粗糙集理论及进展的研究

粗糙集理论是一种较新的软计算方法，是分析和处理不完备信息的一种有效工具。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。文中描述了粗糙集的基本理论，分析了粗糙集理论研究的最新进展，指出了粗糙集理论研究中存在的问题，并对粗糙集理论研究的发展趋势进行了展望。     

一种新的粗糙测度

粗糙集理论是一种处理不精确、不确定与不完整数据的新型数学工具。粗糙集的度量是粗糙集理论研究的重要内容之一。提出了上粗糙测度、下粗糙测度与粗糙测度的概念,给出了它们的一些性质,为粗糙集合提供了一种新的度量方式。     

基于模糊集和粗糙集联系度的商务决策系统

粗糙集理论和模糊集理论都是研究信息系统中知识的不完整、不确定性问题,把集对分析中的联系度概念应用于粗糙集中,说明了粗糙集联系度与下近似集和上近似集的值化的关系,将粗糙集联系度理论与模糊集理论相结合,提出了一种基于模糊集和粗糙集联系度的综合评价方法,实例验证了该方法对一大类复杂信息系统的知识发现具有一定的应用价值。     

粗糙集理论及其在智能系统中的应用

粗糙集理论是一种新型的处理含糊和不确定知识的数学工具，在智能系统中得到了广泛的应用，介绍了经典粗糙集理论的基本思想，上下近似集、属性约简和核等基本概念以及粗糙集的研究现状．介绍了粗糙集理论在智能系统中的应用，主要包括基于粗糙集理论的属性约简作为数据预处理的手段，基于粗糙集理论的相关性分析和基于粗糙集理论的系统建模和控制．指出了粗糙集理论在应用中遇到的问题和可能的研究方向。     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具,都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统,其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景,其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换,给出了转换算法,并用例子加以说明.     

基于相容粗糙集的图形图像信息预检索

粗糙集理论是一种分析不精确、不一致、不完备数据的有效工具,利用"相容粗糙集"的理论对图形图像进行预检索,对提高图形图像的检索效率具有一定的作用。本文基于相容粗糙集的图形图像信息预检索进行了研究。     

电子邮件过滤系统的粗糙集分析模型

电子邮件过滤是网络信息安全研究的热点。粗糙集理论是一种处理含糊和不精确性问题的一种新型数学工具,得到了广泛应用。该文结合粗糙集理论的数据分析技术研究了电子邮件过滤系统的建模和特征发现等问题。实例分析结果表明,该方法是有效的。     

粗糙集理论在视频分析中的应用

粗糙集理论是近年来发展起来的处理不完整数据的最新成果,是一种刻画不完整性和不确定性的数据的有效数学工具,能高效地分析与处理不精确、不一致和不完整等各种不完备信息,并从中发现隐含知识,揭示潜在规律。首先介绍了粗糙集理论的基本概念、知识表示和属性约简;接着研究了粗糙集理论在视频分析中的应用思想与方法,包括RS在镜头检测中的应用与RS在关键帧提取中的应用;最后对文章进行了总结,并对RS理论进行了展望。     

可变粒度粗糙集

分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之后,提出一种可变粒度粗糙集模型,定义了可变粒度粗 糙集的下、上近似集,研究了可变粒度粗糙集与这两种多粒度粗糙集的性质,证明了可变粒度粗糙集是多粒度粗糙集 的泛化,最后给出几种可变粒度粗糙集的度量因子,研究了变粒度粗糙集与多粒度粗糙集度量之间的关系。     

可变粒度粗糙集

分析乐观多粒度粗糙集和悲观多粒度粗糙集的不足之后,提出一种可变粒度粗糙集模型,定义了可变粒度粗糙集的下、上近似集,研究了可变粒度粗糙集与这两种多粒度粗糙集的性质,证明了可变粒度粗糙集是多粒度粗糙集的泛化,最后给出几种可变粒度粗糙集的度量因子,研究了变粒度粗糙集与多粒度粗糙集度量之间的关系.     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

