模糊粗糙集及粗糙模糊集的模糊度

1965年,Zadeh提出了Fuzzy集理论,1982年,Z.Pawlak提出Rough集理论.将二者结合而形成的模糊粗糙集(FR集)及粗糙模糊集(RF集)近年来越来越受到国际学术界的关注.本文所研究的FR集及RF集的模糊度,是对FR集及RF集模糊程度的一种度量.进而引进了相应的明可夫斯基距离,明可夫斯基模糊度和Shannon模糊度.     

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。     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

一种多粒度覆盖粗糙集模型

多粒度粗糙集是粗糙集模型在多粒度及分布式环境中的一种重要的拓展形式,其主要思想是采用一族而非一个粒空间中的知识来对目标进行粗糙逼近。将多粒度的思想引人覆盖粗糙集模型中,采用一族而非单个的覆盖,提出了一种多粒度覆盖粗糙集模型。     

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。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

基于区间粗糙数相似度的多准则群体决策方法及其应用

针对权重未知的区间粗糙数多准则群体决策问题,提出一种基于相似度最大化的群体决策方法。文章对区间数构造区间粗糙数的方法进行改进,进一步定义区间粗糙数相似度公式,并给出相应的性质;以各方案与标准方案相似度最大化及熵值最大为目标,建立多目标优化模型求解准则权重,利用区间粗糙数算子求出方案的综合决策值,进而由区间粗糙数可能度和排序向量模型获得方案的排序结果。最后,通过投资实例证明该方法是有效的、合理的。     

基于区间值直觉模糊集距离的多属性决策方法

针对区间值直觉模糊集上的多属性决策问题,使用区间值直觉模糊集犹豫度的概念,给出区间值直觉模糊集之间一种新的距离公式,并据以提出基于理想点法的区间值直觉模糊集多属性决策方法。最后,借助实例说明该决策方法的有效性。     

区间直觉模糊集相似度构造

从直觉模糊集相似度出发,依据区间直觉模糊集隶属度和非隶属度上下确界转化成对应的2个直觉模糊集这一思路,提出一类构造区间直觉模糊集相似度的方法,并证明它们满足相似度公理。最后,分析了2个区间直觉模糊集相似度公式在模式识别中的应用实例。     

基于理想点的区间粗糙数型多属性决策方法

定义了区间粗糙数的欧氏距离和期望值。针对属性值为区间粗糙数且属性权重为区间数的多属性决策问题,提出一种基于理想点的决策方法。利用TOPSIS法构建了相对贴近度的非线性分式规划模型,得到了各方案相对贴近度,进而对各个方案进行排序。通过算例验证了所提方法的有效性。     

基于区间值相似度集合的区间值近似推理

在引入区间值相似度集合概念的基础上,给出基于区间值相似度集合的区间值近似推理的数学模型,并研究了其相关性质和推理算法,最后通过实例验证其推理算法的可行性与有效性。     

基于模糊粗糙集依赖度的两步属性约简方法

为获取连续属性值数据集的最小属性子集,提出了一种两步约简方法.该方法以模糊粗糙集模型为基础,将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展,使其能对条件属性之间的依赖关系进行度量,利用属性与类别之间的依赖度选出候选属性集,然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简.仿真结果表明,该方法在有效降低属性维数的同时一定程度上保证了分类正确率.     

不确定变量的比较及相互联系

主要从基本定义出发且不同角度地分析研究4种常用不确定变量,比较和分析它们之间的相互联系,探讨之间的内在规律与性质,为进一步认识和更好地应用不确定变量提供清晰的、全新的视角.     

覆盖Rough集及其隶属函数

从覆盖的角度重新定义了Rough集，并用一种新的，从领域的角度重新定义了隶属函数，得到了与Pawlak与Rough集隶属函数的一些不同的性质，而且隶属函数的意义也与Pawlak的Rough集隶属函数的意义有所不同。     

基于区间模糊匹配函数的数据清洗算法研究及其在问卷调查中的应用

数据清洗是保证数据质量的重要步骤. 由于人类的活动通常带有一定的主观性与情绪性,因此现实中部分数据往往存在不合理性甚至错误. 而此类不合理数据常具有不确定性、模糊性与隐藏性,这给数据清洗带来了困难. 传统的数据清洗方法对此类数据难以充分发挥作用. 结合区间值模糊集理论与匹配函数提出一种区间模糊匹配函数方法,构建区间模糊匹配算法来清洗数据、提高数据质量,并将其应用在问卷调查数据中. 实验结果表明本算法具有较高的准确度及运行效率,适应处理数据中的不合理数据.     

大学生悲观——乐观解释风格的比较研究

利用悲观-乐观解释风格量表,对宁波大红鹰学院713名本科生调查问卷并统计分析发现：（1）实验组学生比对照组学生更加悲观;（2）女生比男生悲观;（3）文科学生比理工科学生显得悲观。以上差异在0.95置信水平下均具有显著意义。文章基于统计分析的结果和分析悲观产生的原因,总结了面向全体学生实施心理健康教育的做法;在个别辅导方面,指出了利用塞利格曼的习得性乐观和ABCDE理论,对实验组学生尤其是女同学加强心理指导和追踪的重要性,并提出了实施建议。