区间值模糊目标信息系统的规则提取

在区间值信息系统中定义了一种新的变精度相容关系,研究了这种相容关系诱导的极大变精度相容类;提出了基于极大变精度相容类的区间值模糊目标信息系统的粗糙集模型;进一步讨论了利用粗糙隶属函数获得决策规则的方法,最后通过实例说明了方法的可行性.     

集值信息系统基于极大变精度相容类的属性约简

集值信息系统中对象的属性集值一般不唯一,基于集值信息系统上的变精度相容关系,给出了极大变精度相容类及其对应的粗糙集模型的定义,并以极大变精度相容类为基础,讨论了集值信息系统的属性约简及其相应的区分函数计算方法.     

集值信息系统中的粗糙集扩展模型

根据属性值的相容程度在集值信息系统上定义了一种新的关系--α相容关系;给出了相应的近似集合和相关性质,并讨论了它与相容关系、拟序关系之间关系;提出了基于这种关系的粗糙集扩展模型,并分析比较了该模型与现有的粗糙集扩展模型之间的关系;最后,通过一个实例来直观地解释这些关系之间的联系.     

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.     

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.     

广义概率粗糙集模型中近似算子的研究

针对经典概率粗糙集模型的不足,将其论域推广到两个具有相容关系的论域上,借助集值映射分别定义了两种形式的广义概率(I)型和广义概率(II)型粗糙集近似算子,并讨论了相应的数学性质.最后,详细地分析了它们之间的关系.     

基于相容关系的扩展粗糙集理论研究

引入相容度的概念，并给出一种利用相容度确定论域的完全覆盖的方法。然后用完全覆盖中的最大相容类定义精确集、粗糙集等概念，建立了一种基于相容关系的相容粗糙集理论体系。在此基础上讨论了相容粗糙集的一些基本性质和相关定义。     

双精度容差关系的粗糙集拓展模型及约简

研究了不完备区间值信息系统,提出新的改进模型.首先给出了基于相离度的相似度定义,使得模型可以处理属性值大多数相交但不具备包含关系以及含多个连续值的情形.其次,将容差关系进行拓展,提出了基于相似度和相似率的双精度容差关系,进而建立了适用于不完备区间值信息系统的粗糙集拓展模型.再次,为解决双精度容差关系在划分论域时的不足,提高近似精度,又求出了双精度极大相容类,据此来得到上下近似集,并给出了极大分类约简算法.最后,通过实例分析验证模型和算法的有效可行性.结果表明,所提出的粗糙集拓展模型适用的不完备区间值数据类型更为广泛,可用于处理一般的不完备区间值信息系统,拓展了粗糙集的适用范围.     

基于矩阵的动态局部相容粗糙集的增量方法

粗糙集模型作为一种重要的粒计算模型,是处理数据的重要工具.在实际生活中,由于数据来源的多样性,信息系统常出现集值型数据,这些信息系统被称为集值信息系统.由于信息的更新,集值信息系统中的属性集会发生动态变化,因此,基于局部相容粗糙集模型,研究用矩阵来表示其上、下近似的方法,讨论随着属性集的动态变化局部关系矩阵的变化以及上、下近似的变化,并通过具体实例说明提出的更新方法在处理集值型数据时的有效性.最后给出与增量方法对应的算法,并在UCI数据库中选取了几组数据进行实验.实验结果证明,这种通过矩阵表示上、下近似并对其进行更新的方法是有效的,可以提高计算效率,降低时间复杂度.     

优势关系多粒度粗糙集中近似集动态更新方法

随着数据的不断变化,从信息系统中获取有用的信息,可有效地为决策提供依据.为此在多粒度环境下,优势关系多粒度粗糙集中粒度增加时,分析了优势关系乐观多粒度粗糙集和悲观多粒度粗糙集近似集动态更新的定理和相关性质,提出了一种优势关系多粒度粗糙集模型中,当粒度结构动态增加时,近似集更新的算法.该算法的基本思想是不需要重新计算粒度结构变化时信息系统的优势类、下近似集和上近似集,只需根据新增粒度结构的相关信息计算所有对象的优势类;然后根据优势关系乐观多粒度粗糙集和悲观多粒度粗糙集中动态更新近似集的相关定理计算近似集,提高了更新效率.通过与传统的静态算法做比较,验证了本算法的有效性.     

