知识粗糙性与知识粒度的关系研究

提出了知识的粒数、籽数和粒度的概念,证明了粗糙集理论中知识粗糙性与其所对应的粒度之间的单调关系,从而揭示了知识粗糙性与其所对应的知识的粒数、籽数和粒度之间的密切关系。知识粒度的概念从物理意义上反映了知识库中的知识颗粒状结构的本质。     

知识粗糙性与知识粒度的关系研究

提出了知识的粒数、籽数和粒度的概念,证明了粗糙集理论中知识粗糙性与其所对应的粒度之间的单调关系,从而揭示了知识粗糙性与其所对应的知识的粒数、籽数和粒度之间的密切关系。知识粒度的概念从物理意义上反映了知识库中的知识颗粒状结构的本质。     

粗糙集概念与运算的知识粒度表示

探讨了知识粒度的一些重要性质和定理。在此基础上,从知识粒度的角度对粗糙集进行研究,给出了粗糙集中主要概念与运算的知识粒度表示,最后证明了属性约简在知识粒度与代数两种不同表示下是等价的。     

知识的划分粒度表示法

对知识的分类能力给予量化,提出一种知识表示法——划分粒度表示法,利用划分粒度可定量表示知识的分类能力.首先给出粗糙集理论中主要概念的代数表示,其次定义知识的划分粒度并研究它的性质,最后证明知识的代数表示与划分粒度表示是等价的.     

基于知识划分粒度的信息系统约简算法

粗糙集理论认为知识就是分类。对知识的分类能力给予了量化,提出利用知识的划分粒度来定量地表示知识的分类能力。首先建立了知识与其划分粒度间的关系;其次,基于划分粒度定义了属性的重要性,并以此为启发式信息设计了一个信息系统的约简算法;最后通过实例表明,该算法是高效的。     

基于粗糙集理论的粒度计算研究及其应用

经典的粗糙集理论提出知识是有粒度的,但它没有量化信息粒度所表示的信息量.本文定义了知识粒数,知识粒的微粒数,平均微粒数,近1系数,知识粒度的概念;提出了知识粒度的量化计算方法;提出了一种基于知识粒度的属性约简算法以避免选择约简子集的盲目性:给出了时间复杂度证明;通过海上交通事故的决策实例证明所提出的粒度计算方法是可行有效的.     

基于模糊知识粒度的混合属性约简算法

现实世界中常常包含着海量的、不完整的、模糊及不精确的数据或对象,使得模糊信息粒化成为近年来研究趋势。利用论域上的模糊等价关系定义了模糊粒度世界的模糊知识粒度,给出了新的属性约简条件和核属性计算方法,以便更好地挖掘出潜在的、有利用价值的信息。针对粗糙集在对连续属性约简的过程中容易造成信息缺失和不能对模糊属性处理的现象,提出了一种基于模糊知识粒度对混合决策系统约简的启发式算法,省去了连续属性离散化过程,减少了计算量,为离散值域和混合值域约简提供了统一的方法。最后通过实例验证了其有效性。     

基于遗传算法和模糊粗糙集的知识约简

虽然粗糙集理论为处理离散属性提供了很好的工具,但它不能直接运用于具有连续变量的数据上面,而现实中的数据又包含着大量的连续变量.为了能够对连续属性集进行有效的知识约简,充分利用遗传算法的全局优化和并行计算的优点,结合模糊粗糙集的理论,对连续属性集进行知识约简,较粗糙集而言避开了连续属性的离散化过程,减少了信息损失,加快了约简速度,提高了决策支持度.首先利用一个仿真实例来验证该算法的有效性和快速性,然后把它运用于某一柴油机的故障数据集的约简,通过约简获得了影响输出故障模式的主要输入变量集,实现了数据的预处理,为进行柴油机的故障模式诊断提供了先决条件.     

基于模糊粗糙集的粒度计算

粒度计算是一种新的智能计算的理论和方法,目前受到很多学者的关注。但是,具体可行的粒表示模型和不同粒的推理方法研究相对较少。本文将模糊粗糙集纳入粒度计算这种新的理论框架,对于处理复杂信息系统,求解复杂问题无疑具有重要的意义。首先利用笛卡尔积,构建了模糊关系下的信息粒;然后给出不同粒度下模糊粗糙算子的表示方法,进而形成一个分层递阶结构;最后考虑了对于模糊信息系统粒度粗细的选择问题,并给出一个实例,从而为粒度计算提供一个具体而实用的框架。     

