基于覆盖广义粗集的模糊性

本文定义了基于覆盖广义粗集的模糊性度量,给出一种度量表示并讨论此种模糊性度量的性质;定义了正负域覆盖广义粗集的模糊度,并通过一个具体实例给出直观解释。     

关于覆盖广义粗集的一些基本结果

粗集理论是数据挖掘的一个重要工具,本文研究一类广义粗集,即覆盖广义粗集.主要的结果有:(1)与经典的Pawlak粗集理论相对应的覆盖广义粗集的基本性质;(2)一个论域上两个覆盖生成相同覆盖广义粗集的充分必要条件;(3)一个覆盖的约简,即一个覆盖能生成原覆盖广义粗集的最小部分;(4)覆盖广义粗集中上下近似运算的相互依赖性;(5)覆盖下近似运算的公理化.     

覆盖上近似集与相对闭包

文献[1]中的相对闭包不能对应于覆盖广义粗集理论中的另一个主要概念覆盖上近似集.因此本文给出了关于子基β的相对闭包的另一种定义,使之能对应于覆盖广义粗集理论中的覆盖上近似集.主要结果:相对闭包的一些基本性质、同一拓扑的两个子基会生成相同的相对闭包运算的充分必要条件、相对内部运算和相对闭包运算的相互依赖性.这些结果可以看作是覆盖广义粗集的理论基础.     

覆盖广义粗集理论中的拓扑学方法

本文是从拓扑学的角度来看覆盖广义粗集理论,先引进拓扑空间的相对内部和相对闭包的概念并对其进行了较深入的研究.主要结果有,(1)相对内部和相对闭包的基本性质;(2)同一拓扑的两个子基生成相同的相对内部和相对闭包的充分必要条件;(3)相对内部运算和相对闭包运算的公理化.这些结果可以看作是覆盖广义粗集的理论基础,同时对于覆盖广义粗集理论的研究也提供了一种尝试的方法.     

集族等价与基于粒的下近似算子研究

基于覆盖的粗集是推广经典粗集理论的方法之一,有基于元素、基于粒和基于子系统的3类定义上下近似的途径,以往大多数的文献往往从基于元素的角度出发进行定义。为了研究基于粒的近似算子特别是下近似算子的性质,借鉴格论中既约元、可约元等概念,提出了集族约简的概念。从集族约简出发,探讨了集族等价的概念与性质,并设计了集族约简的算法,得到了两个集族等价是两个集族生成相同的下近似运算的充要条件这一结果,为进一步开展一般二元关系下基于粒的近似算子的公理化方法的研究做了初步的理论方面的准备工作。     

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。     

广义犹豫模糊软集的相似度量及其应用

在广义模糊软集和犹豫模糊软集的基础上给出广义犹豫模糊软集的概念,并研究广义犹豫模糊软集的相似度量。首先利用三种犹豫模糊集合的包含度,构造犹豫模糊集间的相似度量公式。然后在犹豫模糊集相似度基础上给出广义犹豫模糊软集相似度量的公理化定义,并构造广义犹豫模糊软集的相似度量公式,这些公式可以计算参数集不同时两个广义犹豫模糊软集间的相似度。最后利用广义犹豫模糊软集相似度量方法构造了一种决策方法,并将这个决策方法应用于环境治理问题中。通过实例验证了所提出方法的可行性和有效性。     

覆盖模糊S-粗集模型

建立了基于覆盖理论的模糊S-粗糙集模型,并讨论其性质。在覆盖单向S-粗集x的最小描述的基础上,给出了x的最大描述的定义。给出了覆盖模糊S-粗集上 、下近似算子定义,讨论了算子的基本性质,证明了覆盖S-粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到模糊单向S-粗集X相对于覆盖单向S-粗集和覆盖约简单向S-粗集的上下近似分别相等。     

余等价关系下的粗糙集

二元关系作为一类特殊的集合,可考虑它的余集.文中首先从等价关系的集合属性出发,给出余等价关系的定义及其内部关系刻画,构造基于余等价关系的广义粗糙集,论证其公理化基础.其次研究经典粗糙集和余等价关系下的广义粗糙集之间的相互联系,并在特定条件下借助余等价关系下的广义粗糙集,简化相应经典近似算子的相关运算,刻画基本精确集等重要知识.     

