基于一般二元关系的知识粗糙熵与粗集粗糙熵

针对一般二元关系(自反的),通过引入知识粗糙熵来刻画知识的粗糙性和粗集粗糙性,为以一般二元关系为基础的信息系统中知识的获取提供了理论依据.     

基于边界域的知识粗糙熵与粗集粗糙熵

传统的知识粗糙熵表征了知识整体的统计特征,是总体的平均不确定性的量度,知识和粗集的不确定性值被放大。从Pawlak拓扑的角度,给出了一种基于边界域的知识粗糙熵新定义,并修正了粗集粗糙熵的定义,集合的不确定性可以通过边界域来描述,能更精确的度量知识不确定性;证明了知识粗糙熵和修正后的粗集粗糙熵都随着信息粒度的变小而单调减少等重要结论。最后,通过弹簧振子系统定性仿真例子,结合定性推理技术,构造属性约简的启发式算法,消去定性描述中的冗余,获得了其系统的定性微分方程,说明了粗集理论在定性推理与定性仿真技术中的重要应用价值。     

不完备决策信息系统的混合条件熵与多属性决策

不完备决策信息系统的多属性决策具有应用意义,其主要依托不确定性度量.针对不完备决策信息系统,现有条件熵及相关决策排序方法具有信息单一缺点,对此提出混合条件熵与对应决策排序方法.首先,层次分解条件熵并引入依赖度,构建直接混合与层次混合两种新型条件熵,得到粒化单调性与度量值大小等性质.然后,由两种混合条件熵设计两种多属性决策排序算法,得到对比五种排序方法的有效性与改进性.最后,实施实际数据集的决策排序实验,证实新建排序方法能够取得条件熵排序方法的一致效果.混合条件熵分层融合了信息表示与代数表示,改进现有条件熵进而更全面表征系统不确定性,其合理排序有利于不完备决策信息系统的多属性决策应用.     

基于概率语言赋权交叉熵信度分配的应急决策

针对多部门协同应急决策带有不确定性和偏好性的多属性决策问题,提出了一种基于概率语言赋权交叉熵信度分配的应急决策方法.首先,采用能充分表达不确定决策信息的概率语言术语集(probabilistic lin-guistic term set,PLTS)刻画属性指标,并将其作为证据推理算法中的证据信息.同时,从认知科学的角度...     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

基于边界域条件熵的不确定性度量标准

不确定性度量研究是粗糙集理论的重要问题之一,系统的不确定性是由边界域的存在造成的。根据变精度粗糙集思想,将边界域对象分成弱一致性对象和不一致对象集合。结合信息熵与不确定性间的关系,提出一种基于边界域条件熵的不确定性度量标准。通过理论分析证明,边界域条件熵在衡量决策系统一致性程度时,与普通条件熵具有相同的判别作用;在粗糙集特征约简的启发式条件中与粗糙集正域等效。     

粗糙Vague集的不确定性度量

将粗糙集理论和Vague集理论相结合,引入了粗糙Vague集的概念,讨论了粗糙Vague集的基本性质.并且基于描述模糊信息量的模糊熵及描述粗糙集的粗糙熵,给出了粗糙Vague集的模糊熵、粗糙度及贴近度的定义,讨论了粗糙Vague集的模糊熵、粗糙度及贴近度,并给出了相应的定理。     

基于变精度粗糙集理论的知识约简方法

基于变精度粗糙集理论与包含度理论,引入了不协调目标信息系统的上、下分布约简的概念,并讨论了它们之间的关系.上(下)分布约简是保持每个决策类的上(下)近似不变的最小属性集,由约简系统产生的命题规则与由原系统产生的命题规则是相容的,即约简不会改变由对象所产生的规则的决策结果.通过对这两种知识约简的等价刻画,得到了上、下分布知识约简的判定定理和可辨识属性矩阵,从而提供了不协调目标信息系统知识约简的新方法.     

