覆盖广义粗糙集的一般化方法

在覆盖粗糙集理论中,将其模型与经典粗糙集统一是一个非常重要的问题。在覆盖近似空间中通过定义论域上的基于覆盖的等价关系,将覆盖广义粗糙集转化为经典粗糙集,由此将经典粗糙集理论的应用范围拓展到基于覆盖的背景中。分析表明,该方法比已有的基于等域关系转化覆盖广义粗糙集为经典粗糙集更直观且易于理解。最后举例说明了该一般化方法还可以提高目标概念的近似精度。     

覆盖广义粗糙集与信任函数

本文在覆盖广义粗糙集最简覆盖的基础上.应用等域关系,将覆盖广义粗糙集转化为Pawlak经典的粗糙集,使得经典粗糙集理论的应用范围得到了一定的扩充,并用例子说明该转化方法提高了一个集合的近似程度.最后讨论了覆盖广义粗糙集与证据理论之间的关系.     

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。     

覆盖模糊粗糙集近似算子的拓扑性质

通过闭包与内部算子研究覆盖模糊粗糙集的拓扑结构,证明了覆盖近似空间中模糊粗糙集的上、下近似算子分别为一个模糊拓扑的闭包、内部算子;反之,满足一定条件的模糊拓扑的闭包与内部算子也恰为一覆盖近似空间中模糊粗糙集的上、下近似算子．     

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.     

基于遗传算法的覆盖近似空间最优近似求解算法

经典粗糙集用一对精确集来近似粗糙集.在其扩展模型中,有学者提出了从相似度出发用一个精确集来刻画粗糙集的模型.这种模型可以更贴近目标集合,在规则提取方面也有很好的应用.在划分情形下最优近似的算法已经相对完善,但是对于覆盖情形下的最优近似其算法还很匮乏.针对这一问题,提出了一种基于改进的遗传算法的最优近似求解算法.通过采用...     

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.     

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。     

粗糙集和拓扑空间

研究了粗糙集和拓扑空间的关系,讨论了Pawlak粗糙集模型的拓扑性质,指出Pawlak粗糙集模型等价于一类特殊的正则拓扑空间,该拓扑空间一般不是Hausdorff空间,且一般不具有连通性,还证明了一个一般的二元关系下的粗糙集模型当且仅当它是自反的和传递的时,可定义一个拓扑空间,每一个拓扑空间都是一个特殊的一般关系下的近似空间。     

基于覆盖的多粒度决策理论粗糙集模型

经典的多粒度决策理论粗糙集是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到和把握.本文结合多粒度决策理论粗糙集模型,基于覆盖粗糙集理论提出了基于覆盖的多粒度决策理论粗糙集理论,推广了前人的工作.     

广义模糊粗糙集的包含度和相似度

模糊粗糙集是目前数据挖掘领域关注的热点之一，作者在Pawlak粗糙集模型基础上，把一个论域推广为两个论域；把等价关系推广为模糊关系，被近似对象换成模糊集，得到广义模糊粗糙集模型，建立了广义模糊近似空间。在广义模糊近似空间中定义了广义模糊粗糙集上的包含度和相似度，并讨论了此包含度和相似度相关性质。     

基于覆盖的区间值粗糙模糊集模型

将粗糙集与区间值模糊集相结合便可得到区间值粗糙模糊集.通过将经典粗糙集模型中论域上的等价关系用论域的覆盖来替换,建立了基于覆盖关系的区间值粗糙模糊集模型,并给出了该模型下的一些基本性质.     

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.     

优势关系多粒度粗糙模糊集及决策规则获取

为了将多粒度粗糙集方法进一步扩展以适应模糊信息系统的需求,将多粒度思想引入到基于优势关系的粗糙模糊集模型中,提出了基于优势关系的乐观和悲观多粒度粗糙模糊集.在这2种多粒度粗糙模糊集中,采用一族而非一个优势概念来进行目标的逼近,并且被近似的目标是模糊而非清晰的集合.不仅对这2种新的粗糙模糊集的性质进行了讨论,而且研究了如何从模糊信息系统中获取逻辑连接词为"或"的决策规则,并采用一个模糊信息系统对新提出的粗糙集模型及决策规则获取进行了实例分析.结果表明:借助优势关系的方法,可以进一步扩展多粒度粗糙集方法,以处理模糊数据,从而扩大多粒度概念的应用范围.     

粗糙集理论的扩展模型研究

在传统的粗糙集模型和相容粗糙集模型基础上，通过松弛对象之间的不可分辨和相容性条件，给出了一种新的基于和谐关系的粗糙集模型．在新的模型中，α-和谐关系在论域里导出一个嵌套的等价关系序列．分析了α在不同的取值区间时，和谐关系的粗糙性与信息熵间的关系．给出一个具体的实例对新的模型加以解释说明．     

粗糙图与它的结构

将粗糙集理论和传统图论相结合，给出基于粗糙集思想的传统图的等价定义及粗糙图的定义，并进一步给出了粗糙图的矩阵表示及粗糙图的粗糙性分析．粗糙图推广了传统的图论结果，是可用于不确定性问题研究的图，它是分析系统粗特征的有效新工具．     

覆盖广义粗糙集理论中的LF拓扑方法

从LF拓扑学的角度来探讨覆盖广义粗糙集理论,在LF拓扑空间中定义了相对内部和相对闭包,并讨论了它们的基本性质.这些性质不仅对粗糙集理论,而且对于LF拓扑学本身也有重要意义.