基于多数包含关系的广义变精度粗糙集模型

通过分析Ziarko变精度粗糙集模型的不足,引入误差参数α(0≤α0.5),定义了基于多数包含关系的广义变精度粗糙集模型;讨论了该模型中α上、下近似算子的性质;验证了当|R_p(x)|·α=k时,广义变精度粗糙集模型退化为程度粗糙集模型;最后,举例说明了该模型在数据挖掘中的应用.     

粗糙集和拓扑空间

研究了粗糙集和拓扑空间的关系,讨论了Pawlak粗糙集模型的拓扑性质,指出Pawlak粗糙集模型等价于一类特殊的正则拓扑空间,该拓扑空间一般不是Hausdorff空间,且一般不具有连通性,还证明了一个一般的二元关系下的粗糙集模型当且仅当它是自反的和传递的时,可定义一个拓扑空间,每一个拓扑空间都是一个特殊的一般关系下的近似空间。     

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.     

基于模糊集μ_X~R的α-截集和强β-截集的粗近似

研究了基于模糊集μXR的α-截集和强β-截集的粗近似问题,提出了(α,β)-粗糙集模型,讨论了粗糙近似算子的一些重要性质,给出了粗糙度和近似精度的定义和性质,证明了该模型比Pawlak粗糙集模型具有更好的精度.     

基于模糊集μRX的α-截集和强β-截集的粗近似

研究了基于模糊集μRX的α-截集和强β-截集的粗近似问题,提出了(α,β)-粗糙集模型,讨论了粗糙近似算子的一些重要性质,给出了粗糙度和近似精度的定义和性质,证明了该模型比Pawlak粗糙集模型具有更好的精度.     

广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一，作者在Pawlak粗糙集模型基础上，把一个论域推广为两个论域；把等价关系推广为模糊关系，被近似对象换成模糊集，得到广义模糊粗糙集模型，建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度，并讨论了此包含度和相似度相关性质。     

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.     

两个域上的覆盖变精度粗糙集模型

定义了两个域上的多数包含关系,借助引入误差参数β(0≤β<0.5),提出了两个域上的覆盖变精度粗糙集模型,首先给出了该模型的β上近似、β下近似算子,以及边界域和负域的定义,讨论了它们的若干重要性质和定理,并给出了证明;其次将该模型与两个域上的覆盖粗糙集模型进行对比,找出了它们之间的关系,最后通过实例进一步证明该模型的优越性.     

决策粗糙集模型研究综述

主要对决策粗糙集（decision-theoretic rough sets,DTRS）理论的内容与发展概况作综述性回顾。介绍了决策粗糙集的基本理论,包括决策粗糙集产生的背景、决策粗糙集的Bayes决策理论基础、概率粗糙集模型、决策粗糙集模型与经典Pawlak代数粗糙集模型以及一般概率粗糙集模型之间的关系等;讨论了决策粗糙集意义下的三值决策语义以及约简定义,并回顾了决策粗糙集在实际问题中的应用。     

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.     

粗糙集模型和概率粗糙集模型的若干研究

主要叙述在等价关系、一般关系和概率论中的粗糙集模型，给出它们的定义、性质、各自的几种定义类型和它们之间的联系以及若干例子．     

基于信息完备性的粗关系操作研究

针对已有粗关系操作的缺点，从知识完备性的角度，对已有的粗关系操作进行了改进，提出了新的粗关系操作的定义，讨论了相关的性质，为进一步开展研究打下基础。     

基于等价关系的Rough集模糊化方法

提出了一种利用等价关系将Rough集进行模糊化的新方法,给出了等价类集的模糊化和Rough集模糊化的定义、性质,讨论了Rough集的交、并、补集模糊化后的运算性质,并给出了证明.     

基于改进BP网络的高校科研项目评价模型

针对高校科研项目评审立项中主观性强的问题,提出了基于改进BP网络的项目评价模型.首先对于传统BP算法,在权值初始化加入混沌序列,并对权值修正过程加权优化,使网络具有收敛快、精度高的优点.然后设计了合理的项目评价指标体系,并给出了具体评价步骤.通过实例仿真说明,提出的改进BP算法用于评价科研项目科学客观,简单实用,有广泛的应用价值.     

一种新的双论域上模糊粗糙集

粗糙集模型的推广一直是粗糙集理论研究的一个热点.该文基于模糊相容关系,定义了双论域上模糊集的上下近似算子,从而得到了一种新的双论域上模糊粗糙集模型,并研究了它的性质.     

粗糙集理论的扩展模型研究

在传统的粗糙集模型和相容粗糙集模型基础上，通过松弛对象之间的不可分辨和相容性条件，给出了一种新的基于和谐关系的粗糙集模型．在新的模型中，α-和谐关系在论域里导出一个嵌套的等价关系序列．分析了α在不同的取值区间时，和谐关系的粗糙性与信息熵间的关系．给出一个具体的实例对新的模型加以解释说明．     

粗糙模糊子群在满同态下的性质

粗糙集理论是由Plawlak于1982年提出的,模糊集理论是由Zadeh于1965年建立的,粗糙集与模糊集的结合越来越受到学术界的关注．研究了群中模糊集的上、下近似,给出了上、下近似算子的性质,讨论了粗糙模糊子群在满同态下的性质．     

基于相似关系的变精度多粒度粗糙集

在不完备信息系统中基于相似关系,引入了可变精度和多粒度粗糙集,进而提出一种基于相似关系的变精度多粒度粗糙集模型。研究了基于相似关系的变精度多粒度粗糙集的相关性质和关系。随后讨论了基于相似关系变精度多粒度粗糙集的约简问题,提出了一种基于属性重要度的启发式分布约简算法,实例分析的结果验证了该方法的可行性。     

优势关系多粒度粗糙模糊集及决策规则获取

为了将多粒度粗糙集方法进一步扩展以适应模糊信息系统的需求,将多粒度思想引入到基于优势关系的粗糙模糊集模型中,提出了基于优势关系的乐观和悲观多粒度粗糙模糊集.在这2种多粒度粗糙模糊集中,采用一族而非一个优势概念来进行目标的逼近,并且被近似的目标是模糊而非清晰的集合.不仅对这2种新的粗糙模糊集的性质进行了讨论,而且研究了如何从模糊信息系统中获取逻辑连接词为"或"的决策规则,并采用一个模糊信息系统对新提出的粗糙集模型及决策规则获取进行了实例分析.结果表明:借助优势关系的方法,可以进一步扩展多粒度粗糙集方法,以处理模糊数据,从而扩大多粒度概念的应用范围.     

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系，建立了基于相异关系的粗糙集理论，它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来．