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.     

乐观多粒度区间集粗糙集

Pawlak粗糙集基于单个粒空间(一个等价关系)建立了上、下近似来刻画目标概念,而乐观多粒度粗糙集则利用多个粒空间(一族等价关系)对目标概念进行近似描述,是Pawlak粗糙集的一种扩展.区间集通过上、下界给出了概念的外延范围.在区间集粗糙集的基础上,提出了乐观多粒度区间集粗糙集,研究了它们的性质,并进一步给出了单个和多个粒空间下几种区间集粗糙集和乐观多粒度区间集粗糙集之间的关系.     

多粒度决策粗糙集模型研究

多粒度决策粗糙集模型是从多角度和多层次进行问题求解的有效方法.乐观多粒度决策粗糙集模型主要对上下近似采用"求同存异"策略进行决策,而悲观多粒度决策粗糙集模型主要对上下近似采用"求同排异"策略进行决策.为了适用于更多的多粒度环境,对上下近似采用不同的策略进行决策,提出了乐观-悲观和悲观-乐观的多粒度决策粗糙集模型,探讨了这两种模型的正确性和合理性,剖析了不同多粒度决策粗糙集模型之间的关系,这将为多粒度决策提供了一个新的视角.     

基于构造化方法的扩展粗糙集模型研究

从构造化方法的角度对粗糙集模型的扩展研究进行了综述.首先阐释粗糙集理论基本体系结构,然后从基于元素、基于粒、基于子系统、概率等多个角度探讨粗糙集理论中上下近似算子的扩展,并介绍了国内外关于粗糙集模型的扩展研究状况,讨论了当前粗糙集理论的热点研究领域,给出了将来需要重点研究的主要问题.     

悲观的多覆盖模糊粗糙集

在乐观的多覆盖模糊粗糙集的基础上,建立了悲观的多覆盖模糊粗糙集模型.分别讨论了悲观多覆盖模糊粗糙集、基于交的覆盖模糊粗糙集、覆盖模糊粗糙集和乐观多覆盖模糊粗糙集之间的关系.该模型的建立和得到的诸多性质丰富了粗糙集理论.     

基于构造化方法的扩展粗糙集模型研究

从构造化方法的角度对粗糙集模型的扩展研究进行了综述。首先阐释粗糙集理论基本体系结构,然后从基于元素、基于粒、基于子系统、概率等多个角度探讨粗糙集理论中上下近似算子的扩展,并介绍了国内外关于粗糙集模型的扩展研究状况,讨论了当前粗糙集理论的热点研究领域,给出了将来需要重点研究的主要问题。     

基于黄金关系的粗糙集模型及其应用

粗糙集的核心概念是基于等价关系的上下近似.给出了基于黄金关系的粗糙集模型,并研究了该模型的简单应用.     

覆盖粗糙集的一般化

在近似空间中给出了基于最简覆盖的等域关系定义,证明了它是论域上的一个不可区分关系·由此,覆盖粗糙集转化为经典粗糙集,使得经典的粗糙集理论的应用范围得到了进一步的扩展·举例说明了一般化方法既能化覆盖粗糙集为经典的粗糙集,又提高了一个集合的近似程度·还给出了基于覆盖的近似空间中的信息处理过程的模型,该模型应用了WilliamZhu和Fei YueWang提出的覆盖约简的方法和技术来消除冗余数据,又可以使覆盖粗糙集转化为经典的粗糙集·     

程度变精度覆盖粗糙集模型

针对程度覆盖粗糙集和变精度覆盖粗糙集模型的特点,通过引入误差参数,给出了一种新的程度变精度覆盖粗糙集模型。并且讨论了所给模型上﹑下覆盖近似算子的一些性质,给出了相关重要定理。     

覆盖概率粗糙集及其约减

针对现有覆盖粗糙集模型不能有效处理数据中的噪声,将概率方法引入覆盖粗糙集,给出了覆盖近似空间中概率粗糙集的一种定义,进一步扩展了粗糙集理论的应用范围。证明了覆盖及其约减对任意概念生成相同的上下近似。另外,提出了覆盖概率决策系统的约减条件,为覆盖概率决策系统的简化提供了依据。     

