基于相容粗糙-模糊集的电力通信网风险评估

鉴于电力通信网风险因素的复杂性和不确定性以及评估数据的模糊性问题,在对其分析的基础上,提出运用相容粗糙-模糊集对电力通信网进行风险评估的方法。通过建立电力通信传输网风险评估模型,利用该方法对某地电力传输网的实际数据进行分析,求出每一个相容类属于不同风险等级的可能值,得到客观的风险评估规则。结果表明该方法有效可行,对风险管理具有一定的指导意义。     

基于覆盖的粗糙模糊集的粗糙熵

覆盖约简是研究覆盖去冗余问题的一种有效方法。本文在基于最简覆盖的粗糙集模型的基础上,将粗糙度和粗糙熵的概念引入基于最简覆盖的粗糙模糊集,用来度量其不确定性程度;讨论了它们的一些性质,并通过实例说明粗糙熵比粗糙度更能精确地反映基于最简覆盖的粗糙模糊集的不确定性程度。     

基于表现定理的粗糙模糊集的构造方法

基于模糊集的截集和表现定理,从新的角度建立了粗糙模糊集的近似算子,强近似算子和弱近似算子,并得到粗糙模糊集的两种新的描述形式。     

一种基于相容关系的聚类算法*

聚类分析是数据挖掘中一个重要研究内容。传统的聚类算法可划分为硬聚类和模糊聚类两大类,提出一种基于对象集上的相容关系的聚类算法,该算法通过极大相容簇来对数据对象集进行分类,使得同一对象可以属于不同的簇,而每个簇又有自己独有的成员对象,从而得到既不同于硬聚类也不同于模糊聚类的聚类效果。实验进一步表明了该算法的聚类的合理性。     

基于相容关系的粗糙集理论的推广

文章给出了一种基于相容关系的推广的粗糙集模型。当传递性不能满足时,等价关系弱化为相容关系,用相容核代替等价类来构造上、下近似算子,从而给出一种推广的粗糙集模型。较之于以R(x)代替等价类所得到粗糙集模型,该文所得到的上、下近似算子分别是闭包算子和内部算子,而且对未知知识的(近似)刻画更为精确。     

基于相容粗集的分形图像压缩编码改进方法

本文首先分析了图像分形压缩技术中传统加速方法的性能缺陷,随后提出了相容粗集的有关理论,并证明了相容粗集理论应用在图像分形压缩技术中的完备性。本文给出了基于相容粗集的编码字典的改进算法和加速匹配过程的算法。实验结果说明,该方法在压缩质量、压缩率、压缩时间等方面与传统方法比较都有较明显的改善。     

相容关系下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相容关系,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。     

基于广义变精度粗糙模糊集模型的知识发现

介绍了广义Ziarko's变精度粗糙集模型和广义粗糙模糊集模型,找出了它们的不足.基于支集相对错误分类率及误差参数β(0≤β＜0.5),提出了广义变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与广义Pawlak's粗糙集模型、广义Ziarko's变精度粗糙集模型和广义粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性.     

集值信息系统基于变精度相容关系的知识约简

借助于属性集值的相似程度在集值信息系统上定义了一种变精度相容关系,给出了这种变精度相容关系下目标协调集值信息系统的知识约简与判定,并讨论了相容水平对目标协调集值信息系统的知识约简的影响。     

基于优势关系的程度粗糙直觉模糊集模型研究

针对经典粗糙直觉模糊集理论仅考虑了集合中的最小/最大隶属度与非隶属度,而忽略了介于二者之间的隶属度与非隶属度的问题,从程度粗糙集的角度对其进行了分析研究。首先,将程度粗糙集引入到经典粗糙直觉模糊集模型中,定义了μ′(y)和ν′(y),将其与最小/最大之间的隶属度与非隶属度的值比较。然后,构建新的下、上近似,提出四个模型,即基于优势关系的Ⅰ型、Ⅱ型程度粗糙直觉模糊集模型和基于优势关系的Ⅰ型、Ⅱ型双论域程度粗糙直觉模糊集模型,讨论这些模型的相关性质。这些模型的边界域缩小了,也降低了模糊熵值。最后,通过实例验证了模型的有效性。     

广义粗糙模糊集

粗糙集理论的主要思想是不精确的概念(被近似集)如何用可利用的知识库中的已知知识(近似空间中的可定义集全体)来近似描述[2].粗糙集理论与应用的核心基础是从近似空间导出的一对非数值型算子--上近似算子和下近似算子,并且这对算子与证据理论中的一对数值型算子--似然测度与信任测度--的关系非常密切,集合的上、下近似被看成是对该集合近似好坏的定性描述,而集合的似然测度与信任测度又可以看成是对该集合近似好坏的定量描述,甚至从一定程度上可以将粗糙集理论看成是证据理论的基础[4].     

基于相似关系的模糊粗糙集模型

1引言 Rough集[1]是一种处理不完整和不确定信息的数学工具,目前,Rough集已被成功的应用于机器学习、决策分析、过程控制、模式识别与数据挖掘等领域.虽然Rough集理论对于不完备知识的处理是有效的,但是它对原始数据本身的模糊性缺乏相应的处理能力[2].     

