决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。     

三种近似算子之间的关系

在广义近似空间中,可以从对象、知识粒以及子系统的角度构造3种不同类型的广义粗糙近似算子。文中研究了这些近似算子的基本性质与相互关系,给出了3类近似算子相同的充要条件。另外,不同的近似空间可能生成相同的基于知识粒及基于子系统的近似算子,文中给出了不同二元关系生成相同近似算子的一些充要条件。     

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。     

一种基于情境的形式概念方法

本文描述了把N维关系的列定义成情境的方法.随后我们创建了一个名为"一致背景"的形式背景来表现不同情境间的相似性.我们通过合并不同类型的情境以及用概念标尺介绍一致的区间这两种方法来进一步解释这种思想.     

基于粗糙集的数据聚类方法研究

RoughSets理论是一种新型的处理含糊和不确定性知识的数学工具,将RoughSets理论应用于知识发现中的聚类分析,给出了信息系统的约简、信息系统的可辨识属性矩阵和信息系统的辨识公式等定义,在此基础上提出了基于粗糙集的数据聚类算法RSDC,实验结果验证了该算法的可行性,并且对符号属性和数值属性数据都具有良好的聚类效果。     

知识约简的逻辑特征

论文研究信息系统的规则提取问题,研究规则的形式、可信度,从非经典逻辑的角度讨论信息系统约简前后规则的相互关系,进而更深入地了解各种知识约简方法的特点与相互关系。     

随机信息系统的约简

利用不协调信息系统的分布约简方法讨论了不协调的随机目标信息系统的约简方法，说明了通过恰当地构造信任测度与似然测度，随机目标信息系统的约简可以通过计算信任测度或者似然测度得到。     

基于模糊软集的三I推理方法的性质

文中讨论了基于模糊软集的三I推理方法的还原性和连续性。针对左连续t模诱导的模糊蕴涵算子,给出了FSMP三I推理方法满足还原性的条件,并证明了对于Lukasiewicz模糊蕴涵算子、Gdel模糊蕴涵算子和R₀模糊蕴涵算子,FSMP三I推理方法具有连续性。     

软模糊粗糙集

软集理论是1999年Molodtsov为了克服传统数学在处理不确定性问题时所遇到的困难而提出的一种新的数学工具。将软集理论与Z.Pawlak粗糙集结合起来,提出了软模糊粗糙集和软模糊粗糙群及它们的同态的概念,讨论了它们相关的性质。     

集值信息系统基于限制相容关系的属性约简

讨论集值信息系统基于限制相容关系的属性约简方法;给出相似水平核心属性的特征。通过实例说明该算法能够得到集值信息系统的相对约简。