知识的粒度计算及其应用

粗糙集理论是一种较新的软计算方法 ,可以有效地分析和处理不完备信息 .本文介绍了知识的粒度、属性的重要度及协调度等概念及计算方法 ,并给出属性的重要度在求属性集的最小约简、协调度在构造决策树方面的具体步骤 .最后 ,通过几个例子说明了这些概念和方法的有效性.     

关于双重随机时序AR（1）－AR（1）模型的渐近性

文中讨论了一类重要的非线性时序模型－双重随机时序模型ＡＲ（１）－ＡＲ（１）一ＡＲ（１）。在模型存在平稳解的条件下，我们证明了：ｎ￣（１／２）Ｘ＿ｎ－→Ｎ（０，Ｂ）。     

属性的变化对于流图的影响

人类的认知中具有粒化特性,并且同一现象在不同粒度上具有不同的解释.流图为知识的一种表示形式,素有直观性、计算便捷性和并行处理等特征.以属性-值形式的信息系统作为研究对象,针对新属性的添加而诱导的粒度变化,研究流图在不同粒度上的具体演变.流图在新粒度上的有效性取决于所涉及的等价类的变化和Markov性质的成立.具体的,若新粒度上仅有部分等价类中的成员保持Markov性质成立,则粒度变化可将图形结构由一个粒度上的流图转化为新粒度上的用于构成完整流图的基本构件;若Markov性质在新粒度上不成立,则流图可被转化为新粒度上的与流图无关的结构;若新粒度上等价类中的每个成员皆满足Markov性质,则流图在新粒度上保持不变.流感病人信息系统在不同粒度上的具体分析进一步验证了理论结果 .这些结论有助于理解和刻画知识与粒度之间的关系,为模拟人类学习和思维奠定基础.     

基于粒计算的概念格拓展模型

将粒计算融入到概念格研究中,结合相似度模型和概念格结构信息,提出一种基于粒计算的概念格拓展模型,其有助于扩展经典概念的内涵和外延,也有助于压缩概念的规模.该模型是概念格和粒计算融合研究的一次有益探索和尝试,同时对概念格拓展也不失为一种有效手段.     

基于二进制粒与粒计算的属性约简

目前有关粒计算的理论与方法主要有商空间理论、词计算理论和粗糙集理论.以粗糙集理论发展的粒计算理论为基础,定义了幂图、粒度幂图及二进制粒等概念,提出基于二进制粒计算与粒度幂图的两种属性约简算法,把属性约简问题转化为在粒度幂图中的搜索问题,为属性约简开辟了新的途径.理论分析表明,所提出的算法是有效可行的.     

直觉模糊信息系统下基于优势关系的邻域粗糙集

粗糙集是处理不确定性信息的有效数学工具,然而,在复杂的环境下,经典粗糙集并不能满足某些特殊的现实需要,因此,为粗糙集引入拓展要素,是增强模型可靠性的重要手段。文章在直觉模糊信息系统下,基于优势关系研究邻域粗糙集模型。首先将直觉模糊数与邻域粗糙集近似算子结合,刻画直觉模糊邻域粗糙近似算子,建立直觉模糊邻域粗糙集模型。然后,引入了优势关系,构建优势邻域类,进而构建基于优势关系下的直觉模糊邻域粗糙集模型,并研究了该模型的上下近似、优势邻域类、集合的基本运算等性质,给出了模型不精确性度量指标。最后通过实例验证了所提出模型的有效性。     

基于三支决策的高斯混合聚类研究

针对隶属关系不明确的情况,即样本点属于多个类别的概率接近,高斯混合模型聚类存在较大的误判风险的问题,将三支决策思想融入高斯混合模型中,提出一种基于三支决策的高斯混合聚类算法.新算法计算出数据对象属于各个类簇的后验概率作为决策评价函数,用于确定聚类结果的正域和边界域.由于新算法对边界对象采取了比一般高斯混合聚类算法更加谨慎的操作,避免了直接做出对象属于某一类或不属于某一类的决策所需承担的风险,从而有效减小了误判代价.实验进一步表明,所提出的算法不仅继承了高斯混合聚算法的特点,具有良好的聚类性能,而且还对于非球形数据簇表现出优良的聚类效果.     

净化属性对偶背景下完全格的形式概念分析（英文）

形式概念分析是数据分析和知识获取的有效工具,而三支概念格是概念格的扩展。在形式概念分析中,完全格与概念格有同构关系,但并不是每一个完全格都会同构于三支概念格。文章对净化属性对偶背景下的原子、不可约元素、补集和概念格的V-化简律等进行了研究,讨论了完全格、负概念格和三支概念格之间的同构问题。在给定的条件约束下,实现了完全格到概念格、负概念格和三支概念格之间的特征变换。     

面向灰色区间的三支概念分析

近年来,三支概念分析已经成为知识表示和数据分析的有效工具,然而,其尚不能处理“范围已知,内部未知”的灰色区间信息.为了解决灰色区间数据在三支概念分析理论中的建格问题,研究了基于灰色数据背景的三支概念分析.利用灰集合的上、下隶属度来表示对象和属性之间的关系,结合灰色数学的相关理论,提出灰色三支概念分析及灰色三支概念格,并研究其性质、定理.最后借助实例验证其有效性和可行性.为三支概念分析理论在解决复杂、不确定性信息方面提供了可行性方案,有效解决了三支概念分析中无法处理区间灰色信息的局限性.