变精度覆盖粗糙集

介绍了Ziarko变精度粗糙集模型和覆盖粗糙集模型;定义了多数包含关系;借助引入的误差参数β（0≤β<0.5）,给出了基于对象邻域的变精度覆盖粗糙集模型中β上近似、β下近似、β边界和β负域的定义以及β近似质量和β粗糙性测度定义;详细讨论了β上、下近似算子的性质、集合的相对可辨别性、该模型与Ziarko变精度粗糙集模型和覆盖粗糙集模型的关系;最后探讨了变精度覆盖粗糙集模型中的约简问题并在所给模型的基础上举例说明了它们在信息处理中的应用。     

基于变精度粗糙集的不完备信息系统知识约简

基于变精度的思想,提出了一种新的不完备信息系统变精度粗糙集模型。基于该模型给出了不完备信息系统的β上（下）分布约简和β上（下）近似约简。给出了求解不完备信息系统β上（下）分布约简的辨识矩阵方法。     

一类Vague集间的相似度量

研究了Vague值的（α,β） 扩展的性质,提出一类基于这种扩展的Vague集间的相似度量。在模式识别中的应用实例表明这类公式是实用的。     

基于Jerk的常增益目标跟踪及其自适应算法

针对目前高机动目标跟踪的Jerk模型存在计算复杂度高和α-β-γ模型须预先估计过程噪声标准偏差的不足,提出了一种基于Jerk模型的常增益滤波算法：自适应的α-β-γ-δ模型,并从理论上推导出了上述新模型中α、β、γ和δ的计算公式。对一种典型的目标机动形式进行了Monte Carlo仿真,结果表明了新算法对于解决机动目标跟踪问题的有效性,且运算量远远小于Jerk模型算法。     

几种多值序及其在拓扑中的应用

讨论了几种常见的多值序结构及其在拓扑中的应用。具体来说,对任意完备剩余格(Ω,*,1),从多值序的角度出发构造了Ω-滤子 Monad (F_Ω,η,μ),并据此给出了强Ω-拓扑的邻域结构,并展示了拓扑、序和范畴三种不同的结构之间的密切联系。     

三次Bézier曲线的新扩展及其应用

给出了两组分别含有2个和3个形状控制参数的三次和四次多项式基函数,它们都是三次Bernstein基函数的扩展;分析了这两组基函数的性质,基于此两组基定义了两种分别带形状参数α,γ和α,β,γ的多项式曲线,它们都以三次Bézier曲线为特殊情形。两种新曲线不仅具有三次Bézier曲线的特性,而且具有灵活的形状可调性和更好的逼近性。最后讨论了两种扩展曲线的拼接条件及它们在曲线曲面造型中的应用,并给出了两个扩展曲面的定义。实例表明,定义的两种新扩展曲线为曲线/曲面的设计提供了两种有效的新方法。     

Vague关系的α-分解

提出了Vague关系R是可α-分解的概念。得到Vague关系R是可α-分解的两个等价刻画。在Vague关系R是可α-分解时,分别给出了使R=AαB成立的A与B的解集。     

基于Vague等价关系的粗糙集分解

首先,提出了基于Vague等价关系的（α_t,α_f）-等价类,并在（α_t,α_f）-等价类基础上定义了（α_t,α_f）-粗糙集,得到（α_t,α_f）-粗糙集是λ-粗糙集的推广,研究了（α_t,α_f）-等价类和（α_t,α_f）-粗糙集的性质。其次,给出（α_t,α_f）-等价类分解、（α_t,α_f）-粗糙集分解以及（α_t,α_f）-粗糙集的边界的概念。最后,分别得到等价类、粗糙集以及粗糙集的边界基于Vague等价关系的分解结构。     

基于蕴涵算子族Lλ0λG的反向α-三I约束算法

提出了基于蕴涵算子族Lλ0λG的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族Lλ0λG给出了模糊推理的FMP模型及FMT模型的反向α-三I约束算法。     

基于蕴涵算子族Lλ0λG的反向α-三I支持算法

提出了基于蕴涵算子族Lλ0λG的模糊推理的思想,这将有助于提高推理结果的可靠性。针对蕴涵算子族Lλ0λG给出了模糊推理的FMP模型及FMT模型的反向α-三I支持算法。     

变精度粗糙模糊集模型研究

介绍了Ziarko’s变精度粗糙集模型和粗糙模糊集模型,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Ziarko’s变精度粗糙集模型和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。     

