(α,β)集对限制优势粗糙集及决策模型

针对不完备信息系统中的偏好多属性决策问题,提出了一种基于(α,β)集对限制优势粗糙集的决策分析模型。引入集对优度和关键属性构建一种集对限制优势关系,构造了基于(α,β)集对限制优势关系的粗糙集模型;在此基础上,研究了粗糙近似算子的性质、知识的属性约简和决策规则的提取方法,并采用计算机仿真的方法分析其分类误判率。(α,β)集对限制优势关系比原有的集对优势关系更加符合实际,分类的整体性能更优。比较研究的结果表明:(α,β)集对限制优势关系在保持较高的分类精度和质量的基础上,其分类误判率显著优于集对优势关系和限制相似优势关系。     

不完备信息系统中的可变精度分类粗糙集模型

在不完备信息系统中,容差关系过于宽松,而相似关系则过于严格.根据这样的解释,提出了一种新的基于可变精度分类的拓展粗糙集模型,其中的分类方式相比较于容差关系和相似关系显得更为灵活,是这两者的一种广义化表现形式,且可变精度分类也是限制容差关系的一种改进形式.在此基础上,将这种拓展粗集模型与基于容差关系和相似关系的拓展粗集模型进行了对比分析.最后在不完备信息系统中使用新的拓展粗集模型讨论了确定和可能性规则的直接生成方法,并进行了实例分析以说明其有效性.     

基于集值信息系统的多粒度粗糙集

多粒度方法是粗糙集理论中的一种新的数据处理模式。为了使多粒度方法适用于不完备信息系统,在相似关系的基础上,提出了基于集值信息系统的多粒度粗糙集模型,包括乐观和悲观两种不同的形式,不仅分析了两种模型的基本性质以及它们之间度量的关系,而且研究了决策规则获取的方法。最后将基于集值信息系统的多粒度粗糙集应用于信息系统安全审计风险判断,为信息系统安全审计的有效判断提供决策支持。     

基于变精度动态容差关系的扩充粗糙集模型

在分析已有扩充粗糙集模型的基础上提出了一种变精度动态容差关系的新模型.设置动态容差度参数来控制该扩展模型的容差关系强度,并且给出了该参教的动态曼新算法.设置精度参数来处理存在一定误差的数据,增强了模型的泛化和抗噪能力.最后用UCI中大量不完备数据验证了该模型的有效性.     

基于(α, τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。     

不完备信息系统中基于联系度的粗集模型拓展

在分析几种已有的针对不完备信息系统的粗集拓展模型基础上,提出了一种基于联系度的粗集拓展模型.该模型的方法是:通过引入阈值将原不完备信息系统进行划分,再利用基于联系度的容差关系确定类,利用产生的这些类得到上下近似.通过例说明该模型是符合客观实际的,更重要的是在容差类的划分中通过引入阈值考虑了根据人的主观要求,这与人机结合以人为主的系统方法论是一致的.     

基于变精度容差关系的扩展粗糙集

针对不完备决策信息系统问题,在分析已有粗糙集及其扩展方法局限性的基础上,提出了一种基于变精度容差关系的扩展粗糙集方法。该方法通过判断对象之间不可分辨可能性的大小来划分容差类,进而得到相应的上、下近似集,并在理论与实例中与基于容差关系、相似关系、限制容差关系等的扩展粗糙集进行了比较分析,论证了该方法的合理性和有效性。     

基于限制容差关系和集对分析的数据依赖在IIS中的应用

利用限制容差关系和集对分析方法,分别给出了不完备信息系统(IIS)下对象依赖和属性依赖的定义,并将其应用于IIS约简,提出了利用基于限制容差关系的对象依赖进行对象约简和利用基于集对分析的知识依赖进行属性约简的方法以及相应的算法,以这些算法为依据进行约简得到了较好的结果.最后结合两个实例加以分析,验证这种限制容差关系模型和集对分析方法相结合的方法对处理IIS是合理有效的.     

不完备信息系统中基于相似度的变精度粗糙集模型

提出了一种基于相似度的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.定义了这种模型上的知识约简,并给出了求约简的两种一般算法.最后通过实例分析说明了算法的有效性.     

