多粒度粗糙集与多源信息系统中的粗糙集模型

多粒度粗糙集模型建立在一族而非仅仅一个不可分辨关系的基础上的,而多源信息系统中的粗糙集模型则是在一族而非仅仅一个信息系统中构建的.证明乐观多粒度下近似与多源信息系统中的弱下近似等价,乐观多粒度上近似与多源信息系统中的强上近似等价,悲观多粒度下近似与多源信息系统中的强下近似等价,悲观多粒度上近似与多源信息系统中的弱下近似...     

多粒度空间中的粗糙隶属度与知识粒度

以一族等价关系所构成的多粒度空间为研究对象,在乐观和悲观多粒度粗糙集模型的基础上,给出两种多粒度粗糙隶属度函数以重构乐观和悲观多粒度粗糙集。从多粒度空间中一族等价关系的交集和并集出发,定义多粒度空间上的两种知识粒度,并将这两种知识粒度作为启发式信息,分别构建启发式算法以删除多粒度空间中的冗余粒空间。     

特征函数描述下的多粒度覆盖粗糙集及其不确定性度量

多粒度粗糙集模型是粒计算研究领域的一个热点.本文在覆盖粗糙集模型最小描述交的基础上定义了支持特征函数,设计了广义、悲观和乐观三种新的多粒度覆盖粗糙集模型,并探讨了这三种模型的相关性质.同时,分别从上、下近似及边界域的角度出发,提出了两类度量多粒度覆盖粗糙集不确定性的计算方法,并讨论了在阈值变化情况下不同度量的变化情况.最后,此次研究在4个UCI数据集上进行了相关实验,实验结果验证了方法的有效性和可行性.     

模糊多粒度粗糙集约简方法研究

多粒度是近年来粗糙集领域研究的一个热点方向,而粒度约简是其中的一个核心问题。为了使得多粒度粗糙集能够用于处理连续型数据,引入模糊概念,构建了基于模糊等价关系的悲观多粒度模糊粗糙集模型,并进一步给出了粒度重要度的度量方法,设计一种基于启发式的粒度约简算法。以UCI(University of California Irvine)中3组数据集进行分析,实验结果表明所设计的算法能够在保持分类准确率不发生较大变化的情况下约去冗余的粒结构。     

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。     

覆盖空间下粗糙集和Vague软集融合方法研究

针对覆盖近似空间下粗糙集、Vague集和软集3种不确定性理论方法融合扩展的问题,提出了一种新的基于近邻域的覆盖粗糙Vague软集模型,并讨论了相关性质。又针对该模型的不确定性度量问题,定义了一种新的覆盖粗糙Vague软集的不确定性度量方法。该方法通过引入覆盖粒度空间下知识熵的概念定义覆盖粒度空间的不确定程度,同时采用粗糙度定义覆盖粗糙Vague软集本身的粗糙性,最后将二者结合度量覆盖粗糙Vague软集的不确定性程度。算例分析表明,该度量方法是有效可行的,并且随着覆盖粒度的增大覆盖粗糙Vague软集的不确定性程度也随之增大。覆盖粗糙Vague软集模型在胃电信号(EGG)分析及胃疾病辅助诊断问题研究中有很好的应用前景。     

基于多粒度粗糙决策下的属性约简算法

知识约简是粗糙集研究的内容之一,粒度计算问题结合粗糙集的理论和应用可以解决一些问题.在一个由信息系统构成的多粒度数据集上,利用提出的Seeking Common Ground While Eliminating Differences(SCED)模型和给出的算法,较好地解决了一些多粒度下的属性约简,所给出的实例从时间复杂度上也充分说明了模型和算法的有效性.     

变精度覆盖粗糙集模型近似算子的性质

变精度覆盖粗糙集模型是在放宽了覆盖标准的前提下给出的,因而导致近似算子发生了变化.在介绍了覆盖粗糙集模型和变精度覆盖粗糙集模型的概念的基础上,给出并证明了变精度覆盖粗糙集模型的近似算子的几个性质,即定理1、定理2、定理3及其推论.     

