多粒度粗糙集和覆盖粗糙集间的近似与约简关系*

多粒度粗糙集和覆盖粗糙集是2种重要的数据处理机制.文中从近似集和属性约简2个角度探讨完备信息系统与不完备信息系统中多粒度粗糙集和覆盖粗糙集的关系.通过构造信息系统的粒空间,证明乐观多粒度粗糙集近似等价于松覆盖粗糙集近似,悲观多粒度粗糙集近似等价于紧覆盖粗糙集近似,即乐观多粒度粗糙集和悲观多粒度粗糙集可分别表示为松覆盖粗糙集和紧覆盖粗糙集.进一步指出信息系统的2类多粒度粗糙集的协调集可转化为2类覆盖粗糙集的协调集,并刻画多粒度粗糙集约简与覆盖粗糙集约简间的密切联系.     

基于优势关系全序化的球队攻守能力评价研究

通过查阅文献和专家问卷调查,选取了反映球队技战术能力的九项主要指标,对2012年欧洲杯足球赛决赛阶段的16支球队31场比赛进行统计,并运用优势关系粗糙集方法和等级相关分析法对所得数据进行处理和检验。结果表明：运用优势关系粗糙集方法对球队的技战术指标进行综合评价具有较高的可靠性,能够客观地反映各队技战术能力。在揭示足球技战术发展趋势的同时,探索出合理有效的量化评价球队技战术能力的方法。     

基于交可约等价类的概念格属性约简

定义交可约等价类的概念, 研究基于交可等价类的概念格属性约简及其算法,并由此得到不同类型属性的特征。使用链表表示形式背景的逻辑结构并根据外延对象个数大小建立索引快速判断交运算对属性约简的有效性。根据属性对交运算的不同作用找出所有不必要属性,最终得到概念格的属性约简。     

基于程序性知识学习的项目状态转移函数与多分知识结构

在程序性知识的评估中,技能是指与项目的解决相关的操作路径.基于程序性知识的学习评价,文中提出由项目自身的状态结构诱导多分知识结构的方法,目的是建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作过程设定响应值,得到项目特定的响应值集.通过项目状态转移函数定义项目状态空间,将问题空间推广到多分情形.然后,由操作...     

多尺度覆盖决策信息系统的布尔矩阵方法

在多尺度决策信息系统中,一个条件属性对应某个尺度构成论域的一个划分.文中把相应的划分推广为覆盖,并建立多尺度覆盖决策信息系统模型(MSCDS).为了简化系统复杂信息的表达,采用矩阵方法.首先,利用布尔矩阵描述覆盖决策信息系统,包括上下近似、协调性和广义决策函数等.再使用布尔矩阵建立多尺度覆盖决策信息系统的定义,研究该系统的粒描述、上下近似、协调性和广义决策不变性.最后,针对协调与不协调的情况,利用布尔矩阵定义尺度组合的重要度,给出多尺度覆盖决策信息系统最优尺度选择的矩阵方法,并给出相应的选择算法和具体算例.     

基于信息熵的形式背景属性约简

属性重要度和属性约简都是形式概念分析研究中的关注重点.通过信息粒的角度,文中提出基于信息熵研究形式背景的属性约简的一些方法.首先,给出形式背景的信息熵、条件熵及互信息等定义,通过条件熵对协调的决策形式背景进行属性约简,得到形式背景的粒协调和熵协调是等价的.然后,在熵不协调的决策形式背景中定义有限信息熵、有限条件熵和有限互信息,利用有限条件熵对不协调的决策形式背景进行属性约简.最后,基于属性重要度分别设计熵协调和熵不协调的决策形式背景的属性约简算法,通过数值实验验证文中算法的有效性.     

基于矩阵的模糊-经典概念格属性约简

基于模糊形式背景,文中研究模糊-经典概念的矩阵表示及属性约简的矩阵方法.首先,从矩阵视角提出模糊-经典概念的外延和内涵的矩阵表示,进一步给出属性粒矩阵的概念.为了得到模糊-经典概念格的最小生成组,研究交不可约元的矩阵判定定理.再在保持交不可约元外延不变的约简框架下,通过矩阵刻画属性子集之间的相似性,给出属性内外重要性的度量,提出模糊-经典概念格属性约简的矩阵方法.最后,通过数值实验验证文中方法的有效性.     

基于多粒度粗糙集的聚类融合方法

现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性,可以从元素的角度出发,提出一种新的聚类融合方法。通过多粒度决策不一致粗糙集来选择一部分类别确定的元素,再利用这部分元素进行聚类融合生成新的划分;多粒度决策不一致粗糙集模型能够刻画多粒度决策过程中属性一致而决策不一致的现象,提出了一种基于多粒度决策不一致的粗糙集模型,并给出了一种聚类融合方法。具体做法是：首先在数据集上多次使用K-means聚类算法,生成论域上的多个粒结构;其次对所有粒结构两两之间求粒间包含度,建立包含度矩阵,对矩阵使用Otsu算法计算阈值,得出多组满足阈值条件的信息粒,求解多粒度决策不一致下近似和上近似;最后分别处理下近似与边界域中元素的类别,从而获得了一个经过融合的聚类划分。实验结果表明,该方法能够有效改善聚类的结果,具有较高的时间效率,且算法具有较好的鲁棒性。     

模糊形式背景下的技能层约简与前级(后级)知识结构的充要条件

模糊技能映射为构建知识结构提供一个途径，但将基本局部独立模式应用于前级(后级)知识结构中会呈现不可识别问题，因此，在模糊技能映射的前提下，文中主要解决两个问题：技能约简耗时过长、寻找前级(后级)知识结构的充要条件.首先，基于模糊技能背景，构造一对算子，通过算子确定的模糊技能概念格直接获取简单闭包空间，同时获得每个知识状态对应的最小技能熟练程度.然后，提出技能层约简的概念，利用标记技能约简对冗余技能层进行约简，并给出技能层约简算法.同时给出模糊技能映射诱导前级(后级)简单闭包空间的充分必要条件，并提供获取前级问题集和后级问题集的算法.最后，在5个UCI数据集上的对比实验验证文中算法的可行性和有效性，同时获取前级问题集和后级问题集.