基于量化相似关系的不完备决策信息系统的完备化算法

由于不完备信息系统中得到等价关系比较困难,这使粗信理论的应用受到限制,为此相似关系信息系统被得出,它利用对象之间相似性的把握能力对传统粗集理论进行扩充.在改进相似关系的基础上,提出以相似关系的量化值为尺度,并考虑决策规则的相容性对不完备决策信息系统的缺省数据进行填补.     

具有连续属性的不完备信息系统Rough集扩展

在模糊相似关系的基础上,针对具有连续属性的不完备信息系统提出了Rough集的扩展模型;利用模糊区间数来表示不完备信息表中缺失的连续属性值,并根据属性值的概率分布情况计算模糊区间数的可能度,在模糊关系的基础上给出了不完备信息表的上近似和下近似的定义;利用基于欧氏距离的贴近度法计算模糊相似度,构造相似矩阵,实现了对论域的划分;给出决策规则的约简和表示方法,应用实例说明了所提出的Rough集模型及规则的实用性。     

基于限制优势关系的集对粗糙决策分析模型

在不完备偏好信息系统中,目前已有多种扩充,如基于扩展优势关系、基于广义扩展优势关系、基于限制优势关系等扩充,但这些扩充都存在各自的局限性。针对这些局限性,本文采用集对分析方法,定义集对 近似限制优势关系概念,提出一种基于限制优势关系的集对粗糙决策分析模型。这种模型是基于限制优势关系的集对粗糙决策分析模型的扩充和改进。该模型通过近似程度 的调节和控制,保证这种限制优势关系划分的准确性,同时更具灵活性,更适合处理大型不完备偏好信息系统。     

不完备信息系统中改进的LEM2算法

针对LEM2(Learning from Examples Module,Version 2)算法处理不完备信息系统的局限性,从规则提取的质量和效率两个方面对其进行改进,提出改进的LEM2规则提取算法.基于集对理论,引入集对势容差关系和基于集对势容差关系的扩充粗糙集模型,将该模型和LEM2算法相结合,提高规则提取的质量;定义冗余的属性-值对集合,在规则提取过程中,从候选属性-值对集中直接删除冗余的属性-值对,避免反向消除步骤,加快算法的收敛速度,提高规则提取的效率.最后通过仿真实验,证明了改进LEM2算法用于不完备信息系统规则提取的有效性.     

一种不完备决策表的数据补齐方法

由于经典的粗集理论不能处理原始数据中的遗漏信息,需要对这些数据进行补齐才能用于知识获取。本文针对已有的基于粗集理论的不完备系统补齐算法ROUSTIDA的缺陷,提出了基于量化相似关系模型的数据补齐算法,减少了在完备化过程中产生的临时中间信息系统,使更多的缺损数据得到科学填补,同时尽量避免可能导致的决策规则矛盾问题。     

基于相似关系的扩展Rough集理论

本文分析了经典Rough集理论自身的一些缺陷,在此基础上建立了一类基于相似关系的扩展Rough集理论框架,并给出了该理论框架下的数据约简方法。     

一种信息系统属性约简新方法

针对现实中的信息系统的不完备缺失属性,以及无法使用Paw lak粗糙集解决属性约简的情况,在经典的Paw lak粗糙集的基础上,引入一般关系下的粗糙集模型,并给出了基于一般关系的信息系统属性约简的定义.为了使不完备信息系统可以得到更好的属性约简,通过对非对称相似关系进行改进,提出了一种基于改进非对称相似关系的粗糙集模型,在此基础上给出了一种新的不完备信息系统的属性约简算法,并用实例说明了其有效性.     

一种不完备决策表中的广义决策约简

现实世界中大量存在的信息系统是不完备的,研究了包含不确定性和不精确性两种因素的不完备信息系统,建立了一种基于相似关系推广的粗糙集模型并对这种情况下的不完备决策表进行分析.研究了广义决策约简的方法,根据约简生成了决策规则.     

