基于粒计算的格贴近度理论研究

为了描述2个粒集的接近程度,通过对传统Fuzzy集贴近度的公理化定义进行重新定义,提出了基于粒计算的格贴近度的定义,并给出了相关的基本性质.     

基于粒计算的二进制矩阵及在决策树算法的应用

介绍了基于粒计算的二进制信息粒矩阵,给出了粒计算粒度的概念、粒的关联度运算、关联粒度矩阵和条件属性重要度等几个基于二进制信息粒计算的基本定义,并基于上述定义提出一种新的基于粒计算的决策树分支和剪枝算法在气象预报中的应用,实例结果证明了所提出的算法是有效和可行的.     

对一类数据集识别问题的探究

利用粗糙集、知识库的理论引入了粒度、结构差离度、贴近度、中心差离度、边缘差离度等的概念，给出了数据集之间的距离公式．利用距离公式，分析了数据集之间的分类及识别问题，为计算机中的数据集分类、识别提供了又一有力的方法．     

基于粒计算的正态粒集下的格贴近度

通过对传统模糊集贴近度公理化定义的改造,使得粒集的格贴近度反映两个粒集之间的接近程度。对实例分析后,给出基于粒计算满足正态分布的一种格贴近度函数及其相关定理和证明,方便实际问题的分析和处理。     

直觉模糊匹配的语义距离与贴近度

首先引用Atanassov直觉模糊集的基本概念,阐述了直觉模糊推理的语义匹配问题．给出了计算直觉模糊匹配度的语义距离与贴近度扩展方法,重点研究了直觉模糊贴近度扩展计算模型与直觉模糊语义距离,包括在离散论域和连续论域上的海明距离、欧氏距离、明可夫斯基距离、切比雪夫距离等扩展计算模型,提出了将直觉模糊贴近度与直觉模糊语义距离转换成直觉模糊匹配度的方法。     

模糊粗糙集的贴近度

基于模糊集理论中贴近度的定义及模糊粗糙集的有关性质 ,讨论了模糊粗糙集 (FR集 )的贴近度 ,进而给出了模糊粗糙集的距离贴近度、最小最大贴近度、最小平均贴近度以及格贴近度     

基于距离的粒计算分类算法

提出了一种基于距离的粒计算分类算法.首先,将粒表示为具有超菱形、超球和超正方体三种形式;第二,设计两粒之间的合并算子,实现不同粒度之间的转换;第三,选取粒度阈值,控制粒之间的合并过程,并构造基于距离的粒计算分类算法.使用UCI机器学习的基准数据集合验证该算法的性能,实验结果验证了基于距离的粒计算分类算法的可行性.     

Fuzzy子集贴近度与广义Fuzzy距离空间注记

Fuzzy子集贴近度对Fuzzy子集理论与应用的研究是一个有用的概念。汪培庄同志首先使用贴近度这样一个名称,并定义了一个计算贴近度的公式。但正如汪培庄同志所指出,这样定义方法具有一定的局限性。在本文中对贴近度的思想作一个简单的分析,并且给出另一种定义计算方式,引入广义Fuzzy距离,证明用这样方法所引入广义Fuzzy距离空间的收敛性与L_1空间是等价的,从而得到L_1空间中关于收敛性有关的许多结论,可以平移到广义Fuzzy距离空间中。     

基于决策属性粒度树提取决策规则

粒计算通过粒的形成、粒的转移、粒的合成与分解等手段有效地解决问题.利用属性粒度树,将粒计算与决策形式背景的规则提取理论相结合.首先将决策属性进行粒化,给出多粒度决策形式背景的定义;其次研究了粒化前后决策形式背景协调性的关系;最后在假设粒化前后决策形式背景协调的前提下,研究了粒化前后决策规则之间的关系.     

