基于不可区分矩阵的属性频率约简

根据不可区分关系,提出了不可区分矩阵的概念.证明了不可区分矩阵与区分矩阵的关系,指出了不可区分矩阵约简算法的优势.给出了基于不可区分矩阵的属性频率约简算法.相对于区分矩阵算法,该算法在时间和存储空间花费上都有较大的改善和提高.     

多类别属性的定序分类模型

经典粗糙集方法是通过不可区分关系来获取知识的,但它对定性属性、定量属性以及准则属性同时出现的定序分类问题就显得无能为力。针对这种情况,给出一种基于扩展粗糙集的决策分析方法,该方法使用“不可区分-相似-优势”关系代替经典粗糙集中的不可区分关系来获取知识的粗糙近似,不但能够解决上述问题而且还能处理决策表中可能存在的不一致现象。最后通过一个实例说明新方法的有效性与优越性。     

基于多核粒化的模糊粗糙计算模型

传统的单核粒化粗糙集模型没有考虑不同粒化关系的相互影响. 为解决这一问题, 提出了基于多核粒化的模糊粗糙计算模型. 以一族核关系构成的多粒度空间为研究对象, 将乐观和悲观粗糙集模型拓展到多核空间, 定义了基于S-T算子的多核下、上近似算子. 给出了基于多核粒化粗糙逼近的属性选择算法. 实验结果验证了不同核粒化关系之间"求同存异"和"求同排异"的相互作用.     

一种多属性和准则定序分类模型

针对经典粗糙集理论在解决定性属性、定量属性以及准则属性同时出现的定序分类问题时能力较弱的这种情况,对经典粗糙集理论进行扩展,并给出了一个基于扩展粗糙集的决策分析方法.该方法使用"不可区分-相似-优势"关系来代替经典粗糙集理论中的不可区分关系来获取知识的粗糙近似.实例验证表明该方法不但能够解决上述问题而且还能处理决策表中可能存在的不一致现象,具有较好的有效性与优越性.     

粗糙集数据分析系统的程序实现

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。首先简述基于粗糙集方法的数据分析系统的基本构成,分析了粗糙集中连续属性离散化的方法,实现了连续属性数据进行数据离散化。围绕不可区分关系和相对正区域两个核心概念,通过知识之间的依赖程度,提出了粗糙集数据分析的算法,通过比较属性约简的数目,选择最少属性数量的约简结果。得到了求取相对核、上(下)近似集、等价关系、相对重要度、属性相对约简、范畴相对约简、最小决策规则等的各种算法的程序实现。给出了利用MATLAB实现该系统约简化、核及最小决策规则的程序。最后给出实际工程系统的程序运行结果,对滚动轴承故障诊断的仿真实例表明,该方法简化了诊断规则,得到较高的故障诊断正确率。对推动粗糙集理论在具体实践中应用具有实际意义。     

基于形式背景的属性约简关系

基于形式背景,提出面向属性的概念格的粒协调集及粒约简的概念,给出面向属性的粒协调集判定定理,并借助区分属性给出面向属性的粒约简计算方法,讨论了形式背景的粒约简、面向属性的粒约简以及分类约简之间的关系,证明了面向属性的粒协调集都是分类协调集。最后以实例说明相关约简的计算方法。     

模块通用化对雷达装备群可靠度及可用度的影响

为量化分析通用化程度与可靠度和可用度之间的关系,根据雷达兵部队的特点定义装备群概念,并假设雷达群中所有的雷达模块不可修复、部分模块可通用,采取模块更换的保障方式,通过对模块通用化程度、装备群系统整体的可靠度和可用度分析,推导出模块通用化程度分别影响雷达装备群可靠度和可用度的数学模型.最后通过算例仿真得出：装备群模块通用化程度D对可靠度和可用度有一定影响,当D从0.1上升到0.6时,可靠度和可用度分别从0.52上升到0.78和从0.917上升到0.961.     

耦合谐振子的干涉与波包演化(一)

根据谐振子势场中单个粒子的波包函数,推导出了耦合谐振子的波函数和联合几率密度,特别是不可区分粒子的干涉项,并按照可区分粒子与不可区分粒子进行了讨论.     

非分类关系学习的粒计算模型研究

以领域信息系统为研究对象,探讨学习非分类关系的粒计算模型。通过信息函数的扩展,给出了领域信息系统的形式化描述;研究了领域信息系统的粒化方法和领域概念粒度空间生成;对不同领域概念粒度空间,通过分析粒间上下文,提出了基于不同领域概念粒度空间的概念粒间交叉关系学习模型。示例与测试表明所提出的模型有助于实现领域本体的非分类关系的获取。     

耦合谐振子的干涉与波包演化（一）

根据谐振子势场中单个粒子的波包函数,推导出了耦合谐振子的波函数和联合几率密度,特别是不可区分粒子的干涉项,并按照可区分粒子与不可区分粒子进行了讨论.     

S-变精度粗集

针对属性间无函数或不确定关系的动态数据分类问题,依据S-粗集理论,提出了S-变精度粗集,给出了S-变精度粗集的两类形式：单向S-变精度粗集,双向S-变精度粗集,最后介绍了该理论的一个简单应用。     

粗糙集在Petri网中的应用

利用粗糙集理论中属性核与不可分辨关系给出了属性约简算法,对专家知识系统进行化简,获得最小有效规则,建立了一种Petri网模型。该模型可以有效降低网络结构的复杂性。本文的算法利用模糊Petri网络实现模糊推理,并用实例验证了这种智能结合的有效性。     

不完备模糊决策信息系统中的知识约简

知识约简是粗糙集理论研究中的一个重要内容,可辨识矩阵是属性约简的一个很重要的方法,本文把这种方法推广到不完备模糊决策信息中,定义了相似关系下的可辨识矩阵,提出了不完备模糊决策信息系统中相似关系的可辨识矩阵属性约简的算法,最后用实例验证了算法的可行性。     

一般变精度概率近似算子

介绍了一般二元关系下的粗糙集模型,该模型是将经典粗糙集模型的等价关系推广为一般二元关系,此时它将不再形成对象集的划分.另一方面,经典粗糙集模型中的包含关系在很多实际问题中不能完全满足.变精度粗糙集模型通过引入一个误差参数,允许在这个误差范围内尽可能多地提取信息,弥补了经典粗糙集模型在应用中的不足.给出了基于一般二元关系的变精度概率粗糙集模型,研究了一般变精度概率近似算子的一些性质.     

集值决策系统中粗糙集理论与知识约简

以集值决策系统为研究对象,根据偏序关系讨论了知识约简问题。提出了近似分布约简的概念,并给出了相应的判定定理与辨识公式,最后用一个实例说明了此方法的有效性。     

一种基于高斯混合模型的无监督粗糙聚类方法

针对数据统计分布的随机性和复杂性,从统计聚类的角度出发,采用高斯混合模型来描述整个数据的概率密度函数,提出了一种基于高斯混合模型的粗糙聚类分析方法.该方法首先利用粗糙集理论的不可区分关系性质以及生成的逻辑规则来设定EM算法的初始近似参数,然后通过Expectation-M axim ization(EM)算法估计各分量概率密度分布的最大似然参数集,最后通过密度分布概率大小来确定类别的归属.与传统的k-m eans聚类算法的试验结果比较表明,该方法是有效的,并且具有较高的聚类精度,用规则集来描述聚类的结果具有可解释性和合理性.     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。