多粒化粗糙集性质的几个充分条件

多粒化粗糙集是Pawlak粗糙集非常重要的一种推广,主要给出当X是C(C')中任意有限个元素的并集时,乐观多粒化粗糙集(悲观多粒化粗糙集)上下近似对于交并运算的封闭性;得到若X是C'中任意有限个元素的并集,乐观多粒化粗糙集和悲观多粒化粗糙集下近似相等;若~X是C'中任意有限个元素的并集,乐观多粒化粗糙集和悲观多粒化粗糙集上近似相等.     

基于等价关系的双粒度粗糙集模型

Pawlak粗糙集模型主要关注的是论域上一个等价关系导出的集合的近似,是单粒度的.通过用论域上的2个等价关系定义集合的近似,把单粒度的Pawlak粗糙集模型扩展到双粒度粗糙集模型.研究了双粒度粗糙集模型的一些数学性质,定理表明Pawlak粗糙集的许多性质是双粒度粗糙集性质的特殊情况,并且使用双粒度定义的近似度量优于单粒度定义的近似度量,该度量更适合描述概念的精度并更利于解决用户的需求.     

多粒度粗糙集模型

把Pawlak粗糙集模型从经典的单粒度粗糙集模型扩展到多粒度粗糙集模型,用论域上的多个等价关系定义了集合的近似.研究了多粒度粗糙集模型的一些数学性质,定理表明Pawlak粗糙集的许多性质是多粒度粗糙集的特殊情况,并且使用多粒度定义的近似度量优于单粒度定义的度量,该度量更适合描述概念的精度并利于解决用户需求的问题.     

粗糙集中几种粒结构的代数关系

针对目标概念在近似空间上存在多种粒结构的问题,通过讨论目标概念的最优近似集与Pawlak近似集、变精度近似集之间的代数关系,得到最优近似集与Pawlak下、上近似集、变精度下、上近似集的等价条件;通过分析基于最优近似、基于Pawlak近似、基于变精度近似的分布约简之间的关系,得到在一定条件下,最优近似分布约简为Pawlak近似与变精度近似的分布约简.研究结果表明:根据目标概念与基本知识粒之间不同的近似刻画,不仅可以建立不同的粗糙集模型,还可以建立不同的分布约简.     

一般多粒度直觉模糊粗糙集模型

直觉模糊粗糙集和多粒度粗糙集都是近几年来研究的热门课题.首先通过定义Pawlak近似空间中的支撑函数给出了一般多粒度直觉模糊粗糙近似算子的定义,并讨论了一般多粒度直觉模糊粗糙上、下近似算子的性质.其次,研究了一般多粒度直觉模糊粗糙集(λ1,λ2)截集的定义和性质.此外,还研究了一般多粒度直觉模糊集的不确定性度量以及参数(λ1,λ2)的一般多粒度直觉模糊粗糙集的不确定性度量.最后通过淘宝信息反馈的例子验证了模型的实用性和有效性.     

两种类型的粗糙度不等式

讨论了粗糙近似算子的性质.基于粗糙集理论,给出了经典集在Pawlak近似空间下的粗糙度不等式取等号的两个等价的充分条件;同时给出了模糊集在Pawlak近似空间下粗糙度不等式取等号的充分条件以及粗糙模糊集水平截集的一些性质.     

粗糙集导出空间中的连通类

基于等价关系R导出的拓扑空间可作为Pawlak粗糙集模型的推广,引入了Pawlak粗糙集导出的近似拓扑空间概念,研究了Pawlak粗糙集导出的近似拓扑空间范畴为ACTop的性质、连通类及连续封闭性,说明了一族近似拓扑空间连通类的交集是连通类.结果表明采用拓扑学中的连通类理论与方法研究粗糙集是可行的.     

优势关系多粒度粗糙集中近似集动态更新方法

随着数据的不断变化,从信息系统中获取有用的信息,可有效地为决策提供依据.为此在多粒度环境下,优势关系多粒度粗糙集中粒度增加时,分析了优势关系乐观多粒度粗糙集和悲观多粒度粗糙集近似集动态更新的定理和相关性质,提出了一种优势关系多粒度粗糙集模型中,当粒度结构动态增加时,近似集更新的算法.该算法的基本思想是不需要重新计算粒度结构变化时信息系统的优势类、下近似集和上近似集,只需根据新增粒度结构的相关信息计算所有对象的优势类;然后根据优势关系乐观多粒度粗糙集和悲观多粒度粗糙集中动态更新近似集的相关定理计算近似集,提高了更新效率.通过与传统的静态算法做比较,验证了本算法的有效性.     

基于矩阵的多粒度粗糙集粒度约简方法

粒度约简是多粒度粗糙集的重要议题,现存的多粒度粗糙集粒度约简方法以考虑各种形式计算多粒度下的正域为主要的研究方法 .然而对于多粒度粗糙集,因为同时存在悲观视角与乐观视角,不仅下近似会因悲观、乐观视角而产生差异,视角同样会影响上近似的大小.因此,提出一种可以保持多粒度上下近似不变的粒度约简方法,同时考量多粒度粗糙集的上近似与下近似的粒度重要度,基于重要度设计了用矩阵计算粒度重要度的方法,并提出相应的粒度约简算法.在UCI公开数据集上使用对比算法验证了所提算法的有效性和优越性.     

