基于容差关系的不完备信息系统的属性约简

粗糙集理论是一种处理不确定性知识的有效工具,属性约简是其核心内容之一,然而对于属性值有缺省的不完备信息系统,基于等价关系的经典粗糙集理论已经不再适用。由于容差关系下的不完备信息系统的属性约简的定义与经典粗糙集的属性约简定义相似,可以用容差关系对粗糙集理论进行扩充。文中通过定义容差关系下的可辨识矩阵,运用可辨识方法,得到了一种属性约简算法;接着分析了算法的不足之处,并且在此基础上提出了增加约简效率的改进型算法;最后通过一个数值例子,说明了该算法是合理的和有效的。     

基于模糊粗糙集模型的医疗信息系统属性约简算法

属性约简是粗糙集理论的重要研究分支,对信息系统进行属性约简有助于提高其数据的分类性能。针对医疗信息系统的多类型复杂数据环境,首先对多种数据类型分别提出了数据对象之间的模糊相似性度量;然后将这些度量方法进行整合,构造出医疗信息系统的一种新的模糊等价关系,并提出相应的模糊粗糙集模型;最后利用模糊粗糙依赖度,提出了医疗信息系统的一种属性约简算法。实验分析证明了所提出的算法具有更高的属性约简性能。     

一种新的模糊决策表属性约简方法

粗糙集理论研究的核心内容之一是属性重要性的度量和属性约简。经典的粗糙集模型基于等价关系,适合于处理离散属性值。模糊粗糙集理论将模糊集和粗糙集理论结合起来,将等价关系扩展为模糊关系,可处理模糊属性值。分析了已有广泛运用的模糊决策表的属性约简算法FRAR存在的三个问题,提出了一种新的约简算法,较好地克服了原算法的问题,能处理规模较大的模糊决策表。     

一种面向混合数据的模糊等价关系构造约简

基于模糊粗糙集模型构建模糊等价关系是混合数据分析的有效方法之一。针对属性类别多样性的混合型信息系统,提出一种带权的对象间相似性度量方法 ,该方法建立每类属性对应的相似性度量函数,再通过归并确立带权的模糊相似矩阵。在转化为模糊等价关系的基础上,采用加入蕴含专家领域知识及用户需求的约简算法。通过数据库中几个数据集样本对属性约简后的数目、精度进行对比,验证了方法的有效性和可行性。     

优势信息系统的属性约简算法

粗糙集理论是一种新的软计算方法,已成为知识发现和属性约简算法领域的一个研究热点.但经典的粗糙集理论是建立在等价关系基础之上的.从粗糙集理论出发,在优势关系之上给出了优势信息系统中信息量的概念,建立了知识粒度与信息量之间的关系.在此基础上,提出了一种基于信息量的属性约简启发式算法,得到了该算法的时间复杂性为O(|A|3×|U|2).通过实例分析表明该算法是有效的,为进一步研究约简算法提供了一种可行的方法.     

一种基于重要度的实值粗糙集模型及其在交通状态辨识中的应用

在分析现有粗糙集理论和算法在处理实值决策系统问题的局限性的基础上,提出了一种新的实值属性 重要度定义,并在此定义基础上提出了实值粗糙集扩展模型及其属性快速约简算法,避免了经典粗糙集理论必须离 散化数据的弊端．最后将     

基于相容矩阵的粗计算

基于等价关系的经典粗糙集理论已取得了极大进展.但现实中的等价关系要求过于严 格.因此,可将其放宽为相容关系.粗糙集理论中的粗计算方法一直是该理论的重要研究内容.本 文在基于相容关系的基础上提出了相容矩阵的概念,建立了相容关系和相容矩阵间的一一对应 关系,通过矩阵计算来刻画粗分析中的一系列计算方法;并利用相容矩阵提出了不完备信息系统 的属性约简启发式算法,分析了算法的时间复杂度.通过实例说明了该方法是适用而有效的.     