粗集公理组的极小化

粗集公理化是粗集理论研究的一个重要部分，它的目标是获得可靠和极小的粗集公理组，以往文献在这一研究中取得了有意义的进展，给出了若干组粗集公理，但是，它们在粗集公理的表示形式，粗集公理组的极小化以及粗集公理组的可行性证明中，尚未达到粗集公理化的理想目前，该文在以往文献的基础上，研究了粗集公理组的极小化，首先，去除了现有的粗集公理组中稳含着沉余性，得到了更为精练的两组粗集公理，并证明了它们的可靠性，其次，定义了极小粗集公理组概念，并证明了给了的两组粗集公理是极小的，最后，讨论了一个典型粗集公理组S5，并证明了它的可靠性和极小化。     

Approximations and reducts with covering generalized rough sets

The covering generalized rough sets are an improvement of traditional rough set model to deal with more complex practical problems which the traditional one cannot handle. It is well known that any generalization of traditional rough set theory should first have practical applied background and two important theoretical issues must be addressed. The first one is to present reasonable definitions of set approximations, and the second one is to develop reasonable algorithms for attributes reduct. The existing covering generalized rough sets, however, mainly pay attention to constructing approximation operators. The ideas of constructing lower approximations are similar but the ideas of constructing upper approximations are different and they all seem to be unreasonable. Furthermore, less effort has been put on the discussion of the applied background and the attributes reduct of covering generalized rough sets. In this paper we concentrate our discussion on the above two issues. We first discuss the applied background of covering generalized rough sets by proposing three kinds of datasets which the traditional rough sets cannot handle and improve the definition of upper approximation for covering generalized rough sets to make it more reasonable than the existing ones. Then we study the attributes reduct with covering generalized rough sets and present an algorithm by using discernibility matrix to compute all the attributes reducts with covering generalized rough sets. With these discussions we can set up a basic foundation of the covering generalized rough set theory and broaden its applications.     

变精度覆盖粗糙集模型的比较

介绍覆盖粗糙集和Ziarko变精度粗糙集模型,将Ziarko变精度粗糙近似算子应用于覆盖近似空间,借助引入的误差参数β (0 ≤β<0.5),给出2种变精度覆盖粗糙集模型的β上近似、β下近似、β边界和β负域的定义。讨论2种模型中β上、下近似算子的基本性质、2种模型之间的关系以及变精度覆盖粗糙集模型与其他粗糙集模型的关系。     

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.     

多粒度粗糙集和覆盖粗糙集间的近似与约简关系*

多粒度粗糙集和覆盖粗糙集是2种重要的数据处理机制.文中从近似集和属性约简2个角度探讨完备信息系统与不完备信息系统中多粒度粗糙集和覆盖粗糙集的关系.通过构造信息系统的粒空间,证明乐观多粒度粗糙集近似等价于松覆盖粗糙集近似,悲观多粒度粗糙集近似等价于紧覆盖粗糙集近似,即乐观多粒度粗糙集和悲观多粒度粗糙集可分别表示为松覆盖粗糙集和紧覆盖粗糙集.进一步指出信息系统的2类多粒度粗糙集的协调集可转化为2类覆盖粗糙集的协调集,并刻画多粒度粗糙集约简与覆盖粗糙集约简间的密切联系.     

基于广义粗集覆盖约简的粗糙熵

在广义粗集覆盖约简理论中,由于集合的上下近似是由其覆盖约简来确定的,因此有必要寻求一种新的度量来刻画知识和粗集的粗糙性.通过引入信息熵以刻画广义粗集覆盖约简的知识粗糙性以及粗集粗糙性,提出了一种新的知识粗糙性和粗集粗糙性度量.得到知识粗糙熵和粗糙集的粗糙熵都随广义覆盖约简的变细而单调减少的结论,从信息论观点出发,对不完备信息系统粗集理论进行了探讨.     

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。     

A novel approach to fuzzy rough sets based on a fuzzy covering

This paper proposes an approach to fuzzy rough sets in the framework of lattice theory. The new model for fuzzy rough sets is based on the concepts of both fuzzy covering and binary fuzzy logical operators (fuzzy conjunction and fuzzy implication). The conjunction and implication are connected by using the complete lattice-based adjunction theory. With this theory, fuzzy rough approximation operators are generalized and fundamental properties of these operators are investigated. Particularly, comparative studies of the generalized fuzzy rough sets to the classical fuzzy rough sets and Pawlak rough set are carried out. It is shown that the generalized fuzzy rough sets are an extension of the classical fuzzy rough sets as well as a fuzzification of the Pawlak rough set within the framework of complete lattices. A link between the generalized fuzzy rough approximation operators and fundamental morphological operators is presented in a translation-invariant additive group.     

基于相似度的粗糙集近似算子快速求解

由于经典粗糙集只能处理精确分类问题,基于相似度的粗糙集模型被提出并用于解决不完备信息系统的相关问题.粗糙集通过近似算子对某一给定的概念进行近似表示,科学的求解这些算子对粗糙集理论的发展具有重要意义.本文提出一种新的近似算子快速求解方法,分析证明了所提快速方法比经典方法具有更高的求解效率.文章定义了元素覆盖度、集合覆盖度等概念,使用覆盖度等价关系可以将覆盖粗糙集转化为经典粗糙集,从而简化覆盖粗糙集的相关问题的解决.