基于极大相容块的区间集粗糙集

区间集粗糙集是针对目标集不能被精确表达时利用上下界进行近似刻画的有效方法，而对于连续型数据，基于等价关系的区间集粗糙集不再适用，相容关系则常被用于处理连续型数据。为进一步提高近似精度，文章将基于相容关系的极大相容块与区间集粗糙集结合，提出连续型数据集上基于极大相容块的区间集粗糙集。首先在信息系统中提出基于距离的相容关系及其极大相容块，由此定义基于极大相容块的乐观、悲观粗糙集，并讨论它们的性质。进而将极大相容块引入区间集粗糙集，提出了基于极大相容块的乐观、悲观区间集粗糙集，讨论了它们的性质及关系以及两类区间集粗糙集的精度。最后选取UCI数据集上的五组数据，验证了本文所提极大相容块下的模型较之相容关系下对应模型的精度平均提高33%。     

区间数排序的粗糙集方法

针对模糊多属性决策中属性值为区间数情况下区间数排序问题,应用粗糙集理论和模糊集理论得到了一种区间数的排序方法:区间数上近似集排序法;区间数下近似集排序法;区间数上(下)近似集折中排序方法.给出了区间数的粗糙集表示,区间数的粗糙集排序方法及其良好性质.详细论证了其与经典的区间数排序的可能度方法相比的诸多优势.同时给出了具体实例并进行了这种方法的应用与验证,以便能更好地理解这种粗糙集排序方法.     

基于压缩决策表的乐观多粒度粗糙集粒度约简算法

粒度约简是多粒度粗糙集研究的一个关键问题。为了从乐观多粒度粗糙集的角度研究粒度约简问题,消除冗余数据,提高粒度约简的效率,提出基于压缩决策表的乐观多粒度粗糙集粒度约简算法。针对乐观多粒度粗糙集模型,引入下近似分布粒度约简的概念;利用线性时间排序算法进行等价类划分,为决策表的压缩和下近似集的计算打下基础;以冗余的决策表为研究对象,以核粒度为初始粒度约简集,以粒度重要性为启发式信息,运用粒度约简算法进行粒度约简,并通过实例分析和实验验证了该算法的有效性。结果表明,算法降低了计算下近似集的时间复杂度,具有较高的粒度约简效率。     

上截集形式的粗糙模糊集的分解及其应用

文[4]在Pawlak近似空间中讨论了粗糙模糊集的构造,本文将在普通近似空间中讨论基于λ-上截集、强λ-上截集的基于模糊等价关系的粗糙模糊集的构造性质;并以截集的形式定义了近似空间中的上、下近似,然后给出了此新的定义下粗糙模糊集所满足的性质.     

变精度粗糙集β下近似属性约简

从属性集角度研究变精度粗糙集模型的属性约简问题,在对象集上定义了一种β下近似二元关系,并利用这种关系建立了属性集及其幂集上的等价关系,由此产生依赖空间。同时利用定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,得到一种保持每个决策类的β下近似不变的属性约简方法。最后通过实例验证方法的有效性。     

基于上重截集形式的粗糙模糊集的构造性质

本文在Pawlak近似空间中引入了λ-、强λ-上重截集的概念,系统地讨论了基于上重截集形式的粗糙模糊集的构造性质,得出了基于模糊等价关系的粗糙模糊集的表现定理和扩张定理并给出了系统的证明.     

二元关系与粗糙近似算子的性质关系研究

将Pawlak粗糙集模型中的近似空间上的等价关系推广到任意的二元关系,得到广义近似空间A=(U,R),定义了广义近似空间的下近似和上近似,并讨论了串行的、自反的、对称的和传递的等特殊的二元关系与近似算子的特性刻画,找到了二者之间的性质联系.     

双论域粗糙集的近似分类精度度量

由等价关系R所决定的近似空间(U,R)上,可用近似分类精度来表示可能的决策中正确决策的百分比。将近似分类精度概念推广到一般关系双论域粗糙集的近似空间上。通过引入独立集概念,给出了度量公式,最后通过实例验证了其合理性。     

基于区间值模糊概率测度的多粒度区间值决策粗糙集模型

在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观三种情形,结果和算例验证了模型的实用性和广泛性.     

Pawlak粗糙集的若干重要性质

为了更深入地了解任意论域(不仅仅是有限论域)上的粗糙集理论,首先从任意论域上的等价关系R出发,提出了R粗糙集和R精细集的定义,该定义与集合的上、下近似无关。在此基础上研究了R精细集的性质,提出并证明了任意论域上R精细集的判定定理和运算封闭性定理。然后,讨论了上、下R近似的性质,提出并证明了上、下R近似的表示定理、比较定理和拓扑结构定理。最后研究了知识库的相关性,给出了正域表示定理和知识库相关性判定定理。这些结果在一定程度上丰富了Pawlak粗糙集理论。     

基于覆盖的程度多粒粗糙集模型

将程度粗糙集及多粒粗糙集引入到覆盖粗糙集模型中,提出了基于覆盖的程度多粒粗糙集模型.本文给出了基于覆盖的乐观程度多粒粗糙集模型上下近似的定义,进一步研究了基于覆盖的乐观程度多粒粗糙集上下近似的性质,最后给出了程度覆盖粗糙集、覆盖粗糙集、多粒覆盖粗糙集和基于覆盖的程度多粒粗糙集之间的关系.