一种融合RST与模糊聚类的故障诊断方法

针对模糊聚类方法中存在冗余信息的问题,提出一种融合粗糙集属性约简和模糊等价关系的故障诊断方法,通过应用粗糙集属性约简算法对冗余数据的处理后再应用模糊等价关系聚类获取聚类结果。该方法与单采用模糊等价关系聚类法相比,不仅能够有效减少模糊等价关系矩阵求解中的迭代次数,而且获得聚类数也得到有效降低,并通过实例验证了该方法的有效性和高效性。     

二型模糊粗糙属性约简模型

属性约简是粗糙集理论的重要应用之一,其目的是在保持分类能力不变的前提下去掉冗余的属性,从而简化信息系统。由于经典粗糙集等价关系的要求过于严格,为了更好地解决实际问题,将粗糙集与二型模糊集结合,得到二型模糊粗糙集。利用论域和特征空间的积空间上的两个一型模糊集来构造论域的一个二型模糊划分,将模糊粗糙集属性约简的模型推广到二型模糊粗糙集框架中,得到了一个二型模糊粗糙属性约简的模型,并举例说明了用此模型进行属性约简的方法。     

广义粗糙集理论及实值属性约简

针对经典粗糙集理论仅能处理离散化数据的局限性,提出属性和属性子集的广义重要度的概念以及空间中的广义近邻关系,并提出了广义近邻关系下的广义粗糙集扩展模型。广义粗糙集理论利用广义近邻关系在全局中划分相容模块,构成集合的下、上近似集,避免了经典粗糙集理论必须量化数据的麻烦。另外,提出了广义粗糙集的实值属性约简的一种贪心算法,并分析了约简属性集合的质量。最后通过实例验证了所提方法的正确性和有效性。     

Rough集理论在不完备信息系统中的扩充

Pawlak教授所提出的经典Rough集理论主要是针对完备信息系统的，利用了不可分辨关系这种等价关系来对对象进行了近拟和下近似分类，对于不完备信息系统的处理，需要对经典Rough集理论进行扩充，主要是对不可分辨关系进行扩充，目前已经有了基于容差关系，相似关系和量化容差关系等的扩充Rough集理论，但是，这些扩充也还存在一些局限性，将提出一种基于限制容差关系的扩充Rough集模型，并比较分析这些扩充Rough集模型之间的性能。     

改进的对象间差异度的限制容差关系模型

不完备信息系统不能直接用经典的粗糙集理论来处理,为此,容差关系、非对称相似关系、限制容差关系、限制非对称相似关系、对象间差异度的限制非对称相似关系等扩充的粗糙集模型被相继提出。通过分析这些模型的优点和不足之处,定义了新的对象间差异度,提出了一种改进的对象间差异度的限制容差关系模型,实例结果表明基于所提出模型的划分更精确,更符合实际。     

串行概率粗糙集近似

经典的概率粗糙集模型是基于等价关系和条件概率提出的。但在实际应用中,知识库存在多种不确定性因素,使得对象间的关系未必满足等价关系。因此在保证条件概率有意义的情况下,将等价关系推广到串行二元关系,讨论了串行关系下的概率粗糙集近似;研究了当目标概念发生变化时,串行概率粗糙下、上近似的性质;进一步,通过调整两个阈值,给出了对应的串行概率粗糙下、上近似的变化趋势。     

基于扩展粗集模型的聚类方法研究

首先在传统的粗糙集模型基础上,通过松弛对象之间的不可分辨和相容性条件,给出了一种基于和谐关系的扩展粗糙集模型;在新模型的基础上,提出了一种新的层次聚类方法;给出一个具体的实例对新的模型加以解释说明。     

Updating approximations with dynamic objects based on local multigranulation rough sets in ordered information systems

