵意义下的约简

1引言 粗糙集中的属性约简是在保持系统分类能力不变的条件下,通过删除那些不必要的、冗余的属性得到的条件属性集合,它可以在不丢失系统基本信息的基础上,简化信息,形成知识.信息熵是由Shannon提出的,基于统计意义的,用于度量信息的不确定性和随机性的重要概念,将粗糙集的方法与信息熵相结合,已经取得了众多成果[1].在实际的应用中,由于种种原因,得到的信息一般都会带有一定的不一致性,因此如何定义不一致信息系统中的属性约简,是一个重要研究的课题.除了传统代数意义下的属性约简之外,文[1]还提出了信息熵意义下的属性约简,文[2]在文[3]的分布约简的基础上提出了最大分布约简,并定义了相应的可辨识矩阵.本文主要对信息熵意义下的属性约简与分布约简和最大分布约简之间的关系进行讨论.     

不完备序信息系统的证据特征及属性约简

不完备有序信息系统粗糙集模型是经典粗糙集的扩展,利用优势关系代替等价关系能很好地处理含未知属性值和带有偏好关系的数据。研究了不完备序信息系统的证据特征,给出了不完备序上、下近似算子,并证明了二者分别与证据理论中的似然函数、信任函数相对应。进而提出了不完备序信息系统的[R]约简、信任约简以及似然约简的概念,探讨了它们之间的一致性,证明了[R]约简与信任约简是等价的,均是保持信任函数和的最小属性集合,得出了似然约简协调集必为[R]约简协调集的结论。     

一种描述逻辑SROIQ(D)的云模型扩展

客观世界存在大量的不确定性现象和知识。鉴于经典描述逻辑在表示不确定知识上存在一定缺陷,模糊描述逻辑在表示不确定知识时会丢失模糊性,为此,将云模型引入到描述逻辑SROIQ(D)中,实现对SROIQ(D)的云扩展,提出基于云模型的不确定描述逻辑C-SROIQ(D)。并给出其完整的语法、语义及知识库,从而实现了描述不确定性现象,保留了模糊性,还将模糊性和随机性相关联,丰富了描述逻辑的表达能力。     

基于拓展粗糙集的不完备表的规则挖掘及应用

实际应用中常存在缺省属性值的不完备信息系统,如何从不完备信息系统中挖掘有用规则是一个非常有价值的问题。粗糙集理论是一种有效的数据挖掘手段,但经典粗糙集缺乏对不完备信息系统的处理能力。在粗糙集拓展的基础上,设计出从不完备决策表中挖掘出有用规则的算法,并将其应用到银行贷款决策中不完备决策表的实例分析中。     

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具.应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来.根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种.本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法.