基于变精度粗糙集的不完备决策表属性约简

针对现有的在相容关系下基于变精度粗糙集约简算法的局限,给出了[β]上（下）分布约简的判定方法和改进的[β]上（下）分布可辨识矩阵定义,并给出求解基于变精度粗糙集的不完备决策表约简算法;最后通过实例验证了算法的有效性。     

变精度粗集模型的属性约简研究

针对大量存在的不一致决策表,研究了分配量函数和[β]分配量函数定义。依据Ziarko变精度粗糙集模型,提出利用计算条件属性组合的[β]重要度来选择属性的[β]重要度属性约简和利用[β]二进制可辨矩阵实现的[β]分配量属性约简,可有效解决不一致决策表属性约简问题。     

基于变精度粗糙集阈值的选取

针对变精度粗糙集阚值选取缺乏可预见性的问题,提出了基于集合可辨性的阚值选取方法．在变精度粗糙集模型研究的基础上．首先在满足集合可辨性条件下,选定可分辨类相关的阈值的上界;然后在近似分类质量保持不变的前提下．选定阈值区间,最后依据变精度粗糙集近似约简标准．确定阈值范围．实例计算验证了该方法的有效性．     

基于可变精度粗糙集的驾驶员多源信息融合研究

研究了应用可变精度粗糙集获取驾驶规则的方法。该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取。粗糙集理论一直用于研究不确定或不精确信息的数据分析问题,其主要思想是在保持分类能力不变的前提下,通过知识约简,导出概念的分类规则。而可变精度粗糙集作为对经典粗糙集理论的扩展,体现了等价类与集合的重叠度程度上的差别。给出了基于可变精度粗糙集的获取规则的方法,以驾驶过程的多源信息融合实例说明其使用方法,并验证了其有效性。     

变精度粗糙集模型属性约简分析

分析了变精度粗糙集模型属性约简过程出现跳跃的原因,并给出消除跳跃现象的方法。探讨了基于分类质量、相对正域和决策类下近似的属性约简定义,并采用属性添加法对条件属性进行约简,约简过程反映了分类能力的变化。     

基于变精度覆盖粗糙集的入侵检测方法

精准且快速地识别异常用户行为是入侵检测系统（IDS）的重要任务。针对入侵检测数据维度高、样本量大的问题，提出了基于变精度覆盖粗糙集的相关族属性约简方法，并将其运用至入侵检测数据中。首先，基于覆盖决策表生成条件属性的变精度相关族；然后，在所有条件属性变精度相关族的基础上利用启发式算法求得决策表的属性约简；最后，在上述的基础上结合分类器对入侵检测数据进行检测。实验结果表明，所提方法具有计算属性约简时间短的优点，在大样本数据集上，基于模糊粗糙集依赖度的属性约简算法NFRS运行所需时长为该算法的96倍。在入侵检测数据集NSL-KDD上，该方法可快速识别关键属性，剔除无效信息，其整体准确率可达到90.53%，且对Normal的识别准确率可达到97%。     

基于变精度覆盖粗糙集的入侵检测方法

精准且快速地识别异常用户行为是入侵检测系统（IDS）的重要任务。针对入侵检测数据维度高、样本量大的问题,提出了基于变精度覆盖粗糙集的相关族属性约简方法,并将其运用至入侵检测数据中。首先,基于覆盖决策表生成条件属性的变精度相关族;然后,在所有条件属性变精度相关族的基础上利用启发式算法求得决策表的属性约简;最后,在上述的基础上结合分类器对入侵检测数据进行检测。实验结果表明,所提方法具有计算属性约简时间短的优点,在大样本数据集上,基于模糊粗糙集依赖度的属性约简算法NFRS运行所需时长为该算法的96倍。在入侵检测数据集NSL-KDD上,该方法可快速识别关键属性,剔除无效信息,其整体准确率可达到90.53%,且对Normal的识别准确率可达到97%。     

基于变精度粗集的神经网络故障诊断模型研究

为处理航空发动机故障信息系统,提出了一种基于变精度粗集和神经网络相结合的故障诊断模型.利用上(下)分布约简理论,剔除目标信息系统中的冗余属性.通过选取主要影响发动机状态的因素,应用BP神经网络建立诊断模型并对网络进行训练和测试.实验结果表明,该模型具有一定的实用性,为航空发动机的故障诊断提供了一种有效的判断方法.