基于联系度的Rough集

本文将集对分析中的联系度概念应用于Rough集中,提出Rough集联系度的概念,说明了Rough集联系度与下和上近似集的值比的关系,分析了Routh集联系度与Rough集的拓扑特征的关系。     

Rough集查询算法在分布式数据库中的应用

在分布式数据库技术和模糊集理论的基础上,应用作为数据挖掘的新方法的Rough集理论,针对分布式数据库的复杂查询处理问题,构建一种基于Rough集的分布式数据库系统,设计出Rough集上的查询算法,不仅极大地降低了信息查询的时间复杂性,而且提高了信息查准率,又兼顾了查全率,从而可以更准确迅速地查到所需要的信息,为信息查询和科技查新提供决策支持。     

Rough集综合评价矩阵及其在风险决策中的应用

综合评价就是对多种因素所影响的事物或现象做出总的评价,即对评价对象的全体,根据所给的条件,给每个对象赋予一个非负实数——评价指标,再据此排序择优．根据Rough集和Bayes理论中的决策规则的确定性因子的涵义及其功能,本文提出了决策规则的条件属性确定性因子的概念,再利用条件属性的综合权重建立了Rough集综合评价矩阵,在风险决策时可以给决策者提供一定的决策依据．     

海洋水环境质量评价的非线性隶属函数集对分析方法

建立了基于非线性隶属函数的集对分析综合评价方法与系统的评价步骤,给出了针对海洋水环境质量评价相应指标的联系度函数表达式.以渤海湾某工程海域的水环境质量评价为例,检验该方法的可行性,结果表明集对评价法具有简洁和易操作等优点,非线性隶属函数能更好的描述评价指标的等级归属程度,评价结果具有更高的可信度.     

基于Rough集的规则抽取技术

数据分类是数据挖掘的一个重要功能,神经网络以其良好的抗噪性和鲁棒性而成为一种广泛使用的数据挖掘工具,尤其是运用在数据分类中.但是,神经网络对用户来说是一个黑箱,所获得的知识隐含在神经网络的连接权中而难以理解.针对这种情况,建立了一个基于神经网络的数据分类系统模型,通过数据处理、网络训练、规则抽取等几个阶段,达到将获得的知识清晰化的目的.在系统中,首先对连续性数据作规一化和对语义性数据进行编码;然后经过网络训练而获取知识;规则抽取采用功能性方法:即把神经网络视为黑盒,随机产生输入得到相应的输出组成实例,然后采用Rough集的方法进行约简得出规则.     

Rough集理论发展现状与应用前景

为了解决复杂系统的不确定性信息处理问题,介绍了Rough集理论的基本概念和研究状况.对Rough集模型推广、约简算法研究等进行了讨论;并对Rough集理论在机器学习、决策分析、知识发现等领域中的应用状况进行了论述,同时提出了Rough集理论在知识获取和并行计算领域中的发展前景和Rough逻辑控制、Rough信息处理等研究方向.     

模糊隶属函数及其对系统性能的影响

介绍了模糊控制系统中常用的隶属函数形式，给出了１１种基本隶属函数的具体构造及其特征参数，并运用二维模糊控制 进行了仿真，通过对典型控制对象的仿真结果分析，总结了模糊控制系统中隶属函数形式对系统性能所产生的影响。     

多值Rough集的一般化

给出了多值信息系统中的等域关系的定义,讨论了等域关系的性质,进而,给出了将多值Rough集一般化的方法,并将经典Rough集理论和方法的应用范围扩展到了多值的情况。     

Rough集在企业数据挖掘中的应用

企业信息系统中收集到的大量数据往往是不完备的,引入相似关系定义不完备信息系统的分明矩阵,采用分明矩阵的简化方法计算约简,对每个约简中的不完备数据,按照对象条件属性值相对决策属性取值的先验概率进行完备化,完备化后的信息系统生成了一组决策规则,这些规则不但存在冗余而且规则解释能力低,按照特征描述逐步挖掘规则并给出了挖掘所有最简决策规则的算法.整个过程中,通过客户信息资料描述一系列过程,验证了新的信息系统完备化方案以及挖掘算法的合理性和有效性.     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。     

覆盖粗糙集模型的推广

通过已知覆盖生成的覆盖,对覆盖粗糙集模型进行了推广,并引进了新的近似算子,讨论了上、下近似算子的性质。     

变精度覆盖粗糙集模型近似算子的性质

变精度覆盖粗糙集模型是在放宽了覆盖标准的前提下给出的,因而导致近似算子发生了变化.在介绍了覆盖粗糙集模型和变精度覆盖粗糙集模型的概念的基础上,给出并证明了变精度覆盖粗糙集模型的近似算子的几个性质,即定理1、定理2、定理3及其推论.     

基于覆盖的变精度粗糙集模型

Pawlak粗糙集理论是以等价关系为基础的,而现实中大量存在着非等价关系,如允许有分类误差的情况,此时经典的粗糙集理论模型的应用受到限制。为了使粗糙集理论有更大的应用空间,推广粗糙集模型,作者提出了基于覆盖的变精度粗糙集模型,给出了几个相关的重要概念,并用公理化的方法研究了覆盖的变精度粗糙集近似算子的一些重要性质。     

Dualities in Covering Rough Operations

1 Introduction Across a wide varietyof field,sdata are being collectedand accumulated at a dramatic pace,espe- ciallyattheage of Interne.tMuch usefulinformation ishidden inthe accumulated voluminous data,but it is very hard for us to obtain it.In order to…     

可拓集合与粗糙集合

将粗糙集合和可拓集合进行了比较,并表明任何粗糙集合可以用一个形如U→{-1,0,1}的关联函数来表示．证明了这两个概念是不同的但可用可拓集合运算的新定义来把粗糙关联函数拓展到可拓集合的交并运算上,采用可拓集合中可拓域的概念较好地解决了此问题．     

基于加细覆盖的广义粗糙集研究

覆盖广义粗集是Paw lak粗集理论的一种重要扩展.本文从拓扑学的角度,利用邻域系重新定义了广义粗集近似集的概念,并分析了这些近似集概念之间的差异;证明了在加细覆盖条件下,上、下近似集运算存在一些特别性质;给出了加细覆盖下近似集运算的公理化构造条件。     

粗糙集理论及其应用

介绍了一种不完备信息的新颖、有效的软计算方法-粗糙集理论,阐述其基本理论框架,讨论其典型应用,描述粗糙集与神经网络、模糊集、并行算法、专家系统有机结合的条件,并介绍了几种智能处理系统的结构。     

粗糙集理论及其应用进展

粗糙集理论以其出色的处理模糊和不确定知识的能力，成为数据挖掘研究中的有力工具。文章首先描述了粗糙集理论的基本思想，接着介绍了基于粗糙集理论的数据分析过程，给出了作者等人的相关研究工作，最后论述了粗糙集的应用进展及未来的研究方向。     

有限集合上的划分与覆盖

关于有限集合上的划分与覆盖,一般很少讨论和研究。本文根据集合的划分与覆盖的定义,利用容斥定理和集合理论,给出了有限集合上的划分与等价关系、完全覆盖与相容关系的关系,以及有限集合上的划分数和完全覆盖数的计算公式。     

基于覆盖的区间值直觉模糊粗糙集模型的讨论

利用论域上的覆盖提出了基于覆盖的区间值直觉模糊粗糙集模型,并讨论了它的性质.