Vague集的偏熵与关联熵

在文献[1]的基础上,定义Vague集的偏熵,关联熵和关联熵系数等新概念.对其主要性质进行讨论,并给出了关联熵系数在相似度量中的应用.     

一种覆盖粗糙Vague集模型及其不确定性度量

针对文献[21]提出的覆盖粗糙Vague集模型中幂等性并不成立的问题,提出了一种新的基于近邻域的覆盖粗糙Vague集模型,并讨论了相关性质及与Ⅰ型覆盖粗糙Vague集模型的关系;最后通过引入覆盖粒度空间下知识熵的概念,定义了一种Ⅱ型覆盖粗糙Vague集模型的不确定性度量方法.算例分析表明,Ⅱ型覆盖粗糙Vague模型的不确定性程度随粒度减小而减小.     

粗糙Vague集(值)相似性度量的一种新方法

对粗糙集和Vague集的概念、知识表示方法进行了讨论,把粗糙集和Vague集进行了融合,描述了粗糙Vague集概念,给出粗糙Vague值的相关概念及其相似性度量的一种新方法,研究了粗糙Vague集的相关性质及其相似性度量的方法。     

Vague集理论及其在国画类别区分中的应用

为解决Vague值（集）的相似度量问题,提出一种公理化意义下全面综合的度量方法。通过对现有Vague集相似度量的功能进行分析对比,获得在相似度量公理化下的扩展形式,并结合模糊熵理论,综合Vague值（集）相对熵的公理化思想,研究Vague值（集）相似度量与相对熵的关系,给出带参数的计算方法。分析结果证明,将该方法应用于国画类别的区分识别中,能获得较好的分类结果。     

Vague软集的新模糊熵及其应用

依据软集、Vague集、Vague软集现有理论,参考Vague集模糊熵度量方法,对Vague 软集模糊熵的公理化定义进行了补充,修正了原有公理化定义中不完整的地方;提出了一种新的计算Vague 软集模糊熵的公式,并给出了其在决策中的应用实例及分析。实例分析表明该Vague 软集模糊熵公式具有良好的应用效果。     

Vague软集的模糊熵和它的一些性质

Vague软集理论被认为是一种新的处理不确定信息的数学工具,而模糊熵又是度量各种不确定信息的重要技术.文章基于Vague集思想和软集思想之间的联系,以及Vague集与软集现有理论,在Vague集模糊熵公理化定义的基础上,初步提出了Vague软集的模糊熵的公理化定义.同时给出了一种Vague软集的模糊熵的计算公式,并在此基础上证明了我们的模糊熵公式具有一些良好的数学性质.所得结果扩展了Vague软集理论的研究范围,并提出了该领域未来可研究的方向.     

一种新的Vague集的熵

受Fuzzy集模糊熵的启发,提出了Vague集熵的公理化定义。充分考虑到Vague集的真隶属度、假隶属度和犹豫度三个方面,提出了新的Vague集的熵的计算公式,用于度量一个Vague集的模糊性。以实例来说明新的公式的有效性和实用性。     

Vague集模糊熵的新构造方法

模糊熵作为一种度量模糊集的模糊性和信息量的工具,很多学者提出了多种度量方法,但这些方法中对Vague集模糊熵的约束条件的定义不够全面严谨,对现有的模糊熵构造方法进行了分析,给出了改进的Vague集模糊熵的直观约束条件,并根据Vague集的三维图提出了一种新的模糊熵构造方法,最后通过对定理的证明表明新的模糊熵构造方法同时考虑到了Vague集未知信息和不确定性信息两方面带来的模糊性,证明了新的Vague集模糊熵的定义更加合理。     

基于Vague熵的Vague集相似度量

对当前Vague集相似度量及Vague熵之间的关系进行了分析,指出它们并不匹配,本文分析了Vague熵的影响因素,给出一种新的Vague熵定义及一种新的计算公式,提出基于熵的Vague集新相似度量,与现有方法相比,本文的方法可以像普通模糊集一样,一个Vague集的熵可由它与它的补集间的相似度量较好地刻画.     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

多粒度覆盖粗糙模糊集模型不确定性研究

针对覆盖粗糙模糊集中存在的上下近似不一致问题.引入一种更为合理的覆盖粗糙模糊集模型,讨论了该模型的结构与相关性质,定义了基于此模型的粗糙度度量方法.基于覆盖粗糙模糊集中粗糙度相等的情形,提出模糊集中极大模糊集的概念,并利用模糊集与极大模糊集的距离问题定义了模糊集的优劣次序,从而有效解决了模糊集在覆盖粗糙模糊集中粗糙度的度量问题.通过引入粗糙熵等相关概念,证明了此模型中仍然存在随最简覆盖变细,两种度量单调减少的规律,并通过实例进行了验证.从而为进一步揭示粗糙集、粗糙模糊集及覆盖粗糙模糊集之间的不确定性度量规律提供了理论依据.     

粗糙Vague集（值）间k步相似度量新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念,在研究了粗糙Vague集相似性度量方法的基础上,提出了一种对踌躇度п_v（x）k步细化的k步相似度量新方法,并且研究了该方法的相关性质。进一步对k步相似度量在k趋向无穷时求极限,得出粗糙Vague集退化为模糊集的特例情况。     

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。     

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。     

Measures of general fuzzy rough sets on a probabilistic space

Fuzzy rough set is a generalization of crisp rough set, which deals with both fuzziness and vagueness in data. The measures of fuzzy rough sets aim to dig its numeral characters in order to analyze data effectively. In this paper we first develop a method to compute the cardinality of fuzzy set on a probabilistic space, and then propose a real number valued function for each approximation operator of the general fuzzy rough sets on a probabilistic space to measure its approximate accuracy. The functions of lower and upper approximation operators are natural generalizations of the belief function and plausibility function in Dempster-Shafer theory of evidence, respectively. By using these functions, accuracy measure, roughness degree, dependency function, entropy and conditional entropy of general fuzzy rough set are proposed, and the relative reduction of fuzzy decision system is also developed by using the dependency function and characterized by the conditional entropy. At last, these measure functions for approximation operators are characterized by axiomatic approaches.     

基于相对熵的一种属性约简算法

知识约简是粗糙集理论研究的主要内容之一。在信息系统中引入了知识的相对熵的概念,证明了在知识相对约简过程中相对熵的变化趋势是递减的;利用相对熵的概念,定义了属性的相对重要性,提出了一种基于相对熵的新的属性约简启发式算法,该算法的时间复杂度为O(｜C｜3｜U｜2),通过例子分析,表明该算法是有效的。     

不同知识粒度下粗糙集的不确定性研究

粗糙集的不确定性度量方法,目前主要包括粗糙集的粗糙度、粗糙熵、模糊度和模糊熵.在不同知识粒度下,从属性的角度,给出了分层递阶的知识空间链,发现在分层递阶的知识粒度下部分文献中定义的粗糙集的粗糙熵和模糊度随知识粒度的变化规律不一定符合人们的认识规律.从信息熵的角度提出了一种粗糙集不确定性的模糊度度量方法,证明了这种模糊度随知识粒度的减小而单调递减,弥补了现有粗糙熵和模糊度度量粗糙集不确定性的不足.最后,分析了在不同知识粒度下粗糙度和模糊度的变化关系.