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。     

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.     

系统结构有序度负熵评价模型的改进

熵概念被广泛用来评价系统结构的有序度,其中的经典模型＂负熵评价模型＂存在两方面不足.本文引入联合熵和加权熵概念对负熵评价模型进行改进,提出两个评价系统结构有序度的模型：联合信息熵评价模型和加权联合信息熵评价模型.并辅以实例计算.     

基于信息熵的安全风险评估指标权重确定方法

权重反映了各个指标在＂指标集＂中的重要性程度。基于信息熵理论,给出了一种安全风险评估指标权重的确定方法。其基本思想是：首先建立信息系统安全风险评估的熵模型,定义隶属函数,通过意见采集和专家排序,形成专家意见隶属度矩阵,然后引入平均认识度和认识盲度的概念,剔除专家在排序阶段认识上隐含的不确定性,最后经过归一化处理,得到了指标集的权向量。基于信息熵的指标权重确定方法为确定安全风险评估指标权重提供了一种新方法。     

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。     

基于全相容性粒度的粗糙集模型

基于不完备信息系统下的容错关系粗糙集模型与完备信息系统下的粗糙集模型相比更能满足现实生活的需要,因此在实际工作中得到了广泛的应用,但其中存在的一个问题,即容错类中的元素并非两两存在相容关系,而只是都与其容错类的生成元素存在相容关系.本文首先重新定义了不完备信息系统下的相容关系,进而提出了最大全相容类的概念,从而保证了相容模块中的元素两两相容.在此基础上,定义了4种不同的知识表达系统,不仅对这4种不同的知识表达系统所构成的覆盖进行了比较,而且在不同的知识表达系统下对于粗糙集的近似精度,知识的粗糙熵以及粗糙集的粗糙熵进行了深入分析.     

基于集对势的扩充粗糙集模型

针对已有扩充粗糙集模型处理不完备信息系统的局限性,在已有扩充模型的基础上,基于集对分析理论中集对势的概念定义了一种新的对象之间的分类关系,称为集对势容差关系,并由此给出一种新的粗糙集扩充模型.从局部角度,分析说明该模型的分类性能优于已有方法.同时选用UCI数据库中的数据集进行测试,通过实验表明该模型的整体分类性能也优于已有方法.因此更加适合大型不完备信息系统的处理.     

基于熵权的模糊物元决策

熵权是根据评价指标及其属性值的固有信息确定的.根据Vague集理论和物元理论,结合信息熵的概念,将熵权引入模糊物元决策中,介绍了Vague集的相关概念,定义了Vague复合物元.根据Vague排序函数定义熵权,并确定了模糊物元决策的理想解.在同时考虑专家权重和熵权的基础上,对各方案物元进行了综合评价.最后,以1个具体的数例说明如何运用本文所提出的方法.     

基于集值信息系统的多粒度粗糙集

多粒度方法是粗糙集理论中的一种新的数据处理模式。为了使多粒度方法适用于不完备信息系统,在相似关系的基础上,提出了基于集值信息系统的多粒度粗糙集模型,包括乐观和悲观两种不同的形式,不仅分析了两种模型的基本性质以及它们之间度量的关系,而且研究了决策规则获取的方法。最后将基于集值信息系统的多粒度粗糙集应用于信息系统安全审计风险判断,为信息系统安全审计的有效判断提供决策支持。     

测量的熵分析

结合信息论理论,提出了采用互信息熵来度量和评价测量效果,形成了测量信息的基本概念。建立了测量的信息熵模型,提出了计算测量信息的公式,研究了在测量和数据处理过程中测量熵的变化,总结出4点有益的结论,并给出了实例予以演示和说明。理论和实例表明,分析测量过程的熵变化对提高测量技术,透彻了解测量本质特性有着重要的意义。     

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.     

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.     

基于信息量的不完备信息系统属性约简

通过引入信息量和条件信息量,对不完备信息系统中属性的重要性进行了定义;针对不完备数据表和不完备决策表提出了一种基于信息量和条件信息量的属性约简启发式算法,该算法的时间复杂度是多项式的.通过实例说明,该算法能得到信息表的约简和决策表的相对约简.     

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.     

Relation Entropy and Transferable Entropy Think of Aggregation on Group Decision Making

1　 IntroductionThere are many methods in studying uncertainty,and among them the sets pair analysis isa new method. It is used widely in many fields,such as behavior science,social science,managementscience and so on,and the effectis especially betterin decision making.″Setspair″means the combination of two sets having some relation.In the view of systemscience,any two parts of system can be considered as a sets pair in certain condition,suchas system and circumstance,system and people,betw…     

不完备信息系统中基于相似度的变精度粗糙集模型

提出了一种基于相似度的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展.定义了这种模型上的知识约简,并给出了求约简的两种一般算法.最后通过实例分析说明了算法的有效性.     

灰关联熵分析方法

灰关联熵分析方法张岐山郭喜江邓聚龙灰关联熵分析方法@张岐山@郭喜江@邓聚龙...     

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。