基于非对称选择相似关系的扩充粗糙集模型

针对带"*"值的不完备决策系统,提出一种基于非对称选择相似关系的扩充粗糙集模型,通过定义"选择相似"的概念来合理地控制未知值和已知值的相似程度,克服了"*"值可与任意值相似的不足。理论分析表明,该模型不但符合人的"选择性"要求,而且具有更加合理的分类效果。实例分析进一步验证了非对称选择相似关系的优越性。     

基于限制非对称相似关系模型的规则获取算法研究

粗糙集理论在不完备信息系统中的应用,是将粗糙集理论进一步推向实用的关键之一,而经典的粗糙集理论对不完备信息系统的处理显得束手无策.在分析研究已有的扩充粗糙集理论模型的基础上,进一步提出基于限制非对称相似关系模型,并将经典的可辨识关系矩阵加以扩充,定义了限制非对称相似关系下的可辨识关系矩阵,采用布尔推理方法,直接从不完备信息系统中提取规则而无需改变初始不完备信息系统的结构.实验结果表明,所获得的决策规则简洁,与缺省值无关.     

对象间差异度的限制非对称相似关系模型

经典Rough集理论主要是利用了不可分辨关系对完备信息系统进行分析的。对现有粗糙集模型进行扩充后,才可以应用于不完备信息系统。容差关系、非对称相似关系、基于对象间完备度的限制容差关系、限制非对称相似关系等是现有的扩充模型。通过分析其优点和不足之处,提出一种新的模型——对象间差异度的限制非对称相似关系模型,在该模型中,给出的知识粒度更精确,更符合实际。实例结果也证明新模型可以从不完备信息系统获取更加精确的知识粒度。     

不完备信息系统下非对称相似关系的改进

通过分析现有粗糙集扩充模型,提出了一种修正非对称相似关系。基于该关系的扩充模型有效地克服了容差关系和非对称相似关系的不足。实例结果表明了其对不完备信息系统处理更简单有效,获取的信息更充分。     

基于相似度的限制容差关系改进

对于不完备信息系统,可以首先进行完备化处理,然后再对所得到的完备信息系统采用传统的处理方法进行约简。但是,这种处理往往会改变原始系统的相关信息。为此有必要直接对不完备信息系统进行处理。论文在分析不完备信息系统已经存在的容差关系、非对称相似关系及限制容差关系的基础上,引入相似度的概念,对限制容差关系进行改进,从而得到基于相似度的限制容差关系模型,能够更灵活地处理不完备信息系统。     

基于非对称相似粗糙集的规则获取算法

针对目前应用粗糙集相似关系理论与LEM2算法进行规则推理时获取规则较少以及规则简化程度不高的问题,提出了粗糙集非对称相似关系与近似集的计算方法,并对现有LEM2算法获取规则的过程进行了改进与补充,形成了一种新的基于非对称相似粗糙集的规则获取算法,以便从不完整信息中获取更多潜在规则.最后以实际算例对两种算法分别进行了测试并给出了结果对比分析,仿真结果表明新的规则获取算法在不改变原有信息集结构与内容的基础上具有更好的优化性能,能获得更好的优化结果.     

基于限制容差关系的集对粗糙集模型

粗糙集理论是一种新的处理模糊和不确定性知识的软计算工具,在人工智能及认知科学等众多领域已经得到了广泛的应用。对于不完备信息系统,目前也有了多种扩充方法,如基于容差关系、基于相似关系和基于限制容差关系等的扩充。但是,这些扩充也都存在一些局限性。本文用集对分析的方法,定义了一个集对α相似限制容差关系,提出了一种基于限制容差关系的集对粗糙集模型。这种模型是限制容差关系的扩充粗糙集模型的推广和改进,既保留了原有扩充模型的优点,又可以通过对相似程度α的调节和控制,在保证这种容差类划分的准确性的同时,增加了其灵活性,更适于大型不完备信息系统的处理。     

基于改进的完备容差关系的扩充粗糙集模型

经典粗糙集理论不能直接处理不完备信息系统,而容差关系、相似关系限制容差关系和完备容差关系等扩充粗糙集模型在一定程度上解决了这个问题。分析了这些模型存在的局限性,并在完备容差关系的基础上,提出了基于改进的完备容差关系的扩充粗糙集模型,该模型既保留了已有模型的优点,又在一定程度上克服了它们的局限性。实例分析表明该模型对不完备信息系统的处理更符合实际情况。     

基于粗糙集的不完备信息系统规则推理算法

定义了非对称相似关系的近似集概念，提出了一种利用非对称相似关系下近似集和属性值对的基于粗糙集的确定规则推理算法．该算法无需改变初始不完备信息系统的结构，能直接处理缺省数据．实验结果表明，所获得的确定决策规则简洁、高效，与缺省值无关．     

基于τ限制容差关系的不完备信息粗糙集模型

对经典粗糙集理论进行适当扩充使其适用于不完备信息系统,是把粗糙集理论进一步推向实用的关键。在分析已有的几个不完备信息系统的粗糙集扩充模型的基础上,提出了τ限制容差关系,并将上近似、下近似、广义决策函数、区分矩阵等概念在该关系下进行了定义,最后通过实例说明了新模型相较于已有模型的优越性。     

在不完备信息系统中的一种粗集扩充模型

对已有的基于不完备信息系统的粗集拓展模型进行分析比较,进而提出一种改进的限制容差关系模型。主要思想是考虑到人的主观要求,在容差类的划分中加入一个插值,再利用这些类得到上下近似集,最后通过实例说明该模型是符合客观实际的。     

量化容差关系的程度多粒度粗糙集模型

多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重叠部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重叠信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。     

改进的对象间差异度的限制容差关系模型

不完备信息系统不能直接用经典的粗糙集理论来处理,为此,容差关系、非对称相似关系、限制容差关系、限制非对称相似关系、对象间差异度的限制非对称相似关系等扩充的粗糙集模型被相继提出。通过分析这些模型的优点和不足之处,定义了新的对象间差异度,提出了一种改进的对象间差异度的限制容差关系模型,实例结果表明基于所提出模型的划分更精确,更符合实际。     

基于容差关系的扩展粗集模型中的知识依赖

论文在基于容差关系的扩展粗集模型中,考虑了条件属性子集与决策属性子集间知识依赖和条件属性子集间的知识依赖两种情况,分别给出了这两种情况下知识依赖和部分知识依赖以及依赖度等概念的定义,证明了与这些概念的定义相关的一些重要定理结论,并给出了一些例子加以验证。     

Study of Grey Rough Set Model Based on Tolerance Relation

This paper analyses several extended rough set models in incomplete information systems and proposes a tolerance relation based model of processing grey incomplete information systems, which is an extension to rough set models. The method of the model is: firstly partitioning the original incomplete information system by introduced threshold value, then establishing tolerance classes through grey tolerance relation and obtaining upper and lower approximations through these tolerance classes. Moreover, a method of whitening grey numbers based on grey tolerance relation is given. This paper shows that the model accords with practice according to examples and the algorithm of whitening grey numbers is also comparatively ideal. The more important point is that the subjective needs are considered during partitioning grey tolerance classes by introducing threshold value. So it is consistent with the system methodology of person-oriented person-to-machine communication.     

基于新集对理论下的粗糙集模型

为了用集对分析方法进一步刻画不完备信息系统,文中把新集对分析理论与粗糙集理论结合在一起,提出了一种新的集对粗糙集模型,从而拓宽了集对分析方法的应用;定义了一种不完备信息系统的上、下近似算子,得到了一些相关的性质。最后通过一个简单的例子说明了上述方法的可行性。