基于可达关系的Rough集

根据Rough集的思想提出了一种新的基于可达关系的Rough集模型,这种Rough集模型的思想是基于信息粒和可达关系的,比经典的Rough集更一般.除了Rough集原来的应用外,这种Rough集模型还可望有更广泛的应用.基于可达关系的Rough集思想将Rough集思想推广到一般的方法论.     

广义相似关系下的不完备信息系统粗糙集模型

为了更好地从含有杂合数据和不完备数据的信息系统中提取合理的规则知识,构建基于广义相似关系的不完备信息系统粗糙集模型.其步骤为:针对决策信息系统中存在杂合数据的情况,并对决策信息系统中所存在的不完备信息进行细致区分,给出广义相似关系的定义;通过提出上、下广义相似划分的上、下近似的概念,给出2种划分意义下的属性约简和规则知识提取策略;最后,在理论上对该扩展粗糙集模型的正确性进行相关证明,并用实际算例进一步验证该模型的有效性和优越性.     

一种基于弱模糊相似关系的广义粗糙集

粗糙集理论是建立在等价关系的基础上发展起来的,但等价关系性质的应用领域是有限的,等价关系不能对现实世界中的元素关系给出客观的描述.为此提出用模糊相似关系和弱模糊相似关系的概念来代替等价关系,同时引入了弱模糊相似关系的相似度概念和相似类概念,定义了基于弱模糊相似关系的广义粗糙集及标准的广义粗糙集上下近似;研究了两对上下近似算子的性质,讨论了3种粗糙隶属函数的性质并验证了它们的性质.     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

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．     

基于粗集和模糊集的启发式规则约简算法研究

提出了一种新型的决策规则约简方法。基于均匀划分和正态分布隶属度函数,对决策表的连续属性进行模糊化,用欧氏距离贴近度来构建相似矩阵,并提出了一种论域的模糊划分算法;依据粗糙集隶属度进行属性约简的基础上,给出了一种决策规则约简算法,从而达到发掘知识并简化知识的目的。     

不完备系统中基于非对称相似关系的粗集多属性决策

粗糙集理论在多属性决策、数据挖掘、机器学习、人工智能等领域发挥着越来越大的作用。经典粗糙集理论主要利用不可分辨关系对完备信息系统形成的划分来定义知识的上、下近似集,并在此基础上进行知识约简,规则推理和决策。而现实生活中存在大量不完备信息系统。针对不完备信息系统的多属性决策问题,从非对称相似关系的角度提出基于粗集的多属性决策方法。     

不完备目标信息系统中基于差异关系的粗糙集

针对建立在等价关系上的传统粗糙集对差异关系研究不足的情况,基于差异关系对传统粗糙集模型进行了扩展。在不完备目标信息系统中定义差异关系并基于这种差异关系扩充粗糙集模型。等价关系反映事物共性,差异关系反映事物个性,基于差异关系的粗糙集可用于约简否定规则。文中定义了一种差异关系,证明了基于差异关系的下、上近似集的主要性质,建立了相应的近似约简模型,最后给出了近似约简的判定定理和计算方法。     

基于模糊相容关系的粗糙集的扩展

针对模糊信息系统,提出了用模糊相容关系代替经典粗糙集中的不可分辨关系来构造扩展粗糙集的方法.定义了模糊信息系统中的模糊相容关系,给出了模糊相容关系下粗糙集的表示方法及性质,证明了模糊相容关系下粗糙集模型的不同表示形式,并讨论了在模糊相容关系下模糊变精度粗糙集模型及其性质.     

基于限制容差优势关系的粗集决策分析模型

针对不完备偏好决策问题,提出一种基于拓展粗糙集的决策分析模型.首先提出限制容差优势关系的定义;然后得到限制容差优势关系下的粗糙近似和分类决策规则.最后通过一个实例证明了所提出的模型对不完备偏好信息系统的处理符合实际情况.     

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.