《Rough集及Rough推理》

Rough集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息 Granules和 Granular计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了 Rough集的基本概念、Rough关系、Rough函数及广义 Rough集 ;数据约简的各种方法 ;数据推理原理和各种推理模式 ;…     

《Rough集及Rough推理》

Rough集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息 Granules和 Granular计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了 Rough集的基本概念、Rough关系、Rough函数及广义 Rough集 ;数据约简的各种方法 ;数据推理原理和各种推理模式 ;…     

《Rough集及Rough推理》

Rough集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息Granules和 Granular计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了 Rough集的基本概念、Rough关系、Rough函数及广义 Rough集 ;数据约简的各种方法 ;数据推理原理和各种推理模式 ;…     

《Rough集及Rough推理》

Ｒｏｕｇｈ集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息Ｇｒａｎｕｌｅｓ和Ｇｒａｎｕｌａｒ计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了Ｒｏｕｇｈ集的基本概念、Ｒｏｕｇｈ关系、Ｒｏｕｇｈ函数及广义Ｒｏｕｇｈ集 ;数据约简的各种…     

《Rough集及Rough推理》

Rough集理论是一种处理含糊和不精确性问题的新型数学工具 .对人工智能和认知科学似乎是十分重要的 ;尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出 :许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容 .当前国内外学者已公认 ,该理论是研究数据挖掘、知识约简、信息Granules和 Granular计算的理论基础 ,是当前国内外计算机及相关专业的学者和科技人员的研究热点 .本书共分 7章 ,分别介绍了 Rough集的基本概念、Rough关系、Rough函数及广义 Rough集 ;数据约简的各种方法 ;数据推理原理和各种推理模式 ;…     

Rough集及Rough推理

Rough集理论是一种处理含糊和不精确性问题的新型数学工具,对人工智能和认知科学似乎是十分重要的,尤其在机器学习、知识发现、归纳推理、模式识别等领域的应用更为突出,许多重要的国际会议或研讨班都把它列入其研讨和交流的主要内容。当前国内外学者已公认,该理论是研究数据挖掘、知识约简、信息Granules和Gran-ular计算的理论基础,是当前国内外计算机及相关专业的学者和科技人员的研究热点。     

Rough集及在近似推理中的应用

本文介绍了Ｒｏｕｇｈ集的基本概念,阐述了Ｒｏｕｇｈ集与信息系统之间的关系,构造了一个基于Ｒｏｕｇｈ近似的距离函数,并使属性值区间化,且略述了开发的中医诊断专家系统,最后,展望了Ｒｏｕｇｈ集的研究前景。     

基于Rough集的模态逻辑及其近似推理

本文在Ｒｏｕｇｈ集上定义模态逻辑,并将这种逻辑的真值解释在Ｒｏｕｇｈ集上,使得古黄模态逻辑的必然和可能真值统一为Ｒｏｕｇｈｌｙ真值。文章还阐述了这种真值在近似推理中的应用。     

Rough集

1993—94年我在美国Stanford大学和San Jose州立大学作高访学者时,与本文致谢中提到的T.Y.Lin教授合作研究Rough集理论及其应用,我们的工作曾在1994年11月美国举行的第三次Rough集和软计算国际学术会议上受到Z.Pawlak教授的赞扬。这一理论及其应用现已成立了国际性学术研讨会,参加的成员有波兰、加拿大、美国、日本、俄罗斯、乌克兰和印度等。每年或两年举行一次学术会议。国内也开始陆续发表Rough集方面的文章。在此,我们将“Rough集”译出,以飨读者。——刘清     

多Agent系统中基于Rough集的推理

定义了多Ａｇｅｎｔ系统中的推理模型,建立了在该模型下的Ｒｏｕｇｈ集和基于Ｒｏｕｇｈ信方法的Ｒｏｕｇｈ包含计算或称集合连接计算,在知识发现和数据挖掘中,集合之间往往不是给出它们的相等性,而是讨论它们之间的Ｒｏｕｇｈ包含或连接。因为在不同的Ａｇｅｎｔ中集合之间关系的精确和一致解释往往是不容易获得的。一般说来,一条基于决策表上的规则,满足前提公式个体的集合包含于满足结论公式个体的集合常常是用一种支持值和     