多粒度粗糙集近似集的增量方法

利用正确分类率来考虑属性论域同时变化时基于向量矩阵的经典多粒度粗糙集上下近似集的动态近似更新。首先讨论了论域缩小属性增加时,多粒度粗糙集的上下近似算子一些性质的改变,并给出了基于向量矩阵的近似集更新方法;其次讨论了论域缩小属性减少时,相应算子性质的变化,并给出了基于向量矩阵的近似集更新方法。新方法有效地缩小了经典多粒度粗糙集近似集更新时的搜索区域。     

可调整多粒度覆盖粗糙集模型

多粒度粗糙集是近几年粗糙集理论的一个研究热点,而其中的多粒度覆盖粗糙集的研究集中于模型的推广,文中分析乐观多粒度覆盖粗糙集下近似的不足之处,提出了一种可调整的多粒度覆盖粗糙集。研究可调整多粒度覆盖粗糙集的性质,并提出一种粒度重要性的启发式约简算法,实例分析结果验证该方法的可行性。     

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.     

覆盖粒计算在信息检索模型中的应用

将广义覆盖粗糙集理论及其计算运用到信息检索模型.通过建立查询式和库中文档之间的联系的要点构造了基于覆盖粗糙集理论的的两类信息检索模型,并给出了一些相关的上、下近似算子扩展定义.     

不同覆盖产生相同覆盖近似集的条件研究

覆盖粗糙集是处理不确定性问题的一种有效方法,在最近几年日益受到研究人员的关注.由于覆盖具有很强的一般性,使得出现了许多从不角度构建的覆盖粗糙集模型.然而,由此引发的一个现实而关键的问题还未得到全面有效的解决,即:对于某个模型而言,不同的覆盖产生相同覆盖近似集的条件是什么针对这个问题,以六类主要的覆盖粗糙集模型为研究对象,对它们的上下近似产生原理展开了深入分析.研究发现各模型的近似集与覆盖中的极大块或极小块有着紧密联系,基于此提出了最小覆盖和最大覆盖的概念,利用它们的特性对该问题进行了探讨和解决.     

商近似空间中粗糙集的研究

本文从新的角度研究粗糙集,即基于覆盖近似空间上的一种等价关系,定义了覆盖近似空间上的商近似空间和此商近似空间上的2对上下近似算子,并详细研究了这2对近似算子的性质.     

双论域多粒度模糊粗糙集近似的并交关系

模糊粗糙集是一种强健的不确定性处理模型,其拓展及相关性质具有重要意义.针对双论域多粒度模糊粗糙集,研究并交近似与近似并交的关系,得到悲观双近似算子与乐观双近似算子对于并交运算的保持性或拓展性,最后用一个医疗实例进行性质说明与有效验证.对于并交系统性质,其中的悲观模型与乐观模型分别具有与经典粗糙集模型的一致性与差异性,所得结果揭示出双论域多粒度模糊粗糙集的扩张特性.     

覆盖粗糙集上近似的研究

分析Pawlak粗糙集上下近似具有的性质,结合上下近似的含义和近似精度,讨论覆盖粗糙集上近似的定义方法,提出覆盖粗糙集最小上近似的概念,对其存在性及唯一性进行分析。最后,讨论最小上近似与其他上近似的关系,并对此作了证明。     

覆盖粗糙集模型的性质

讨论基于覆盖理论的粗糙集模型的性质,给出了粗糙集生成的拓扑结构,证明了覆盖粗糙集模型与自反、传递关系下的广义粗糙集模型是等价的,并进而得到了覆盖粗糙集模型的公理化描述.     

柔性多粒化决策理论粗糙集模型

为了解决乐观多粒化决策要求宽松和悲观多粒化决策要求过于严格的不足,本文提出了一种新型的多粒化决策粗糙集模型,即柔性多粒化决策粗糙集模型,该模型引入阈值用以调节满足条件的信息粒个数,使得模型更具灵活性.同时本文分析了该模型的相关性质并与经典模型进行了对比分析.理论分析和实验结果同时表明,本文提出的模型是传统多粒化决策粗糙集模型在应用背景下的有力扩展.