一种基于粗糙熵的知识约简算法

描述了知识的粗糙性,提出了知识的粗糙熵概念,建立了信息系统中知识与粗糙熵之间的关系,并通过知识的粗糙熵对属性的重要性进行了定义。在此基础上,提出了基于粗糙熵的知识约简算法,该算法的时间复杂性为O(｜R｜3｜U｜2)。通过例子分析,表明该算法是有效的。     

模糊Petri网及知识表示

在建造专家系统中虽然有很多种知识表示方法，但都有不尽人意的地方，本文试图用一种新的方法－Ｐｅｔｒｉ网模型来表示知识。本文给出了Ｆｕｚｚｚｙ Ｐｅｔｒｉ网和广义Ｆｕｚｚｙ Ｐｅｔｒｉ网两种模型，并给出了相应的推理算法，一旦专家知识用Ｐｅｔｒｉ网表示后，根据Ｐｅｔｒｉ网固有的特性，我们就能处理专家系统中并行推理、无回溯推理，反向推理等问题。     

一种面向对象的模糊知识库模型

本文给出了一种专家系统模糊知识库的结构模型。重点讨论了该模型的体系结构和采用面向对象技术表示模糊规则的方法。并介绍了采用面向对象方法分析和设计模糊知识库的技术和采用面向对象串行化技术实现模糊知识库持久保存的方法。最后,分析了采用面向对象技术构建模糊知识库的优点。     

一种基于模糊聚类的隶属函数定义方法

隶属函数的确定是模糊集合理论及其应用的基本而关键的问题。本文提出了一种基于模糊聚类的、以训练样本数据为依据的、自动地确定模糊集合隶属函数的方法,为开发模糊系统节省了大量的时间和精力。     

表示和处理缺省知识的多维模糊推理

本文采用ＭＡＸ－◎复合运算,对基于模糊关系Ｒｂ的多维住是Ｓｕｇｅｎｏ－Ｔａｋａｇｉ方法进行深入分析和研究的基础上,利用可能性量化语句,从理论上提出了一种表示和处理缺省知识的多维模糊推理方法。     

关系数据库中的模糊知识发现

本文提出用部分量词和模糊谓词来表示模糊知识这一方法，在简要介绍数据抽象这一关系数据库中知识发现的方法后，详细描述了该方法中对模糊性问题的处理方法．     

知识云及其在知识获取中的意义

如何有效地获取领域专家的知识一直被视为人工智能中的难题．本文的目的在于提出一种关于知识获取的基本观点，并以此观点为基础来研究知识获取问题．这个观点的基本内容是：象波尔的原于模型一样，在专家的知识周围有一些知识层．它们是认识和获取专家知识的突破口或入口．本文将这些知识层看成是知识云，同时将上述观点视作知识云假设．我们将讨论知识云的内涵，研究知识云假设的合理性，最后将阐述知识云这一概念在知识获取中的意义．     

"关于Vague集的模糊熵及其构造"的注记

讨论了文[1，2]中将vague集变换为fuzzy集的转换函数的作用，指出了vague集就是一类特殊的L-模糊集，分析了文[1，2]中提出的vague集的模糊熵概念的不足，在此基础上，基于对不确定性信息处理的背景，提出了一种模糊正熵和模糊负熵的概念，并讨论了它们的性质。     

多粒度粗糙集模型下的矩阵属性约简算法

随着网络和通信技术的快速的发展,社会进入了大数据时代。如何能够快速地从海量大数据中找到属性约简是目前研究的一个热点。由于传统属性约简的方法在计算大数据属性约简时,需要消耗巨大的计算时间,不能有效地处理日益积累的大数据属性约简的问题。为了提高传统属性约简算法的效率,针对较大决策信息系统属性约简更新问题,利用多粒度粗糙集理论,提出了基于多粒度粗糙集模型的矩阵属性约简算法,通过2组UCI数据集对所提出的多粒度矩阵属性约简算法的性能进行测试,结果验证了该多粒度矩阵属性约简算法是合理且有效的。     

模糊Petri网在带权不精确知识表示和推理中的应用研究

Petri网是一种适合于描述异步并发事件的计算机系统模型 ,可以有效地对并行和并发系统进行形式化验证和行为分析 .以模糊 Petri网的基本定义为基础 ,讨论了带权模糊知识的模糊产生式系统表示法 ,建立了这种表示法与模糊 Petri网之间的映射关系和转换算法 ;在对模糊 Petri网进一步扩充的基础上 ,解决了与知识的模糊Petri网表示相关的几个问题 ;最后给出了模糊 Petri网中不确定性的计算方法和相应的不精确推理算法