基于S-粗集的图像阈值分割方法

介绍了S-粗集的概念, 结合其动态迁移特性给出了可以适应复杂背景和含噪环境的图像S-粗集表示模型, 使静态目标可以将"不好"特性像素点迁移出去. 利用粗糙熵平衡目标和背景粗糙度对边界的影响, 提出一种更具适应性的 图像阈值分割算法. 为了适应离散点的迁移, 同时避免粒度大小的选择, 结合包含度概念给出了图像变精度S-粗集表示模型, 利用精度参数来 控制调节获取最佳分割阈值, 实现目标提取. 仿真实验表明, 所提出算法具有更好的图像分割效果.     

Information Measures of Roughness of Knowledge and Rough Sets for Incomplete Information Systems

1 IntroductionRough set thcory, introduced by Pawlak [lj, is a relatively new soft computing tool todeal with vagueness and uncertainty. It has been applied to many areas successfullylncluding machine learning, data analysis, pattern recognition, decision support, datamining, process control and predictive modeling [1--6j.Rough set theory gives a formal definition of knowlcdge and provides a series of toolsto deal with know1cdge by set a1gebra. In rough set theory, know1edge can be regarded a…     

基于限制容差关系的加权信息熵

信息论观点是利用粗集理论研究信息系统性质的一种重要途径和方法。从信息论角度研究不完备信息系统的属性约简问题。在仔细分析完备信息系统的信息熵概念的本质之后,通过引入权数,研究了基于限制容差关系的不完备信息系统加权信息熵和条件熵问题。还提出了基于一般的集值函数的信息系统加权信息熵和条件熵概念。所得结果为在一般二元关系下的信息和决策表的知识获取提供了理论依据。     

与特征选取和离散化集成的决策规则挖掘方法

利用粗糙集理论可以从已知数据中挖掘决策规则 .对于连续取值的特征属性必须先对其离散化 .从给定的特征属性集合中去除冗余的特征属性 ,选取有用的属性子集有助于简化决策规则 .我们利用基于信息熵的规则不确定性量度函数构造了一个决策规则挖掘的遗传算法 ,将规则挖掘与特征选取和连续属性的离散化集成在一起 .实验结果说明了这种方法的有效性.     

规则不确定性的几种度量及其相互关系

对目前广泛应用的基于粗集理论和信息熵的几种规则不确定性度量准则进行了比较分析,通过定理证明了它们之间存在不一致性以及发生不一致时的必要条件,并从不同角度揭示了它们之间的相互关系.最终为下一步构建更有效的不确定性度量的指明了方向.     

Half-global discretization algorithm based on rough set theory

It is being widely studied how to extract knowledge from a decision table based on rough set theory. The novel problem is how to discretize a decision table having continuous attribute. In order to obtain more reasonable discretization results, a discretization algorithm is proposed, which arranges half-global discretization based on the correlational coefficient of each continuous attribute while considering the uniqueness of rough set theory. When choosing heuristic information, stability is combined with rough entropy. In terms of stability, the possibility of classifying objects belonging to certain sub-interval of a given attribute into neighbor sub-intervals is minimized. By doing this, rational discrete intervals can be determined. Rough entropy is employed to decide the optimal cut-points while guaranteeing the consistency of the decision table after discretization. Thought of this algorithm is elaborated through Iris data and then some experiments by comparing outcomes of four discritized datasets are also given, which are calculated by the proposed algorithm and four other typical algorithms for discritization respectively. After that, classification rules are deduced and summarized through rough set based classifiers. Results show that the proposed discretization algorithm is able to generate optimal classification accuracy while minimizing the number of discrete intervals. It displays superiority especially when dealing with a decision table having a large attribute number.     

知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

基于RST的粗关系数据库的熵研究

熵是度量信息不确定性的重要工具,粗集数据分析方法研究粗关系数据库熵的重要方法。首次利用复合粗近似算子概念和方法,由属性值域上的二元关系导出了粗关系模式实例元组之间的二元关系,为利用粗集理论来研究粗关系数据库提供了必需的前提条件。在此基础上,提出了基于粗集的粗关系模式及其实例的信息熵和粗糙熵的概念,同时给出了它们的计算公式。最后以一个工程实例的计算验证了本文方法的有效性。