带Rough相等关系词的Rough逻辑系统及其推理

以公式的定义域集的下和上近似分别相等方法，定义了两个Rough逻辑公式Rough相等，并以此定义了Rough相等关系词“＝R”，它不仅比等值词“←→”运算有更多的直观性，而且既考虑了可定义的公式，也包含了那 边界线上不可定义或可能可定义的公式，所以，经典逻辑中的隐含量φ→ψ被移至Rough逻辑中应当解释为R.(d(φ））包含R.(d(ψ))∧R^*(d(φ))包含R^*（d(ψ））。经典逻辑中的等值式φ←→ψ被移至Rough逻辑中应当解释为R.(d(φ））＝R.(d(ψ))∧R^*(d(φ))＝R^*（d(ψ）），其中d(F)是公式F的定义区域，它可能是可定久集，也可能是不可定义集或Rough集，这是Rough逻辑与经典逻辑与其它非标准逻辑的重要区别之一，将这种Rough相等词“＝R”引入Rough逻辑中，因而得一些相关的性质和相关的推理规则。文本中建立了带Rough相等关系词“＝R”的Rough逻辑推理系统，并在这个系统下用演绎推理方法证明了几个具体的实例。     

Rough函数依赖及其推理机制

在引入Rough函数依赖的基础上，提出了先行上、下冗余因子及结果上、下冗余因子的概念，研究了Rough函数依赖的性质和推理规则，最后分析了Rough函数依赖与函数依赖、Fuzzy函数依赖的关系．     

基于Rough集的Rough数及λ算子的逻辑价值

本文在介绍Ｒｏｕｇｈ集基础上，提出了基于Ｒｏｕｇｈ集理论的Ｒｏｕｇｈ数概念及其运算法则，并给出了这种Ｒｏｕｇｈ数应用实例及其近似程度算子λ在Ｒｏｕｇｈ逻辑中的理论价值。     

可变精度Rough集模型

首先痢要描述了Pawlak的Rough集模型,然后,提出可变精度Rough集模型,在定义Rugh隶属函数概念的基础上,详细论述了可变精度的Rugh集模型和基于决策理论的Rugh集模型。     

Rough集定义的拓广

对Rough集定义进行了拓广,通过将拓广的定义与传统的Rough集定义的比较分析证明了拓广是有意义、实用的.     

Rough Fuzzy集的公理化

在Pawlak Rough集研究路线上,有两种方法经常被采用:一种用代数方法和构造性方法,另外一种是逻辑系统的方法,即利用一个公理系统来刻画上、下近似算子,这种方法亦称为公理化方法.遵循公理化路线对Pawlak Rough集的变异--Rough Fuzzy集进行公理化处理,证明了公理化的存在,并讨论它们的性质.     

基于集值的Rough集扩充模型

基于文献[7]中的相容关系和优势关系,提出了一种k度限制相容关系模型,同时研究其性质。最后通过实例验证该模型具有很好的灵活性,分类结果也更加切合实际。     

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.     

Rough集理论与粒计算

近年来，粗糙集理论以其独特的优势在诸多科研领域取得了不俗的表现。在信息处理过程中，统计学方法需要知道数据的概率分布情况，模糊集的方法需要事先给定隶属度函数，而粗集理论不依赖于这些先验知识，利用上、下近似集这两个概念来描述不精确、不一致信息。本质上粗糙集理论是一种粒计算的模型框架。本文主要讨论粗糙集理论的基本概念、扩展模型以及未来的挑战。此外，对于与粒计算的相关概念以及它们在未来发展中的趋势、面临的主要问题本文也有所涉及。