模糊目标信息系统的VPRS模型及知识约简

将变精度粗糙集模型引入模糊目标信息系统,建立了模糊目标信息系统的变精度粗糙集模型。定义了四种该模型上的知识约简——β上下近似约简和β上下分布约简;讨论了β上下分布约简的一些性质,提出了β上下分布协调集的判定定理,通过定义相应的区分矩阵给出了求β上下分布约简的区分矩阵算法。     

基于内部关系的信息系统约简与应用

利用拓扑学中内部这个重要的概念来刻画协调决策信息系统的属性约简与不协调决策信息系统关于下近似的约简,使拓扑与粗糙集两个理论交叉、渗透,在此基础上从拓扑的角度出发,更进一步地给出一个二元关系相对于一族二元关系的内部约简的概念,并且定义一个辨识矩阵来给出内部协调集的判定定理与内部约简的算法。最后,在覆盖广义粗糙集理论中认识这类约简,并给出一个应用模型。     

决策表的属性重要性与离散化

运用 Rough集理论处理决策表时 ,要求决策表中的值用离散数据表达。文中形式化描述了离散化问题 ,研究了决策表的属性重要性 ,提出计算条件属性重要性的新方法 ,然后给出基于属性重要性的决策表离散化算法。该算法按照属性重要性从小到大的顺序对每个属性进行离散化 :从可辨别矩阵中得到冲突样本 ,将冲突样本的属性值作为断点的上下界 ,用所有这样的断点化简后得到的断点集对该属性进行离散化处理。     

粗糙集理论研究的矩阵方法

针对粗糙集研究中集合之间关系的计算问题,提出了一种基于矩阵的度量和计算方法。该方法通过引入类矩阵算子、关系矩阵算子、集合矩阵等概念和借助水平截矩阵,得到集合的矩阵表示以及集合与等价类之间关系的矩阵计算。通过对该方法的一些基本性质讨论,给出了该方法在变精度粗糙集模型中属性约简的具体步骤,并用实例说明了其有效性。     

基于距离的直觉模糊粗糙模型及应用

将直觉模糊和区间直觉模糊集(数)的距离测度引入直觉模糊信息系统和区间直觉模糊信息系统,建立基于距离的粗糙集模型,并给出该模型两种约简-上下近似约简的定义.通过构造分辨函数,设计距离直觉模糊粗糙模型的知识约简及规则提取算法.最后将距离直觉模糊粗糙模型应用于信息系统安全审计风险判断,这不仅可为从直觉模糊和区间直觉模糊信息系统中获取知识提供一种粗糙集方法,而且还为信息系统安全审计风险的有效判断提供决策支持.     

基于模糊粗糙集的物流服务供应链绩效评价

针对物流服务供应链绩效评价中指标过多的问题．提出了一种基于模糊粗糙集的指标约简方法。该方法首先将连续实值属性值转化为模糊值，把每个对象对应的各个属性值看作一个模糊集合，定义了对象间的模糊相似关系和模糊相似类的概念。给出了模糊相似关系下的变精度粗糙集下、上近似及属性约简方法。针对只有模糊评价矩阵而没有专家权重的情况，根据属性的重要性确定约简后指标的客观权室．通过构造被评对象到理想点的贴近度，对多个方案进行优选评估。最后通过实例说明了该方法的有效性。     

混合记忆信息与记忆信息筛选

P集合（packet sets）是把动态特性引入到有限普通集合X中,改进有限普通集合X而提出的;P集合具有动态特性。信息系统存在丢失信息元与增加信息元的现象,把生物的记忆特征引入到这两个现象中,利用P集合,给出F-记忆信息,F-记忆信息与混合记忆信息的概念与特征,给出记忆度量概念与记忆信息的筛选定理。此外,提出记忆信息的依赖性定理及混合记忆不变性定理,给出记忆信息的应用。信息被记忆是P 集合具有的诸多应用特性之一。     

基于条件粗糙熵的粗集不确定性度量

基于知识的条件粗糙熵理论,提出了集合的条件粗糙熵(简称条件熵)概念,用来刻画和度量集合的不确定性(粗糙性)。给出集合条件熵的性质和相关定理:在近似空间中,等价划分越细,集合的条件熵就越小,粗糙性也就越小;不同的决策集合并后粗糙性会降低.讨论了集合的条件熵在目标信息系统中的理论意义,集合的条件熵刻画了目标信息系统的局部(某个决策集)的不确定性。     

集值决策信息系统的属性约简及确定性决策规则优化

在集值决策信息系统中定义了一种相容关系,利用最大相容类定义了两类上下近似算子;分别利用两类下近似算子,定义了属性的A-相对约简和E-相对约简,以获取确定性决策规则的优化规则;分别定义了两种区分函数,相应地给出了A-相对约简和E-相对约简的区分函数求法,并证明了该方法的正确性。     

基于相似关系的集合近似及其含糊性解释

针对最初的粗集理论因为基于等价关系而在某些应用中受限制的问题,研究了二元关系及其逆关系的性质,并利用相似关系定义了含糊对象.然后定义了基于相似关系及其逆关系的集合下近似和上近似运算以及复合相似关系及其集合近似.由此,含糊性就可以利用粗集进行精确地解释.在此基础上,给出了上述计算方法在决策表中的应用,并用例子进行了说明.     

不完备信息系统中的特征关系进一步研究

以同时具有遗漏型和丢失型未知属性值的不完备信息系统为研究对象,深入分析了其中的特征关系并讨论了特征类中的两种不合理情形,进而提出了一种新的特征关系.根据新建立的特征关系,构建了论域上的完全覆盖,形成了两种不同类型的知识表达系统,并进行了一些重要性质的研究.最后用一实例分析以验证新的特征关系的有效性.     

