包含度与粗糙集数据分析中的度量

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具。粗糙集数据分析是粗糙集理论中的主要应用技术之一,它主要用来分析数据的性质、粗糙分类、分析属性的依赖性和属性的重要性、抽取决策规则等,在人工智能与认知科学领域有着重要的应用。该文通过将包含度概念引入到粗糙集理论中,建立了包含度与粗糙集数据分析中的度量之间的关系,证家了粗糙集数据分析中的有关度量均可归结为包含度。这些结论有助于人们深刻理解粗糙数据分析的本质,可作为建立粗糙集数据分析中的度量的主要依据。     

关于模糊粗糙集的相似度量

基于对不确定性信息处理的背景,定义了模糊粗糙值与模糊粗糙集的相似度量,研究了它们的有关性质。     

模糊粗糙集的相似度量和相似性方向

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具,在人工智能及认知科学等众多领域已经得到了广泛的应用。相似度量的研究是模糊集理论与粗糙集理论的热点问题之一。文章提出了一种更精确、更合理的相似度量方法,讨论了它的一些性质。然后,在此基础上提出了模糊粗糙集的相似性方向的概念,用于比较两个相似的模糊粗糙集所包含信息的精确性大小,并给出了一个关于相似性方向的判别函数。这在近似推理、模式识别和决策分析等领域有着广泛的应用。最后,通过一个实例,分析说明了这种相似度量方法和相似性方向的判别方法是更合理更有效的。     

一种新的覆盖粗糙集及其模糊性度量

在覆盖近似空间中定义了一类新的模糊集,给出了该类模糊集的模糊性度量,讨论模糊集及其模糊度量的性质,最后通过实例给出直观解释.     

基于包含度的Vague集相似度量

在模糊模式识别中经常要根据最大相似度原理来分辨待测样品属于哪种模式．由于现有的vague集相似度量公式都是基于距离测度的，因此只要vague集间距离测度一样，它们就无法分辨，因此非常有必要寻找其它的相似度量计算方法．首先将模糊集上的包含度概念扩展到Vague集上，指出Vague集相似度量可以由包含度诱导出，然后给出一组新的Vague集相似度量计算公式．数值算例证明它们是有效的，最后将它们与现有方法进行比较，发现它们各有所长．     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。     

基于新的相似性度量的加权粗糙聚类算法

聚类是数据挖掘中重要的研究方向。本文针对现有的聚类算法中相似度量的缺陷,提出了一种新的相似性度量方法。在此基础上,将粗糙集理论中的区分能力引入到聚类算法中,用来度量属性的重要性,进而提出了一种能够处理符号型数据的新的加权粗糙聚类算法。通过对UCI数据的实验表明,本文算法对数据输入顺序不敏感,且不需要预先给定簇的数目,提高了聚类的质量。     

基于包含度的变精度模糊粗糙集

利用模糊集的一个强包含度,在弱模糊划分的基础上建立了基于该包含度的变精度模糊粗糙集模型,对其重要性质进行了深入研究,并给出了对应形式粗糙度的计算方法,进一步利用海明距离和欧几里得距离定义了该模型下模糊粗糙集的两个粗糙性度量。给出的变精度模糊粗糙集模型能够使模糊粗糙集的运算按照模糊集的运算实现,为变精度模糊粗糙集理论的研究和应用莫定了一定的理论基础。     

基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

关于Vague集之间的相似度量

首先提出了定义一个Vague集之间的相似度量所应该满足的若干准则,而后指出了Chen给出的vague集之间的相似度量所存在的缺陷,并分析了李凡提出的vague集之间的相似度量,在此基础上,基于对不确定性信息处理的背景,提出了一种新的相似度量方法。研究了这一新的相似度量的性质。     

粗糙集的粗糙度

设U是全集,R是U上的等价关系,(U,R)是相应的近似空间,则粗相等关系≈是幂集P(U)上的等价关系,其商集为P(U)／≈,而商集P(U)／≈是一个分配格,本文考虑两种特殊情况,使得在这两种特殊情况下粗糙度有类似于集合论的包容排斥原理,同时我们还把此结论推广到粗糙模糊集上。     

Vague集的相似度量

Vague集的相似性度量对于知识表达、模式识别等人工智能研究具有重要意义。Chen给出的关于Vague集的相似性度量体现出注重确定Vague集中总体肯定度相似的思想,但相似度量的公式存在度量上的不足,也蕴含了在Vague集的不可知部分接支持度和反对度各占一半的概率计算,这样既不客观也不合理。为此,提出了一种改进的相似度量。     

基于两个集合上粗集模型的算法实现

为了处理人工智能中不精确和不确定的数据和知识,Pawlak 提出了粗集模型,之后粗集理论得到拓广,人们提出了许多新的粗集模型,拓广的方法主要有两种,一种是减弱对等价关系的依赖,另一种是把讨论问题的论域从一个拓展到两个,Y.Y.Yao 提出了一种基于两个论域的粗集模型,本文研究基于两个论域的粗集模型的具体算法实现,给出了上下近似的矩阵算法及其相应的焦点集的算法,并把相关结论及矩阵算法推广到模糊集上,还给出了相关模型的极为简洁的公理刻画,即仅用一条公理刻画该模型。     

粗糙集与直觉模糊特殊集

粗集理论和直觉模糊特殊集理论都是近年来发展起来的一种有效的信息处理理论,尤其在不确定信息处理中各有优势。本文首先讨论了直觉模糊特殊集及其算子的一些性质,并给出了其海明距离的定义和计算。同时研究了粗糙近似空间上一类粗代数结构与直觉模糊特殊集的同态关系。     

关于近似空间中粗糙包含可能度的研究

粗糙包含关系是粗糙集理论中一个重要概念,粗糙包含关系也是近似空间中的一个拟序关系。文章给出了在同一近似空间中比较两个不同粗糙集的包含可能度的计算公式,研究了粗糙包含可能度的性质,并讨论了粗糙包含度、粗糙度和划分加细关系之间的联系。     

粗糙模糊集的格论性质

Let U denote a finite and nonempty set called the universe, and P(U) a power set. Suppose R is an equiva-lence relation on U. Consider the equivalence relation ≈ (X≈Y←→^-RX=^-R and RX=RY, X,Y, ∈ F(U)) on F(U),the quotient set denoted by F(U)/≈. In this paper we show that F(U)/≈ is a distributive lattice.     

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.     

模糊关系下的粗集粗糙度

本文研究粗糙集的粗糙度问题。首先仔细分析了Pawlak粗糙集的粗糙度,得到了粗糙集粗糙度包容相斥原理;然后将结果推广到模糊集理论领域,对研究模糊关系下模糊粗糙集理论有一定的作用。