相容关系下的覆盖粗糙集

为了更有效地覆盖粗糙集理论应用到数据挖掘领域,所以对相容关系下的覆盖粗糙集进行了一系列的探究。首先介绍了基于相容关系的覆盖的定义以及基于相容关系的覆盖的特例--最大相容类的集合生成的覆盖的一些性质;其次对相容关系下由所有最大相容类的集合生成的覆盖中的可约元进行了讨论,并对这个条件下覆盖是否为单一的覆盖进行了探讨;接着借助于最小描述提出了k-最简覆盖这个概念,并对其做了简单的探究;最后探究了一些评价相容关系下的覆盖粗糙集的数值标准,并且分析了绝对覆盖率和相对覆盖率相等的情况。     

Rough Sets Model Based on Random Fuzzy Sets and Fuzzy Logic Operators

As knowledge block in knowledge base is fuzzy and obtained randomly, we propose a random fuzzy rough set model based on random fuzzy sets and fuzzy logic operators. We give some properties of the random fuzzy rough set. We investigate the relationship between fuzzy measures defined by lower approximation and upper approximation of fuzzy set and fuzzy probability measures.     

覆盖广义粗糙集模型研究

覆盖广义粗糙集理论是由Pawlak经典粗糙集理论在划分的基础上推广到覆盖建立起来的,它更能合理地描述信息的不确定性、不准确性和不完整性。本文给出覆盖广义粗糙集理论的6种基本模型,讨论每种模型的覆盖上近似运算并给出相关性质,最终给出模型之间的相互关系,从而补充和完善了覆盖广义粗糙集理论的公理化体系。     

基于广义粗糙集的应急物资调度模型

为提高应急物资配送效率与可操作性,针对应急物资调度中面临的运输时间与货物量不确定问题,构建了基于广义粗糙集的应急物资多目标调度模型。引用广义粗糙集变量描述运输时间和货物量的不确定性,定义了粗糙加法运算、粗糙精度、粗糙比率与事件真度的计算公式。在粗糙目标函数的清晰化的设计中,针对运输时间不确定性,采用了基于粗糙加法运算的事件真度转换的方法;针对货物量的不确定性,采用了基于粗糙加法运算的综合粗糙精度与粗糙比率的转换方法。采用遗传算法对问题进行求解,并着重分析了粗糙比率的变化对结果的影响。仿真实验表明,粗糙比率对计算结果影响较为明显,其权重系数是实际应用的重要决策变量,模型具有可操作性,求解算法收敛性好。     

A Novel Fuzzy Rough Sets Theory Based CF Recommendation System

Collaborative Filtering (CF) is one of the popular methodology in recommender systems. It suffers from the data sparsity problem, recommendation inaccuracyand big-error in predictions. In this paper, the efficient advisory tool is implemented for the younger generation to choose their right career based on theirknowledge. It acquires the notions of indiscernible relation from Fuzzy Rough Sets Theory (FRST) and propose a novel algorithm named as Fuzzy RoughSet Theory Based Collaborative Filtering Algorithm (FRSTBCF). To evaluate the model, data is prepared using the cross validation method. Based on that,ratings are evaluated by calculating the MAE (mean average error), MSE (means squared error) and RMSE (root means squared error) values. Further thecorrectness of the model is measured by finding rates like Accuracy, Specificity, Sensitivity, Precision & False Positive Rate. The proposed FRSTBCF algorithmis compared with the traditional algorithms experiment results such as Item Based Collaborative Filtering using the cosine similarity (IBCF-COS), IBCF usingthe pearson correlation (IBCF-COR), IBCF using the Jaccard similarity (IBCF-JAC) and Singular Value Decomposition approximation (SVD). The proposedalgorithm gives better error rate and its precision value is comparatively identical with the existing system.     

一种覆盖粗糙模糊集模型

粗糙集扩展模型的研究是粗糙集理论研究的一个重要问题.其中,基于覆盖的粗糙集模型扩展是粗糙集扩展模型中的重要一类.覆盖近似空间中的概念近似是从覆盖近似空间中获取知识的关键.目前,研究者对覆盖近似空间中经典集合的近似进行了较多的研究.针对覆盖近似空间中模糊集合的近似,虽然不同的覆盖粗糙模糊集模型被提了出来,但它们都存在不合理性.从规则的置信度出发,提出了一种新的覆盖粗糙模糊集模型.该模型修正了已有模型中存在对象在下近似中不确定可分和上近似中不近似可分的问题.分析了具有偏序关系的两个覆盖近似空间中上、下近似之间的关系,发现两个不同覆盖生成相同覆盖粗糙模糊集的充要条件是这两个覆盖的约简恒等.分析了新模型与Wei模型、Xu模型之间的关系,发现这两种模型是新模型的两种极端情况,且其应用前提是覆盖为一元覆盖.这些结论将为覆盖粗糙模糊集模型应用于决策为模糊的情形提供理论基础.     

一种覆盖粗糙模糊集模型

粗糙集扩展模型的研究是粗糙集理论研究的一个重要问题.其中,基于覆盖的粗糙集模型扩展是粗糙集 扩展模型中的重要一类.覆盖近似空间中的概念近似是从覆盖近似空间中获取知识的关键.目前,研究者对覆盖近似空间中经典集合的近似进行了较多的研究.针对覆盖近似空间中模糊集合的近似,虽然不同的覆盖粗糙模糊集模型 被提了出来,但它们都存在不合理性.从规则的置信度出发,提出了一种新的覆盖粗糙模糊集模型.该模型修正了已 有模型中存在对象在下近似中不确定可分和上近似中不近似可分的问题.分析了具有偏序关系的两个覆盖近似空 间中上、下近似之间的关系,发现两个不同覆盖生成相同覆盖粗糙模糊集的充要条件是这两个覆盖的约简恒等.分 析了新模型与Wei 模型、Xu 模型之间的关系,发现这两种模型是新模型的两种极端情况,且其应用前提是覆盖为一 元覆盖.这些结论将为覆盖粗糙模糊集模型应用于决策为模糊的情形提供理论基础.