基于“不可区分-相似-优势”关系的定序分类模型

经典粗糙集方法的优点在于能够通过不可区分关系来获取知识,但其不足之处在于不能够处理定性属性、定量属性以及准则属性同时出现的定序分类问题。为此,本文对经典粗糙集进行扩展并提出了一个新的决策分析方法,该方法采用"不可区分-相似-优势"关系来代替经典粗糙集中的不可区分关系以获取知识的粗糙近似,从而不但能够解决上述定序分类问题,而且还能处理决策表中可能存在的不一致现象。实例验证了该方法的有效性与优越性。     

基于粗隶属函数的粗糙集模型的推广

通过粗隶属函数,将粗糙集理论与模糊集理论联系起来,建立一种粗糙集理论与模糊集理论间的关系。把粗隶属函数视为论域上的一个特殊模糊集,用它的!-截集和强"-截集的概念,将经典粗糙集模型进行推广,提出基于等价关系的隶属度粗糙集模型,验证一些有用的性质,并证明该模型比Pawlak粗糙集模型具有更好的精度。最后将基于等价关系的隶属度粗糙集模型拓展到基于一般二元关系的广义隶属度粗糙集模型,并给出其相应的性质。     

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.     

基于差异关系的变精度粗糙集知识约简算法研究

有效的知识约简算法是粗糙集理论的重要研究内容.粗糙集是一个去掉冗余特征的有效工具.经典的粗糙集方法要求数值用离散数据表达,对于连续值则在处理前必须进行离散化处理.真实数据往往存在连续值,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将差异关系应用于粗糙集的知识约简.为进一步增强差异关系粗糙集对噪声数据的适应能力,提出基于差异关系的变精度粗糙集知识约简算法,并分析差异关系下变精度粗糙集模型参数的特性,给出依赖度和参数范围关系描述,将参数取值从点扩展到区间范围.在UCI数据库的数据集上进行实验,结果证明了所提方法及相关理论的有效性.     

Rough approximations on a complete completely distributive lattice with applications to generalized rough sets

The generalizations of rough sets considered with respect to similarity relation, covers and fuzzy relations, are main research topics of rough set theory. However, these generalizations have shown less connection among each other and have not been brought into a unified framework, which has limited the in-depth research and application of rough set theory. In this paper the complete completely distributive (CCD) lattice is selected as the mathematical foundation on which definitions of lower and upper approximations that form the basic concepts of rough set theory are proposed. These definitions result from the concept of cover introduced on a CCD lattice and improve the approximations of the existing crisp generalizations of rough sets with respect to similarity relation and covers. When T-similarity relation is considered, the existing fuzzy rough sets are the special cases of our proposed approximations on a CCD lattice. Thus these generalizations of rough sets are brought into a unified framework, and a wider mathematical foundation for rough set theory is established.     

Soft rough fuzzy sets and soft fuzzy rough sets

Fuzzy set theory, soft set theory and rough set theory are mathematical tools for dealing with uncertainties and are closely related. Feng et al. introduced the notions of rough soft set, soft rough set and soft rough fuzzy set by combining fuzzy set, rough set and soft set all together. This paper is devoted to the further discussion of the combinations of fuzzy set, rough set and soft set. A new soft rough set model is proposed and its properties are derived. Furthermore, fuzzy soft set is employed to granulate the universe of discourse and a more general model called soft fuzzy rough set is established. The lower and upper approximation operators are presented and their related properties are surveyed.     

基于粗糙集理论的神经网络研究及应用

为了补偿神经网络的黑箱特性并提高其工作性能,将粗糙集理论同神经网络结合起来,提出一种基于粗糙集的神经网络体系结构．首先,利用粗糙集理论对神经网络初始化参数的选择和确定进行指导,赋予各参数相关的物理意义;然后,以系统输出误差最小化为目标对粗糙神经网络进行训练,使其满足性能要求．实验结果表明,粗糙神经网络能较好地完成数据挖掘任务,并能获得较高的分类精度．     

集值映射下的覆盖粗糙集模型

从论域中各个元素之间所具有的客观关系出发,利用集值映射的原理在论域上得到一个覆盖,构造了一种新的覆盖粗糙集模型;研究了与之相关的基本性质,并将其与现有的5种主要的覆盖粗糙集模型进行比较研究。为如何根据一个二元数据表来得到论域上的覆盖提供了一种新的方法,也为覆盖粗糙集的研究提供了一种新思路。同时,还提出了双覆盖的概念,研究了两个覆盖之间进行相互转换原理,得到了有意义的性质和结论。