一种新的粗集粗糙性度量方法

基于等价关系和一般二元关系,通过引入粗集边界熵概念,利用粗集边界的知识粗糙性和粗集本身的粗糙度刻画粗集粗糙性,为粗集粗糙性提供了一种更为合理的度量方法,为粗糙集中概念的获取和刻画提供了理论依据.     

序信息系统的知识粗糙熵与粗集粗糙熵

在序信息系统中引入了知识粗糙熵和粗集粗糙熵的概念,得到了它们的有关性质,并证明了二者都随着知识确定程度的增强而单调下降的结论,从而给出了序信息系统的信息解释。进一步通过讨论它们之间的联系说明了粗集的粗糙熵可以更精确地度量粗集地粗糙程度。这些结论为序信息系统的知识发现奠定了一定的理论基础。     

集值信息系统的粗糙熵

熵理论是信息系统中不确定性研究的有效工具之一。首先给出了集值信息系统的拟序关系,在此基础上引入了粗糙熵,讨论了粗糙熵的最大、最小值,并证明了粗糙熵的单调性。     

基于粗集理论的决策表知识获取方法研究

对决策表各条件分类和决策分类集合之间的关系进行了研究,提出了直接从各分类中计算决策表核及属性约简方法：依据属性约简,创建了一个多变量决策树;在此基础上,阐述了提取决策表中蕴含规则的方法,从而省去了在约简后的决策表中计算值约简步骤;通过实例,验证了这些方法的有效性。     

覆盖粗糙模糊集的不确定性研究

不确定性度量是粗糙集理论中的基础问题之一。粗糙模糊集的不确定性一方面来自上、下近似集间差异产生的粗糙性,另一方面来自概念外延不清晰产生的模糊性。目前对于粗糙模糊集的不确定性研究仍不够透彻。针对覆盖近似空间下的粗糙模糊集不确定性,提出更加严格的度量修正准则,并借助上、下近似集隶属度与原模糊集隶属度之间的差异,给出修正粗糙度的概念。算例分析表明该方法能够更加准确地刻画实际问题。     

信息系统中的知识距离与知识粗糙熵

本文基于知识即划分的观点,证明了论域中所有知识构成一个距离空间,研究了知识距离空间中知识距离的一些性质,并应用知识距离度量信息系统中知识的粗糙熵。这些结果有利于更加深刻地分析信息系统中知识间的关系和知识的粗糙性。     

粗集的公理化

粗集是知识发现领域的基础理论 ,该文在 L in等工作的基础上对粗集的公理化进行了深入的研究 ,去除了以往文献中给出的粗集公理组中的冗余性 ,得到了两个关于粗集的最小公理组 ,它们各自只包含 3个公理 .     

不完备信息系统中基于模糊测度的知识不确定性度量

考虑到不完备信息系统中属性的相似关系和缺失值对系统不确定性的影响,如果仍然利用分块大小来衡量知识的信息量或粗糙性将变得不合理。本文在信息系统中定义了模糊测度系统信息熵、知识粗糙熵和粗集粗糙熵,证明了模糊测度粗糙熵的合理性及其性质,并举例说明如何选择合理的测度计算模糊测度粗糙熵,最后运用到知识的约简,为信息系统的约简提供了一种新的途径。     

基于容错粗集理论的知识约简

粗集理论(RoughSetsTheory,RST)在处理不完全、不精确、不确定性智能信息问题等许多领域已取得成功的应用。然而RST理论还存在某些局限性,比如对等价关系的定义使得知识约简相对复杂化。该文提出利用容错粗集犤1犦RST的概念,建立属性值之间的容错关系,用容错关系对对象进行分类。该方法首先采用遗传算法求出属性阈值的最优组合,然后分别建立属性和对象的特殊矩阵,最后求出属性的相对约简和对象的相对商集。采用容错粗集进行知识约简减少了量化的过程,从而提高知识约简的有效性。该文最后提供了一个实例表明该方法是可行的。     

人性化地址簿的粗糙集分析模型

本文介绍了一种基于粗糙集分析模型的人性化地址簿构适算法。以地址簿模型为实例，解决了智能化信息管理过程中项目自动分类的不精确，不完整问题。实验证明该算法是抽取自动归类规则的有效技术和实现智能化、人性化信息管理的快速实用方法。     

图支配集问题的粗糙集属性约简方法

探讨粗糙集的属性约简和图的支配集问题之间的联系。通过构造信息系统,将粗糙集的属性约简问题与图的支配集问题相联系,从而把图的支配集问题转化为粗糙集的属性约简问题。首先证明图的极小支配集恰是其构造的信息系统的属性约简,然后提出一种基于信息熵的最小支配集算法,最后通过实例验证该算法的可行性和有效性。     

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。     

粗糙集的不确定性度量准则

针对现有粗糙集不确定性度量中有些定义在某种情况下并不合理,给出粗糙集不确定性度量的基本准则,证明除二次模糊度外其它几种不确定性度量都是满足基本准则的不确定性度量。由于满足基本准则的不确定性度量仍然可能存在不足,文中对基本准则中的单调性进行进一步限制,提出不确定性度量的扩展准则,并证明模糊熵和修正模糊度是满足扩展准则的不确定性度量,而粗糙度、粗糙熵和线性模糊度都不满足扩展准则。这些结论为已有的不确定性度量的合理性(或不合理性)提供理论说明,也为设计新的不确定性度量方法提供依据。     

基于粗集理论的Null值估算方法研究

在数据库管理系统中，空值（Null）在所有非主码属性中都可能出现。粗集数据分析不同于其它知识发现方法，特别大模型假设方法的一种方法。文章通过扩展粗集理论，研究了空值的估算方法。     

利用聚类和粗糙集进行文本分类研究

文本信息是人们所接触到的最主要的信息表示方式,对文本信息高效管理是文本分类研究的重要内容之一。该文在空间向量模型的基础上将文本聚类和粗糙集理论的属性约简相结合,提出了一种新的文本分类方法,实验表明该方法可提高文本分类效率。     

基于一般二元关系下的粗糙Vague集

本文研究了一般关系下Vague集合的近似问题,建立了一般关系下粗糙Vague近似的框架。在分析经典的粗集理论、模糊集理论、Vague集理论三者关系的基础上,提出了一般关系下粗糙Vague集的概念,并定义了粗糙Vague近似算子,讨论了粗糙Vague的性质。本文的结果对进一步开展粗糙集Vague集的研究具有一定的意义。     

基于模糊粗糙特征集的不确定性知识表达

某些客观事物因其复杂性具有或不具有某种特征有时是不确定的、模糊的,针对此类不确定性知识表达和量化的需要,基于模糊粗糙集理论构建了知识表达的模糊粗糙特征集模型,并将其应用于研制经验的不确定性知识表达。实例结果表明,这种方法是合理的、可行的、有效的。     

关于模糊集的粗糙度

模糊集粗糙度的研究对于粗糙集和模糊集的理论和应用都有着重要作用。最近，Huynh等改进了由Baner—jee等给出的模糊集的粗糙度，提出了一种新的关于模糊集粗糙度的度量方法。本文对Huynh和Banerjee提出的粗糙度量进行了分析，指出了其中的不足，提出了一种新的改进方法。对Huynh度量方法存在缺陷的分析以及对新提出的改进方法性质的研究证明了新改进方法的合理性。