基于相似关系的不完备决策表属性约简

粗集理论是一种处理不精确，不完全与不相客知识的新的数学工具．属性约简是粗集理论研究的核心问题之一．通过属性约简，简化信息表的属性雏数．在许多情况下面临的信息系统是不完备的，本文研究不完备信息系统下决策表的属性约简问题．     

一种基于粗交流的博弈分类方法

关于博弈的分类,是博弈论研究的基础性工作。传统博弈论关于博弈的分类实际上只考虑了两个分类准则,分别记为信息的完全性和信息的动态特征。于是,传统博弈论得出了关于博弈的如下分类： Game/(θ1∩θ2)=(完全信息静态博弈,完全信息动态博弈,不完全信息静态博弈,不完全信息动态博弈)。本文在此基础上引入关于博弈分类的第三个分类准则：信息粗交流准则,记为=信息交流的粗糙度。由此,我们得到关于博弈的如下分类：Game/(θ1∩θ2∩θ3)=(完全信息静态博弈,完全信息动态博弈,完全信息粗交流静态博弈,完全信息粗交流动态博弈,不完全信息静态博弈,不完全信息动态博弈,不完全信息粗交流静态博弈,不完全信息粗交流动态博弈)     

基于GA和粗集结合的规则抽取方法研究

本文介绍了一种基于GA和粗集结合的规则抽取方法。该方法可在具有不确定、不一致和不完备的大型数据库中进行规则抽取 ,并使用了一种二进制的分辨矩阵以寻找简式。不一致性问题通过上下近似来解决 ;不确定性和不完备性问题通过修改对象间的可分辨性到粗可分辨性的定义来处理。通过一个例子来说明该方法 ,且结果显示该方法是有效的。     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。     

S-粗语义概率及其特性

本文针对web数据挖掘中,具有动态性和不确定性语义web所存在的问题,基于单向S-粗集,提出S-粗语义和S-粗语义概率的概念,对粗语义、S-粗语义、粗语义概率和S-粗语义概率的特性进行了讨论,并给出了应用。利用语义web的概率特性,S-粗语义概率能够更好地描述web数据挖掘中具有动态特性的不确定性语义web问题。     

不完备信息的粗糙集-贝叶斯识别方法

为了对不完备信息进行有效识别,引入粗集贝叶斯定理,结合粗集约简识别方法,建立基于粗糙集的最小错误率贝叶斯决策准则,归纳出不完备信息模式的一种统计意义上的识别方法.实验表明,与区分矩阵属性约简识别法和贝叶斯分类器识别法相比,此方法在识别不完备信息模式时准确率更高,实用性更强.     

基于粗集理论的简易就业情况VB查询系统

知识的简易表述和传递对我们这个社会有着举足轻重的作用,粗集理论的研究更为社会的进步产生了非同小可的影响;我们要运用粗集的优点,把复杂的信息简单明了化,但同时也要保证事实的完备性。文章中运用粗集的基本知识,简化了一个就业情况调查表,把化简出来的结果用Vb制作成一个系统,方便人们根据自己的情况预测就业情况。     

广义单向S-粗集和它的一般结构

基于单向S-粗集和一般二元关系R,本文给出广义单向S-粗集,对广义单向S-粗集的一般结构进行了描述,对广义单向S-粗集的有关性质进行了讨论.广义单向S-粗集为研究一般系统动态的近似特性提供了新的途径和方法.     

粗集实验原型系统的拓展

对粗集理论原型系统(RSDM)进行了一定程度的拓展,使之更适合于不完备和不一致信息系统的处理.文章主要介绍RSDM功能拓展的设计需求、系统组成以及相应模块中有关算法的粗集理论依据,并包含通用数据库接口,具有一定的应用价值.     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。     

区间值模糊集上的粗糙近似

提出了区间值模糊粗糙集的上下近似，并且利用区间值模糊集的截集定义了区间值模糊粗糙度量，在此基础上讨论区间值模糊粗糙集和区间值模糊粗糙度量的性质。     

基于相似度的模糊粗糙近似算子

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具.相似度是用于比较2个相似的模糊粗糙集所包含信息的精确性大小的,是模糊集理论和粗糙集理论的热点问题之一.文章利用一种改进的相似度定义了模糊粗糙近似算子,重新定义了粗糙集的一些概念,给出并证明了模糊粗糙近似算子的几个性质.     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于粗糙集的不完备信息系统知识获取方法

经典粗糙集理论是面向完备信息系统的，为处理不完备信息系统．需要进行理论扩充．本文首先介绍了粗糙集理论的基础知识，然后对经典粗糙集理论在不完备信息系统中的几种扩充模型进行了介绍和分析，并对现有基于粗糙集理论的不完备信息系统知识获取方法的研究进行了总蛄，最后展望了谊理论未来的发展方向．     

不确定信息的粗糙集表示和处理

随机性和模糊性是不确定性中最重要和最基本的2个特征。分析和比较了表示和处理不确定性知识的一些主要的拓展集合理论,并系统的介绍了基于粗糙集的不确定知识的表示和处理方法。系统讨论了粗糙集理论对经典集合论的拓展,用经典集合计算方法对粗糙集的核心算子进行了对比分析,同时对定义在信息系统上的粗糙逻辑也进行了分析。通过分析粗糙集理论在人工智能领域的几类典型应用案例说明了粗糙集在表示和处理不确定性问题方面的重要作用和优势。最后对不确定知识的表示和处理的一些有待进一步深入研究的关键问题进行了展望。     

基于不完备信息系统的粗糙集方法及应用实例

很多信息系统都是不完备的,处理不完备信息系统的方法有很多,但粗糙集理论能够有效处理不完备信息.简要介绍了不完备信息系统下的粗糙集模型,并对一个应用实例进行了知识约简且做出决策.     

Applied Approaches of Rough Set Theory to Web Mining

Rough set theory is a new soft computing tool, and has received much attention of researchers around the world. It can deal with incomplete and uncertain information. Now, it has been applied in many areas successfully. This paper introduces the basic concepts of rough set and discusses its applications in Web mining. In particular, some applications of rough set theory to intelligent information processing are emphasized.     

基于粗糙集的不完全信息静态博弈及其均衡分析

不完全信息静态博弈中,往往假定参与者知道其他参与者类型的概率分布,然而很多时候这种概率分布很难甚至根本无法获得,参与人只能主观判断确定概率分布.论文使用粗糙集方法处理这种不确定性,参与人依赖对其他参与人类型的信息判断,计算其他参与人类型的近似精度,以此建立不完全信息静态博弈的粗集模型并定义粗糙静态均衡,最后通过古诺竞争模型说明该模型的运用.     

基于熵和变精度粗糙集的规则不确定性量度

由已知数据中产生的粗糙决策规则往往具有不确定性 ,需要适当的不确定性量度。借鉴变精度粗糙集理论的思想 ,采用基于信息熵的方法构造了两个新的粗糙决策规则不确定性量度函数。它们不仅可以兼顾由划分的粒度引起的规则不确定性的两个方面 ,即不一致性和随机性 ,还考虑了数据中的噪声对规则一致性的影响。因此 ,它们对一类“几乎一致性规则”具有一定的保护作用。通过举例分析 ,说明它们更适于评价从有噪声数据中提取的粗糙决策规则。