在不完备信息系统中上、下近似的模糊化

在不完备信息系统中,对象存在不确定性。基于对象的不确定性,讨论一种不完备信息系统中上、下近似的模糊化,即,上、下近似是论域上的一对模糊集合。一方面,在不完备信息系统中,集合的上、下近似由相似关系确定;另一方面,由于*的存在,使得对象具有不确定性。因此,首先定义了对象的不确定性程度和对象之间的相似度;然后利用对象之间的相似度,通过逻辑关系和相应的函数运算,分别给出了对象隶属于上、下近似集合的隶属度,形式地,该过程可理解为上、下近似集合的模糊化。实例分析说明在不完备信息系统中,考察对象对于上、下近似的隶属度能更直观、合理地反应对象隶属于某一集合的上、下近似的情况。     

集值信息系统基于优势关系下的知识约简

在集值信息系统中,把所有属性看成是一种准则,然后利用属性集值的取值分布定义了两种不同的优势关系,它们都是经典信息系统上优势关系的推广.针对这两种优势关系,给出了集值信息系统的知识约简与对象的相对约简的判定,定义了基于区分矩阵的区分函数,并利用布尔推理方法得到了这两种优势关系下的知识约简与对象的相对约简的具体操作方法.     

基于广义变精度粗糙模糊集模型的知识发现

介绍了广义Ziarko's变精度粗糙集模型和广义粗糙模糊集模型,找出了它们的不足.基于支集相对错误分类率及误差参数β(0≤β＜0.5),提出了广义变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与广义Pawlak's粗糙集模型、广义Ziarko's变精度粗糙集模型和广义粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性.     

广义变精度粗糙集模型中近似算子研究

定义了多数包含关系；借助引入的误差参数β（0≤β〈0．5），提出了基于后继邻域的广义变精度粗糙集模型的β上近似aprβX、β下近似aprβX、β边界bnrβX和β负域negrβX的定义；详细讨论了β上、下近似算子aprβX与aprβX的性质；从对偶性角度出发推广了β上近似、β下近似算子aprβX与aprβX，得到了两对对偶的上、下近似算子aprβX与aprβX和aprβX与aprβX；最后全面讨论了推广后的两对上、下近似算子APRβX与aprβX和aprβX与aprβX的性质，详细分析了它们同广义变精度粗糙集模型中上、下近似算子aprβX与aprβX和一般关系下的变精度粗糙集模型中上、下近似算子RβX与RβX的关系。     

改进的k-平均聚类算法研究

聚类算法的好坏直接影响聚类的效果。该文讨论了经典的k-平均聚类算法，说明了它存在不能很好地处理符号数据和对噪声与孤立点数据敏感等不足，提出了一种基于加权改进的k-平均聚类算法，克服了k-平均聚类算法的缺点，并从理论上分析了该算法的复杂度。实验证明，用该方法实现的数据聚类与传统的基于平均值的方法相比较，能有效提高数据聚类效果。     

粗糙集的拓扑结构

本文在Pawlak近似空间意义下研究粗糙集构成的拓扑空间。借助粗糙集的表示构造了粗糙拓扑空间，其中的开集为粗糙相等关系下的等价类；讨论了粗糙拓扑空间中的内部、闭包算子与近似空间中粗糙近似算子的关系，并给出了粗糙拓扑空间的拓扑基。     

基于包含度的决策表属性约简算法的研究

粗糙集理论是一种有效的信息处理工具,决策表属性约简是粗糙集理论研究的一个核心内容。利用RoughSet理论的相关知识,提出了一种基于包含度的决策表属性约简算法。与现有的决策表属性约简算法进行比较,它具有较低的复杂度和较强的可使用性。最后对UCI机器学习数据库中的例子进行约简的实验结果证明,它可以取得比较满意的效果。     

集值信息系统基于变精度相容关系的知识约简

借助于属性集值的相似程度在集值信息系统上定义了一种变精度相容关系,给出了这种变精度相容关系下目标协调集值信息系统的知识约简与判定,并讨论了相容水平对目标协调集值信息系统的知识约简的影响。     

自反、对称关系下近似算子的拓扑性质

研究一般论域下粗糙近似算子的基本性质,借助自反、对称关系下的近似算子构造了粗糙拓扑空间,并讨论了它与满足公理（clop）的拓扑空间的关系。     

模糊随机信息系统及其属性约简

属性约简是粗糙集理论研究的核心内容之一。在信息系统中引入模糊随机变量,给出了模糊随机信息系统的概念,定义了期望相关关系。基于该关系,讨论了模糊随机信息系统属性约简的判定和方法,并通过实例分析了相应方法的具体计算步骤。