Further Investigation of Characteristic Relation in Incomplete Information System

In the recent years, the method to expand Pawlak's rough set model in different kinds of information systems has become a hot topic. This article presents explorative research focusing on the transition from the traditional information system to a complex system—the incomplete information system. In such information system, “do not care” and lost unknown attribute values coexist. With a further investigation of Grzymala-Busse's characteristic relation in the incomplete information system, two unreasonable situations in the analysis of the classified problem are presented. To conduct sound classification in the incomplete information system, a new characteristic relation is proposed and by use of this new characteristic relation, the complete covering on the universe is formed. Based on the maximal complete compatible classes in the complete covering, two notions of the knowledge representation system are presented and some important properties associated with these knowledge representation systems are discussed. For further illustration, an example is analyzed. The research is meaningful both in theory and in applications for the extension of the rough set theory in incomplete information systems.     

基于限制优势关系的粗糙模糊集及知识约简

以不完备模糊目标信息系统为研究对象,在其中提出了限制优势关系的概念。相比较于传统的优势关系,使用基于限制优势关系的粗糙模糊集,可以提高模糊目标的近似精度与近似质量。在限制优势关系粗糙模糊集的基础上,提出了相对下、上近似约简的概念。最后给出了求得相对下、上近似约简的具体操作方法并进行实例分析以说明其有效性。     

粗等价类双边递减下多次Hash的渐增式求核与约简算法

为设计高效约简算法,首先以全局等价类为最小计算单位提出粗等价类概念,证明粗等价类下约简与原信息系统等价;然后深入剖析1,0,-1三类粗等价类的性质,把求正区域等价转化为0-粗等价类双边递减下的渐增式计算,结合1和-1-粗等价类的传递性,设计双边横向删减实体和纵向删减属性的优化规则,可在每一轮增量计算中缩减计算域,基于此设计多次Hash的属性增量划分方法;最后给出新的渐增式快速求核与约简算法,其中求核基于纵向优化规则,可在一次计算中求得多个非核属性,无需遍历全部属性.基于UCI、海量和超高维3类数据集进行多个实验,实验结果证明本文求核与约简算法是高效完备的,在海量数据与超高维数据集下有较大优势.     

直觉模糊信息系统的优势关系及其约简

进一步研究了直觉模糊信息系统的优势关系及其约简方法。首先针对直觉模糊信息系统定义了优势关系并研究其性质,给出相关的证明,然后定义了在该优势关系下直觉模糊信息系统目标集的上下近似集并证明其性质。接着分析了直觉模糊决策表的研究现状及其不足之处,提出了直觉模糊决策表的条件属性相对于决策属性的属性依赖度、属性重要度的概念,给出了相对属性约简与相对核属性的计算方法,最后通过实例表明所提方法的有效性和合理性。     

粗等价类融合禁忌搜索的最小约简完备算法

提出粗等价类融合禁忌搜索的最小约简完备算法.首先用全局等价类替换元组作为基本计算单位,给出3类粗等价类定义,结合0-粗等价类在约简的渐增式计算中递减至空的性质,推导出求正区域的等价方法,并设计求解中双向缩减计算域的优化策略,从而提供快速求初始解、验证解等基础算法;然后面向约简特性设计禁忌搜索下的多种策略,包括双向邻域搜索、藐视准则、有限随机搜索、有限解检验等,最后给出高效的最小约简完备算法.用UCI中20个决策表、KDDCup海量数据集从多个性能指标进行验证,实验结果证明粗等价类理论和禁忌搜索从双方面保证本文算法的完备和高效性,大多数情况下可有效求得最小约简,并在跳出局部最优解、收敛速度和处理海量数据效率等方面优于现有算法.     

变精度粗糙集属性约简的算法

针对变精度粗糙集属性约简问题,在分析变精度粗糙集理论的基础上,分别从属性依赖度增量、互信息的增量、基于覆盖度与准确度相结合的度量以及属性的不确定性量度等角度,对属性重要度进行分析。并分别以这四个属性重要度作为启发式信息,提出变精度粗糙集属性约简的启发式算法,进而得到信息系统的最小约简,并将所给的算法应用MATLAB程序进行实现。最后,通过具体算例说明所给算法的有效性和实用性。     

单向S-粗决策规律与决策规律挖掘

利用单向S-粗集,给出单向S-粗决策规律生成方法;给出上决策规律,下决策规律,单向S-粗决策规律核,单向S-粗决策规律带,单向S-粗决策规律壳的概念;利用这些概念,提出下决策规律传递定理,上决策规律传递定理,F-分离的属性定理,粗决策规律挖掘定理,与粗决策规律挖掘准则。     

二元关系聚合与粗糙近似

粗集理论中的核心概念--下近似和上近似的经典定义是以不可分辨关系为基础的, 这种定义方式适合于处理名义属性. 然而, 许多现实问题既包括定性属性也包括定量属性, 因此有必要对不可分辨关系进行泛化. 首先在单个属性层次上根据适合的相似性测度定义了二元关系, 对这些二元关系进行聚合成为属性集合层次上的全局二元关系. 决策类并集的粗糙近似和边界域则定义在全局二元关系的基础上. 然后定义了粗糙近似和边界域的运算, 从而可以描述确定性、可能性和怀疑性的知识, 并且证明了这些运算满足的粗糙包含性、互补性、边界域恒等性和单调性. 这种新的粗集方法可以描述包含定性属性和定量属性的决策表中包含的不一致性.