基于全相容性粒度的粗糙集模型

基于不完备信息系统下的容错关系粗糙集模型与完备信息系统下的粗糙集模型相比更能满足现实生活的需要,因此在实际工作中得到了广泛的应用,但其中存在的一个问题,即容错类中的元素并非两两存在相容关系,而只是都与其容错类的生成元素存在相容关系.本文首先重新定义了不完备信息系统下的相容关系,进而提出了最大全相容类的概念,从而保证了相容模块中的元素两两相容.在此基础上,定义了4种不同的知识表达系统,不仅对这4种不同的知识表达系统所构成的覆盖进行了比较,而且在不同的知识表达系统下对于粗糙集的近似精度,知识的粗糙熵以及粗糙集的粗糙熵进行了深入分析.     

Further Investigation of Characteristic Relation in Incomplete Information System

In the recent years, the method to expand Pawlak's rough set model in different kinds of information systems has become a hot topic. This article presents explorative research focusing on the transition from the traditional information system to a complex system—the incomplete information system. In such information system, “do not care” and lost unknown attribute values coexist. With a further investigation of Grzymala-Busse's characteristic relation in the incomplete information system, two unreasonable situations in the analysis of the classified problem are presented. To conduct sound classification in the incomplete information system, a new characteristic relation is proposed and by use of this new characteristic relation, the complete covering on the universe is formed. Based on the maximal complete compatible classes in the complete covering, two notions of the knowledge representation system are presented and some important properties associated with these knowledge representation systems are discussed. For further illustration, an example is analyzed. The research is meaningful both in theory and in applications for the extension of the rough set theory in incomplete information systems.     

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。     

Method to determine α in rough set model based on connection degree

An improvement of tolerance relation is proposed in regard to rough set model based on connection degree by which reflexivity of relation can be assured without loss of information. Then, a method to determine optimal identity degree based on relative positive region is proposed so that the identity degree can be computed in an objective method without any preliminary or additional information about data, which is consistent with the notion of objectivity in rough set theory and data mining theory. Subsequently, an algorithm is proposed, and in two examples, the global optimum identity degree is found out. Finally, in regard to optimum connection degree, the method of rules extraction for connection degree rough set model baaed on generalization function is presented by which the rules extracted from a decision table are enumerated.     

同异反集合理论及其应用

从信息处理角度讨论了集对分析的一般性问题,给出了同异反集合的概念及其在经典集合意义下的一个实现.     

粗集在数据开采中的应用

从数据库或数据仓库开采有用的知识，是辅助决策的有效手段，粗集作为一种新的软计算方法，是处理不确定、不完全数据的有效方法，它可以克服其他软计算方法的不足，并且和它们具有较强的亲和力，所以粗集理论得到了广泛的应用，尤其是数据开采领域巳成为研究的热点，论文就粗集在数据开采中的几个重要问题进行论述，包括决策表的约简、不完全决策表的处理，连续值的离散化、基于粗集数据开采的递增算法以及粗集与其他软计算方法的集成等几个前沿问题，同时指出了问题之所在，提出粗集进一步可能的发展方向。     

决策粗糙集的一种新分类区域及相关比较分析

分类区域是粗糙集理论进行属性约简的重要基础, 量化扩张分类区域则是一个科研重点. 本文主要针对决策粗糙集, 在二分类层面提出一种新的分类区域, 并进行与两类常用分类区域的比较分析. 首先, 采用集合区域自然地提出了二分类决策粗糙集的新分类区域; 其次, 对两类常用决策粗糙集分类区域进行了退化研究; 进而, 对三种分类区域进行了比较分析, 得到了新分类区域的优势; 最后, 用具体实例进行了详细说明. 特别地, 对比于变精度粗糙集与贝叶斯粗糙集, 本文还分析了三种决策粗糙集分类区域扩大分类正域的机理. 本文构建的分类区域, 具有对于经典Pawlak分类区域的扩张性, 更加紧密地联系了集合区域的基础结构, 呈现出对于已有分类区域的改进性.