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。     

两类广义粗糙集的拟阵结构

基于邻域粗糙集模型和覆盖粗糙集模型,分别构造了两类拟阵结构,即邻域上近似数诱导的拟阵和覆盖上近似数诱导的拟阵。一方面,通过广义粗糙集定义了两类上近似数,并证明了它们满足拟阵理论中的秩公理,从而由秩函数的观点出发得到了两类拟阵;另一方面,利用粗糙集方法研究了这两类拟阵的独立集、极小圈、闭包、闭集等的表达形式,说明了粗糙集中的上近似算子与拟阵中的闭包算子的关系,进一步通过探讨覆盖和拟阵的关系,得到了覆盖中的元素及其任意并是由覆盖上近似数诱导的拟阵的闭集。     

类对称关系下的广义粗糙集模型

针对等价关系下的经典粗糙集,定义弱对称与局部强对称二元关系,构造相应的广义粗糙集模型。给出这2种模型的公理化特征,并将两者结合,得到强对称二元关系下的广义粗糙集模型。理论分析证明,论域上任何集合均为广义精确集的充要条件是其二元关系为强对称关系,即可以利用该模型刻画经典粗糙集中的广义精确集。     

广义粗糙集模型及应用

主要总结了近年来粗糙集模型理论的研究和发展,介绍了广义粗糙集模型研究的一些主要方面和最新成果,从逼近算子和粗糙隶属函数的角度,讨论了广义粗糙集模型的各种类型,并探讨了它们各自的特点和应用.     

两个域上的覆盖粗糙集模型

两个域上的覆盖粗糙集模型推广了一般关系下的粗糙集模型,定义了两个域上的覆盖二元关系,给出了最小子覆盖新的描述,进而得到两个域上基于最小子覆盖的粗糙集近似算子;给出了若干性质和定理的证明;通过与两个域上的粗糙集模型进行实例对比得出了两个域上的覆盖粗糙集模型的优点。     

复合覆盖粗糙集模型及其应用

针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题,提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上,在复合数据模型下,通过建立多种覆盖关系（邻域覆盖、集值覆盖、区间值覆盖等）,提出复合覆盖粗糙集模型,并给出复合覆盖粗糙集相关概念及性质。该模型适用于多种数据类型（符号数据、区间数据、集合数据、数值数据等）的论域覆盖问题,通过实例说明了该模型在复合信息系统中的应用,进一步加深对复合覆盖粗糙集相关概念的理解。     

广义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丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的[α]程度限制优势关系,提出一种基于[α]程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。     

基于覆盖的粗糙集模型比较

通过分别比较各模型的上近似、下近似以及近似精度,系统地分析了6种基于覆盖的粗糙集模型。得到3条结论:首先,在6种覆盖上近似之间,第2种覆盖上近似最大,并且除了第3种和第4种覆盖上近似之间是不可比较的之外,前5种覆盖上近似集间均有包含关系;其次,两种覆盖下近似间存在包含关系;第三,在6种模型的近似精度之间,第2种模型是最低的,而第5种模型除了和第6种模型不可比较之外其具有最高的近似精度。通过多个实例,验证了所有结论的正确性。这种对不同粗糙集模型的对比研究为深入理解这些模型提供了帮助,并且为不同应用场合模型的选择提供了参考依据。     

一种广义直觉模糊粗糙集模型

Atanassov直觉模糊集是对Zadeh模糊集最有影响的一种扩充和发展。为进一步拓展Pawlak粗糙集对多重不确定性信息的处理能力,将直觉模糊集引入粗糙集,采用构造性方法提出了一种广义直觉模糊粗糙集模型。首先,介绍了直觉模糊集在一个特殊格上的等价定义,对直觉模糊近似空间的两个基本要素(直觉模糊逻辑算子和直觉模糊关系)进行了研究,证明了一些重要的性质定理;在此基础上,建立了等价关系下的直觉模糊粗糙集模型;最后,对所提模型的性质进行了分类验证与讨论。     

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。     

基于粗糙集的教育网站综合评价研究

教育网站的综合评价对教育信息化资源建设与发展具有重要的意义.依据粗糙集理论的对象分类能力,通过属性约简,删除冗余属性,有效简化评价指标体系.以知识的信息量概念为基础对属性的重要性进行定义,得到了指标权重确定方法.在此基础上建立了教育网站的综合评价模型,由此对评价对象进行排序选优,从而得到教育网站综合评价的新方法.最后通过实例验证了该方法的实用性和可行性.     

基于粗糙集的推理通道消除

基于粗糙集理论对推理通道问题进行了研究。通过采用属性约简和属性值约简方法对数据库中的数据进行处理。在属性值约简基础之上,采用一种改进算法找出了数据库中推理规则集。进一步,将推理规则集中属性频率高的属性安全级别提高至决策属性的安全级别,从而消除推理通道。最后通过一个实例表明提出的消除通道算法是有效的。     

基于粗糙集的中文文本特征选择方法研究

针对传统的特征选择使用阈值过滤导致有效信息丢失的问题,提出一种粗糙集的文本特征选择方法。该方法以核为起点利用特征属性的重要性和依赖性作为启发式信息进行特征选择,使文本的特征维数得到一定程度的降低。实验表明,此算法不仅易于实现而且能够有效降低特征数目,提高分类效率。     

一种两类决策系统的递增式粗集归纳学习方法

本文提出了一种两类决策系统的递增式粗集归 纳方法．首先利用基于粗集和用户要求的属性简化方法,对决策表进行属性简化;然后修改 了决策矩阵和决策函数的定义,并采用基于修改后的决策矩阵和决策函数的方法从简化的决 策表中归纳出决策规则;最后,一个例子验证了本文方法的有效性和实用性．     

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.     

恶意程序检测的粗糙集方法

为了克服目前恶意程序检测存在着在先验知识较少情况下推广能力差的问题,本文提出了对恶意程序检测的粗糙集方法。实验结果表明,在给出有关恶意程序与普通程序的先验知识较少的情况下,仍然具有较好的检测效果。     

基于Rough Set理论的"数据浓缩"

本文了基于ＲｏｕｇｈＳｅｔ（ＲＳ）理论数据浓缩的几个问题。     

一种基于粗集理论属性约简的粗化算法

本文基于粗集理论，针对知识表达系统提出了一种新的归纳学习方法，对该方法中条件属性的简化进行了详细的讨论，并给出了一种具体的属性约简算法，其特点是简单，容易实现，考虑了属性值代表范围的合理性。     

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.