基于二进制的粗糙集基本运算研究

通过讨论二进制与粗糙集之间的内在联系,提出基于二进制的粗糙集运算理论,并借助二进制的位运算操作,给出粗糙集的上近似集和下近似集、等价类的交、集合的基数的运算算法.该算法比传统的粗糙集运算算法的运算速度更快,效率更高.该算法为扩展粗糙集的应用提供了理论基础.     

一个新的基于Vague集的近似推理方法

对于模糊概念的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Ｖａｇｕｅ集的隶属函数为连续情况下的近似推理方法;对于Ｖａｇｕｅ集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Ｖａｇｕｅ集和事实中的Ｖａｇｕｅ集的真／假隶属函烤分别进行线性插值,使它们都成为连续函数,然后给出基于Ｖａｇｕｅ集的隶属函数为离散情况下的近似推理方法。     

广义粗集的公理化

粗集理论在数据挖掘等领域得到了广泛的应用，对粗集理论进行推广可得到各种广义粗集。该文研究了广义粗集的多个公理组，证明了公理组中各公理的独立性，并给出了普通粗集理论的另一个公理组，它有4条相互独立的公理组成。     

关于非凸集的粗糙近似

本文建立了非凸集的上、下近似概念，讨论了非凸集的粗糙近似的性质。对于任何一个非凸集，可以用它的某个方向上的上、下近似凸集来逼近。最后，给出了集合的u-影子与u-方向上的粗糙近似集间的关系。     

利用粗集上近似处理特征提取中的噪声问题

该文针对特征提取中存在的噪声污染问题 ,分析了采用粗集上近似进行特征提取可以处理含有噪声数据的原因 ;证明了上近似质量随着条件属性的压缩而降低 ,提出了一种基于集合上近似的质量来进行特征提取的算法 ,该算法以集合上近似质量为迭代准则 ,通过设置一阈值来求取θ -约简 ,得到所要提取的特征     

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。     

关于广义近似集的注记

本文讨论了逆串行关系下上近似集和下近似集的关系；进一步讨论子集关于子基的内部和闭包的性质，得到了一些有趣的结果．     

广义粗糙Mereotopology

本文给出Mereotopology一些基本概念的广义粗集表示,并且利用子集关于子基的内部和闭包的概念讨论它们的基本性质.     

一种新的知识表示模型及其规则推导

目前指挥决策支持系统中的知识系统大多只能表示清晰信息,当给定对象、属性及属性值,便能完全肯定对象是否具有这个属性(值)。但实际情况并不是这样,对象和属性(值)关系常常是不确定的。本文提出FPS模型解决这种不确定性,并在此基础上,为概念归纳推理定义了模糊粗糙集,为对象的排序定义了相似性测度、距离测度和熵测度,用模糊集方法定义了概念的上下近似集,并得出了决策规则。     

L－Fuzzy近似紧集

给出了３种Ｌ－Ｆｕｚｚｙ近似紧集的定义，并得出它们的两个等价条件、同时证明了它们都是Ｌ－好的推广、最后研究了近似良紧集的若干性质．     

粗糙模糊集的一种新的构造方法

通过表现定理从新的角度建立了模糊粗糙集的近似算子，并指出可以用类似的方式建立模糊粗糙集的近似算子．     

两种类型的粗糙度不等式

讨论了粗糙近似算子的性质.基于粗糙集理论,给出了经典集在Pawlak近似空间下的粗糙度不等式取等号的两个等价的充分条件;同时给出了模糊集在Pawlak近似空间下粗糙度不等式取等号的充分条件以及粗糙模糊集水平截集的一些性质.     

程度粗糙集

从广义程度粗糙集出发,定义了程度粗糙集,深入讨论了其内部构造,得出了程度粗糙集简化运算的重要方法.对比经典粗糙集性质,研究了程度粗糙集3个方面的性质:集合与其程度近似集的关系、程度近似算子的幂作用、程度边界算子对粗糙集性质的修正.得出了若干具有理论和应用价值的结果,并从算子论和集合论的角度丰富了粗糙集理论.     

广义粗糙集理论的公理化注记

首先回顾了粗糙集理论的代数表示,给出代数表示与公理化算子的相互关系.特别地,给出了广义粗糙集模型的公理化等价表示.     

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.     

对群中上近似的一个注记

研究了群中子群的上近似和下近似的相关性质,指出并证明了其中3个关于上近似的性质中的包含关系实质是相等关系,从而改进了上近似的相关结论,为上近似的应用奠定了理论基础.     

基于粗糙集理论的自适应图像内插

利用粗糙集中的不可分辨理论提出了一种基于粗糙集理论和旋转掩模(rotating mask)相结合的自适应图像内插算法.首先利用图像的连续性,提出了用粗糙集中的上近似集(upper approximation)和下近似集(lower approximation)来确定与缺损点具有不可分辨关系的样本点,然后利用这些同类样本点对缺损点进行自适应的内插.实验结果表明,利用该算法内插的图像质量无论客观评价标准还是主观评价标准均好于传统的图像内插法,该算法是粗糙集理论与图像信息处理相结合的有益尝试.     

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·     

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.     

基于粗集理论的决策分析

管理信息系统建设的重要目标之一是利用系统运行所积累的数据辅助用户进行决策分析 ,因此从数据中挖掘隐含的知识是建立决策系统的基础。粗集理论是知识发现的基础理论之一 ,是目前在知识发现领域研究最活跃的技术之一。文章从粗集的基本体系出发以优化疾病治疗方案为例 ,探讨其在决策分析中的应用