覆盖粒度空间的层次模型

粒计算是一个新的研究领域,其思想被广泛地运用于各种理论和计算方法,比如粗糙集理论,模糊集理论和商空间理论.在以往的研究中,基于划分的粒计算模型得到了广泛地研究,即粒度空间中粒子间是两两不相交的.但是,在有些实际问题中,要将问题空间粒化为论域的划分在有些情况下是困难的,或者是没有必要的.因此,基于覆盖的粒计算模型是粒计算研究中的一个重要方向.本文对覆盖粒度空间的层次模型进行了研究,指出了当前两种层次模型中存在的问题,重新定义了一种新的层次模型,并对其重要性质进行了分析.阐述了覆盖粒度空间中知识不确定的原理,采用知识熵对覆盖粒度空间的知识量进行度量,并对知识熵和覆盖上偏序较细关系之间的联系进行了分析,从定量的角度给出了知识粒度的解释.     

粗糙集的贴近度

为描述两个粗糙集的接近程度,提出了粗糙集贴近度的概念,给出了粗糙集贴近度的基本性质．根据模糊集贴近度的几种具体形式,分别定义了粗糙集的距离贴近度,最大最小贴近度,最小平均贴近度以及格贴近度．     

区间毕达哥拉斯模糊集的信息度量及其应用

熵、距离和相似度是模糊集及其推广理论中重要的信息度量工具。基于区间毕达哥拉斯模糊集的信息度量研究大多涉及区间毕达哥拉斯模糊数的距离公式,很少涉及模糊性和相似性的度量方法。针对这种情况,首先提出区间毕达哥拉斯模糊集的熵、距离和相似度的公理化定义。然后研究熵、距离和相似度之间的关系。最后将提出区间毕达哥拉斯模糊集的熵和相似度应用到模式识别领域,对比分析表明所提出的度量方法具有灵活性和有效性的特点。     

基于粒计算Rough集模型的逻辑推理应用研究

讨论了粒计算理论信息粒子的构成,结合Rough集知识模型给出了信息决策系统不确定性推理的粒计算公式及其过程.针对水产养殖中鱼病诊断信息的模糊性、随机性等不确定特点,通过鱼病症状集形成条件属性粒子、疾病集形成决策粒子而构成的模糊信息决策表,描述出主要逻辑推理算法,即鱼病诊断的规则获取过程,促进粒计算理论应用,同时也为鱼病诊断领域提供了新方法.     

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.     

基于粒计算的融合性贴近度方法

在粒计算的基础上,将粒进行了形式化表示,详细地讨论了粒如何进行度量,进一步对粒在相似度度量方面加以阐述.对不同的事物相同标准和相同事物不同度量标准这两种情况的相似度度量进行探讨,并提出了一种新的基于粒计算的融合性贴近度方法对不同相似性度量方法进行了统一,减少了中间过程,避免了标准不同不能进行比较的问题.     

实例检索中基于混合属性距离的相似性度量

提出了一种基于混合属性距离的相似性度量方法.利用各个属性间的距离及其组合权重求得实例间的总体距离,再用实例间的总体距离来刻画其相似程度.基于区间数的距离计算公式和模糊集合理论,给出了属性值为模糊数、模糊区间数时的距离公式,并改进了属性值为隶属度函数时的距离公式.同时考虑了属性权重问题,提出了一种基于距离离差信息的客观赋权方法,将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度.以阀门的概念设计为例,验证了该方法在实例检索中的的可行性和合理性.     

基于距离和时序的层次粒度支持向量回归机

针对目前粒度支持向量回归机的粒划算法只考虑了距离因素,引入时序因素,提出适用于金融时间序列的基于距离和时序的层次粒度支持向量回归机(DTHGSVR).该方法首先将训练样本通过核函数映射到高维空间,并在该特征空间中进行初始粒划.然后,通过衡量样本粒与当前回归超平面的距离以及当前样本粒时序的综合因素,找到含有较多回归信息的粒,并通过计算其半径、密度及时序信息进行深层次的动态粒划.如此循环迭代,直到没有粒需要进行深层划分为止.最后,对不同层次的粒进行回归训练.采用提出的基于距离和时序因素的层次粒度支持向量回归机对基金净值进行预测,实验结果表明回归的泛化性有所提高.     

RLC谐振电路Q值计算方法与仿真分析

对Q值的定义方法、RLC谐振理论计算公式进行了综合剖析,从Q值的定义出发分别推导出串联、并联谐振电路Q值的不同理论计算公式,并由实例证明推导出的计算公式正确性,还用仿真分析进一步验证了理论计算值,实例证明仿真的结果和理论分析值相吻合.