不完备信息系统中基于加权联系度的粗集模型拓展

在评价几种已有的针对不完备信息系统的粗集拓展模型的基础上,提出了一种基于加权 联系度的粗集拓展模型。在对各属性重要性排序的前提下,对不完备信息系统进行进一步的粗集模 型拓展。通过实例说明该模型更符合人的主观要求和客观现实。     

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。     

不完备信息系统中一种拓展粗糙集模型*

以同时具有遗漏型和缺席型未知属性值的不完备信息系统为研究对象,提出了一种使用参数进行控制的二元关系以及相应的粗糙集模型,将这种拓展粗糙集模型与不完备信息系统中现有的几种拓展粗糙集模型进行了对比研究。对一不完备信息系统进行了实例分析,以说明新提出的二元关系的有效性。     

不完备模糊决策信息系统的粗集模型与精度约简

在不完备信息系统和模糊决策信息系统概念及其粗集模型的基础上,本文提出了不完备模糊决策信息系统的概念,给出了不完备模糊决策信息系统的粗糙集模型,它既不同于不完备近似空间上的信息系统又不同于完备空间上的模糊决策信息系统。该模型是完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广。文中还给出了系统的精度约简概念及其约简算法。     

不完备信息系统中一种改进的粗糙集模型

对于不完备信息系统的处理,需要对经典粗集理论进行扩充。以不完备信息系统为研究对象,提出了一种新的带有参数的二元关系,并讨论了基于该二元关系的粗糙集扩充模型。通过合理设置参数值,可使新扩充模型比以往模型具有更好的分类效果,从而提高对数据预测、分类的准确度。实例分析进一步验证了新二元关系及其扩充模型的优越性。     

特性关系粗糙集下属性值粗化细化时近似集增量更新方法研究

不完备信息系统是一般信息系统的推广,在现实中具有广泛的应用.信息系统动态变化时,对象的近似集会产生相应的变化.研究如何利用原有近似集信息来进行近似集的更新具有重要意义.信息系统动态变化主要可以从属性值粗化细化、属性集粗化细化、时象集粗化细化3个方面考虑.现仅讨论属性值粗化细化时近似集的增量更新方法,给出了不完备信息系统中属性值粗化细化的定义,讨论了在不完备信息系统下的特性关系粗糙集模型中属性值粗化细化时近似集的增量更新方法,并通过实例验证了方法的有效性.     

基于SPA的不完备信息系统的双向S-粗集模型

利用集对分析(SPA)理论,定义不完备信息系统的同异反联系度及集对α相似关系,描述了不完备信息系统中元素迁移奇异集合的上下近似,给出其双向S粗集模型和数学结构,并通过实例说明不完备信息系统的双向S粗集存在的背景与实际意义。不完备信息系统的双向S粗集是对其理论的完善和发展,是双向S粗集的一般形式,为不完备信息系统的动态近似规则的提取和分析研究其动态近似特性奠定了理论基础。     

基于拓展粗集理论的近似集更新方法研究

传统粗集理论处理的信息表中的数据是完备的,但在现实世界中由于各种原因,面临的信息系统是不完备的,造成了数据库中普遍存在数据残缺现象.本文讨论了在属性值可能为空值的不完备信息系统中上、下近似集的递推公式,可用于概念的递增获取.在第1节中首先介绍了基于这种不完备信息系统下的拓展粗糙集模型[3],第2节证明4个定理用于在不完备信息系统中更新上下近似集,第3节利用推导公式进行实例分析,第4节总结全文.     