基于极大相容块的邻域粗糙集模型

对于数值型数据而言,邻域粗糙集模型是处理不确定信息的有效工具.现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策类的一致性情形,无法利用邻域中与多个决策类相交的边界样本所蕴含的信息.针对邻域粗糙集的这一局限性,将相容关系的极大相容块与邻域粗糙集相结合,选取样本邻域内的最大等价块作为最小的信息粒,通过重新定义邻域粗糙集的上下近似和属性重要度等概念,建立了一种基于极大相容块的邻域粗糙集模型.该模型可在更小的信息粒度下将原来边界样本转化成一致性样本来增大正域.运用前向贪婪策略构建了相应的属性约简算法.在七个公开的UCI数据集上的对比实验验证了提出模型的有效性.     

基于极大相容块的不完备模糊目标信息系统的近似约简

在不完备模糊目标信息系统中引入了极大相容块的概念,定义了上下近似,并通过精确度的计算得到上下近似的定义具有合理性,同时提出了近似一致集的概念,给出了相关的粗糙集模型,以及该模型的近似约简概念及辨识矩阵的近似约简方法.     

基于区间值模糊概率测度的多粒度区间值决策粗糙集模型

在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观三种情形,结果和算例验证了模型的实用性和广泛性.     

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.     

基于双参数相容关系的区间值信息系统属性约简

针对区间值信息系统,文章提出了一种基于双参数相容关系的属性约简方法.该方法是对传统变精度相容关系粗糙集模型的一种扩充,可使模型在实际应用中更加灵活,鲁棒性更强,通过实例对该方法进行了说明.     

集值信息系统中的粗糙集扩展模型

通过分析研究现有集值信息系统上定义的两种关系(相容关系和优势关系),在集值信息系统中引入相容度和包含度的概念,定义了基于相容度α的相容关系和基于包含度β的优势关系,提出了基于这两种关系的粗糙集扩展模型,并分析比较了该模型与现有模型之间的关系.通过对相容度和包含度的调节和控制,可以将现有集值信息系统中定义的两种关系有效地统一起来.最后,通过对一个具体实例的分析,进一步解释和说明了这些关系之间的联系.     

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.     

基于极大相容块的粗糙性度量及其属性约简

由于相似关系或相容关系不具有传递性或对称性,从而相容类或相似类之间存在误判,因此研究不完备信息系统中合适粒度下的粗糙性度量和属性约简算法很有必要。在不改变相关模型的基础上,文章通过极大相容块的思想,研究了非等价关系的基本知识粒度构造,进一步讨论了合适粒度下的粗糙性度量方法,提出了基于极大相容块的知识粗糙性更精确的定义和极大相容块的条件信息熵及其属性重要性定义,并证明了相关性质;给出了合适粒度下属性约简的启发式算法,结果表明,极大相容块的重要性度量避免了通常意义下粒度过粗问题,知识粗糙性更为准确。     

新型变精度多粒化粗糙集模型

为了解决现有的变精度乐观多粒化粗糙集要求宽松和悲观多粒化粗糙集要求过于严格的不足,该文提出了新型变精度多粒化粗糙集模型,即可协调的变精度多粒度粗糙集模型。该模型通过引入阈值,调节满足变精度约束条件的属性个数,使变精度多粒化粗糙集模型更具灵活性。分析了该新模型的相关性质并将其与经典模型进行了对比分析。通过理论分析,该文提出的新型变精度不仅继承了传统变精度多粒化粗糙集的相关性质,而且在一定环境下可以退化为传统变精度多粒度乐观和悲观粗糙集模型。研究表明,该文提出的模型是传统多粒度模型在应用背景下的有力扩展。