The main task of local rough set model is to avoid the interference of complicated calculation and invalid information in the formation of approximation space. In this paper, we first present a local rough set model based on dominance relation to make the local rough set theory applicable to the ordered information system, then two kinds of local multigranulation rough set models in the ordered information system are constructed by extending the single granulation environment to a multigranulation case. Moreover, the updating processes of dynamic objects based on global (classical) and local multigranulation rough sets in the ordered information system are analyzed and compared carefully. It is addressed about how the rough approximation spaces of global multigranulation rough set and local multigranulation rough set change when the object set increase or decrease in an ordered information system. The relevant algorithms for updating approximations with dynamic objects on global and local multigranulation rough sets are provided in ordered information systems. To illustrate the superiority and the effectiveness of the proposed dynamic updating approaches in the ordered information system, experimental evaluation is performed using six datasets coming from the University of California-Irvine repository.

     

严格局部自反关系下的广义粗糙集

经典粗糙集是在等价关系基础上建立的一类不确定性理论方法。研究一般二元关系下的广义粗糙集,不仅可以拓宽粗糙集理论的应用范围,而且也能从一定的角度进一步阐释经典粗糙集的基本性质。在考虑自反粗糙近似算子的基础上,提出了严格局部自反关系的定义,讨论了严格局部自反关系下广义粗糙集的性质,给出了其公理化特征。结合自反粗糙近似算子,研究了一般二元关系下广义粗糙集中的精确集,得出了一些重要的结论。     

Multi-granulation rough sets based on tolerance relations

The original rough set model is primarily concerned with the approximations of sets described by a single equivalence relation on the universe. Some further investigations generalize the classical rough set model to rough set model based on a tolerance relation. From the granular computing point of view, the classical rough set theory is based on a single granulation. For some complicated issues, the classical rough set model was extended to multi-granulation rough set model (MGRS). This paper extends the single-granulation tolerance rough set model (SGTRS) to two types of multi-granulation tolerance rough set models (MGTRS). Some important properties of the two types of MGTRS are investigated. From the properties, it can be found that rough set model based on a single tolerance relation is a special instance of MGTRS. Moreover, the relationship and difference among SGTRS, the first type of MGTRS and the second type of MGTRS are discussed. Furthermore, several important measures are presented in two types of MGTRS, such as rough measure and quality of approximation. Several examples are considered to illustrate the two types of multi-granulation tolerance rough set models. The results from this research are both theoretically and practically meaningful for data reduction.     

Rough集之间的相似度量

Applications of rough set theory in incomplete information systems are a key of putting rough set into real applications. In this paper, after analyzing some basic concepts of classical rough set theory and extended rough set theory, the measure of similarity is developed between two rough sets in the classical rough set theory based on indiscernibility relation and between two rough sets in the extended rough set theory based on limited tolerance relation. Then,some properties of these two methods for measuring similarity are developed respectively. At last,these two measure methods of rough set theory are compared.     

类对称关系下的广义粗糙集模型

针对等价关系下的经典粗糙集,定义弱对称与局部强对称二元关系,构造相应的广义粗糙集模型。给出这2种模型的公理化特征,并将两者结合,得到强对称二元关系下的广义粗糙集模型。理论分析证明,论域上任何集合均为广义精确集的充要条件是其二元关系为强对称关系,即可以利用该模型刻画经典粗糙集中的广义精确集。     

基于形式概念分析的粗糙描述逻辑研究

以往的粗糙描述逻辑(RDL)都是基于传统的粗糙集理论。实际上,经常会出现用形式概念表示一个概念的情况,此时一个自然的问题就是如何处理可能出现的不确定概念。把形式概念分析与粗糙集理论联系起来做为基础,给出可定义概念和不可定义概念的定义,并给出不可定义概念的上近似和下近似,这里的近似定义虽然不同于传统的粗糙近似算子形式,但是有很好的实用性。基于新的上下近似定义,把一组近似算子引入到描述逻辑的结构中,形成一种新的粗糙描述逻辑。给出了相应的语法和语义,最后还给出了扩展的Tableau算法,可以用来解决相应的推理问题。