基于直觉模糊的双误差"逻辑与"多粒度粗糙集

在直觉模糊信息系统下,同时考虑相对和绝对的双误差,研究变精度与程度的"逻辑与"粗糙集,提出基于直觉模糊的变精度与程度"逻辑与"乐观多粒度和悲观多粒度粗糙集的上下近似集定义。在此基础上,定义一种新型二进制矩阵来计算多粒度粗糙集的上下近似集,并提出通过矩阵计算上下近似集的若干理论,最后通过案例分析验证所提理论的正确性。     

基于覆盖的变精度粗糙集模型

Pawlak粗糙集理论是以等价关系为基础的,而现实中大量存在着非等价关系,如允许有分类误差的情况,此时经典的粗糙集理论模型的应用受到限制。为了使粗糙集理论有更大的应用空间,推广粗糙集模型,作者提出了基于覆盖的变精度粗糙集模型,给出了几个相关的重要概念,并用公理化的方法研究了覆盖的变精度粗糙集近似算子的一些重要性质。     

基于泛系等价算子的粗集概念扩展

利用泛系中的等价算子把一般的二元关系转化为等价关系,提出了泛系粗集的概念,使粗集可以处理基于非等价关系的问题,扩展了粗集的应用范围,为信息不完全问题的处理提供了思路,并讨论了几种特定等价算子的特点。     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、Rough信息处理等研究方向.     

变异粗集与它的过滤特性

利用变异粗集的概念，提出了变异粗集粒度、过滤度的概念，讨论了变异粗集（X_（a），X^-（a））与Z．Pawlak粗集（R_（X），R^-（X））的粒度、过滤度的关系特征，给出了变异粗集粒度、过滤度的单调性定理。本文的讨论是对变异粗集理论的丰富与发展.     

变异粗集与它的过滤特性

利用变异粗集的概念,提出了变异粗集粒度、过滤度的概念,讨论了变异粗集(X-(α),X-(α))与Z.Pawlak粗集(R-(X),R-(X))的粒度、过滤度的关系特征,给出了变异粗集粒度、过滤度的单调性定理.本文的讨论是对变异粗集理论的丰富与发展.     

基于模糊集和粗糙集理论的企业免疫力评价

借鉴免疫学理论,在前人研究的基础上,对企业的免疫力进行了初步探讨,并构建了企业免疫力评价指标体系。将模糊集与粗糙集理论有机结合起来,运用模糊识别对指标进行模糊定性,运用粗糙集依赖度理论进行属性约简,并赋予属性权重,建立综合评判式。最后通过实例验证了该方法的实用性和可行性,为企业免疫力的评价提供了新的思路。     

概率粗糙集Ⅲ型与Ⅳ型之研究

经典粗糙集理论在解决系统不确定性知识时有明显的不足,对于不协调的决策表的规则提取存在很大的局限性.因此许多学者从不同的角度如变精度、概率论、模糊集来拓展其研究领域.概率粗糙集是从概率论出发,充分利用近似边界区域提供的统计信息,能提取带有确定因子的决策规则.概率粗糙集Ⅲ型与Ⅳ型是其后两种形式.论文推导了概率Ⅲ型与Ⅳ型的若干定理及重要性质,并予以证明;把最小风险Bayes决策转化为概率Ⅲ型与Ⅳ型下的问题来解决,最后用一个实例说明了其有效性.     

变异粗集在集对分析中的应用

根据变异粗集方法,将粗糙集应用到集对分析理论中. 讨论了集对分析与变异粗集的结合方法,并通过一个例子来说明本文的可行性.     

变异粗集在集对分析中的应用

根据变异粗集方法，将粗糙集应用到集对分析理论中，讨论了集对分析与变异粗集的结合方法，并通过一个例子来说明本文的可行性。     

基于粗集理论和云理论的GIS数据挖掘与知识发现

阐述了粗集理论与云理论的基本概念 ,建立了以二者相结合为基础的模型 ,给出了该模型应用的一般方法与步骤 ,并将其应用于GIS数据挖掘与知识发现 ,最后用一组GIS数据验证了该方法的适用性和有效性