不完备信息系统的Rough集扩充方法

本文就目前Rough集直接处理不完备信息系统的Rough集模型进行讨论、归纳与总结,有利于对不完备信息系统的Rough集扩充方法的认识,对在不完备信息系统下拓展Rough集有所启示和参考。     

Rough集理论在多值信息系统中的扩充

Pawlak所提出的经典Rough集理论主要是针对完备信息系统的,利用不可分辨关系这种等价关系来对对象进行上近似和下近似分类.对于不完备信息系统的处理,需要对经典Rough集理论进行扩充,主要是对不可分辨关系进行扩充.对多值信息系统而言,目前有相似关系,但相似关系存在一定程度的局限性,为此提出一种基于类相似关系的扩充Rough集模型,并对该模型和相似关系模型之间的性能进行了比较,实例表明该模型具有较好的应用前景.     

不完备信息系统中对象的相似性刻画

信息系统知识约简与知识发现是粗糙集理论的重要研究方向。通过对不完备信息系统中对象的相似性刻画方式以及相应的粗糙集模型进行对比分析,基于限制容差关系提出了一种新的限制相似关系,建立了基于限制相似关系的粗糙集模型,讨论了模型的基本性质及其与已有模型之间的关系。     

一种不完备信息系统的直接约简方法

目前已有基于容差关系、相似关系、限制容差关系等的扩充rough集理论，但仅仅是提出了一些针对以上某种模型的属性约简算法，在此提出从离散化到规则匹配的一系列不完备信息系统的约简处理方法，该方法可以适用于各种rough集扩充模型，并且对完备信息系统和不完备信息系统是统一的．     

基于不完备信息系统的灰度优势粗糙近似模型

为解决不完备信息的偏好决策问题,多种优势关系及其相应的粗糙集模型被提出并证实其实用性. 然而在实际情况中,只要存在缺失值那么无论使用何种方法对比出来的优势关系都存在一定的不确定性. 基于此,本文分析了影响灰度大小的因素,定义了优势关系中灰度和差异系数的概念并给出了计算方法,建立了两对象间进行对比的灰度度量. 提出了基于灰度的优势关系及其粗糙集近似模型. 与广义扩展优势关系和扩展优势关系相比,基于灰度优势关系的粗糙集模型近似分类精度和质量均有提高. 最后通过实例证明了灰度优势关系及其粗糙近似模型的实用性.     

不完备模糊目标信息系统粗集模型与知识约简

在不完备信息系统和模糊目标信息系统的基础上,将不完备近似空间和模糊目标信息系统有机地结台起来,提出了不完备模糊目标信息系统的概念;同时还给出了不完备模糊目标信息系统的粗糙集模型,该模型是完备模糊目标信息系统和经典目标信息系统粗糙集模型的推广。还给出了系统知识约简的一些相关概念及其辨识矩阵的知识约简方法。     

不完备信息系统下的属性约简算法

传统的粗糙集模型是处理完全信息系统的有力工具，但对于不完全信息系统却显得无能为力。因此对不完备信息系统的研究也是粗集理论研究领域之一。本文在M．Kryszkiewcz提出的一个容差关系的基础上提出改进，使之更加具有灵活性。然后以该改进模型为基础，运用属性重要性理论，给出属性约简算法，并通过一个实例来验证。最后将该算法和经典算法进行了比较。     

基于概率粗糙集模型的信息检索

针对经典粗糙集模型难以分类标引空间以及体现类间关联的缺陷,将条件概率关系结合粗糙集理论引入信息检索,提出一种基于概率粗糙集的信息检索模型。定义标引词空间的条件概率关系,自动挖掘概念相似类形成概念空间。定义文档与查询、文档与文档间语义贴近度的计算方法。根据贴近度实现检索匹配结果的排序输出。仿真实例表明了该方法的可行性和有效性。     

不完备信息系统中的不可区分关系

针对带“ ”值的不完备信息系统,在对已有扩充粗糙集模型分析的基础上,对属性集合进行分类,定义各类别属性的比重和属性集的贡献度,提出一种基于属性贡献度的不可区分关系。实例分析说明,该关系在某些特殊情况下可等价于已有的扩充粗糙集模型,基于该不可区分关系的扩充粗糙集模型更灵活合理。