Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质,Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系,发现信息观的Rough集可以认为是一种特殊的Vague集;而代数观的Rough集与Vague集则是相互独立的,但是两者也有联系。在这2种理论下,信息的不确定性都是由元素部分属于集合而表现出来的,但是这2种理论对不精确信息的处理方法则不同。     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质，Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系，发现信息观的Rough集可以认为是一种特殊的Vague集；而代数观的Rough集与Vague集则是相互独立的，但是两者也有联系。在这2种理论下，信息的不确定性都是由元素部分属于集合而表现出来的，但是这2种理论对不精确信息的处理方法则不同。     

基于概念格的知识约简算法的实现

探讨了Rough集和概念格的基本理论,将Rough集和概念格模型有机地结合起来,运用Rough集的约简理论提出一种基于概念格的知识约简方法并通过实验进行了验证,结果表明利用Rough集理论对以形式背景形式描述的原始数据集进行约简,可以在一定程度上减小概念格的规模.     

完备格上的广义Pawlak近似算子

波兰学者Z.Pawlak引入的Rough集理论,在计算机科学和信息科学等方面有着广泛的应用。但它只是在一般论域上利用等价关系,对集合引入上、下近似算子。我们将这种算子推广到具有逆对合对应的完备格上。证明推广后的算子与Z.Pawlak原先的算子理论,具有完全类似的特性。对Pawlak的Rough集理论,进行了实质性的改进与推广,应用范围更广。     

基于凸Rough集的数据约简和规则发现研究

为了有效地从凸序列中约简数据和发现知识，解决Rough集集中的凸序列问题，在深入研究凸序列和Rough集理论的基础上，提出了凸Rough集模型，定义了凸Rough集和凸Rough集糊集，给出了凸Rough集糊集的隶属函数和应用凸Rough集进行数据约简及规则发现的算法，最后分析了一个应用案例，验证了模型的可行性，表明应用凸Rough集模型可以更好地进行数据约减和规则发现。     

基于Rough集和构造性学习神经网络的经济预警模型

在深入分析人工神经网络(ANN)与粗集(Rough set)理论方法的基础上,将Rough集、构造性神经网络与宏观经济预警研究相结合,尝试建立起基于Rough集-覆盖算法的构造性神经网络宏观经济预警方法体系;结合安徽省经济数据,对该模型预警实证分析。理论和实践证明,基于Rough集-覆盖算法的构造性神经网络预警模型是有效的、可行的,且具有较高的精度,从而为动态经济预警提供一条新的途经。     

基于相似关系的扩展Rough集理论

本文分析了经典Rough集理论自身的一些缺陷,在此基础上建立了一类基于相似关系的扩展Rough集理论框架,并给出了该理论框架下的数据约简方法。     

不完备信息系统中Rough集的扩充模型

经典的Rough集理论所处理的信息系统必须是完备的.为了能够分析处理不完备的信息系统,需要建立新的扩充Rough集模型.对现有的几种比较有影响的Rough集扩展模型进行了分析研究,提出了一种带约束的相似关系Rough集模型,并将这些扩充模型之间的关系进行了分析比较.结果显示,基于约束相似关系的扩充Rough集模型优于基于容差关系的扩充Rough集模型和基于相似关系的扩充Rough集模型,使得对象的划分更加合理,符合人们在处理数据时的直观感觉.     

一个广义Rough集模型及其性质

在传统Rough集理论基础上建立了一个广义Rough集模型，并研究了它的有关性质。     

基于可达关系的Rough集

根据Rough集的思想提出了一种新的基于可达关系的Rough集模型,这种Rough集模型的思想是基于信息粒和可达关系的,比经典的Rough集更一般.除了Rough集原来的应用外,这种Rough集模型还可望有更广泛的应用.基于可达关系的Rough集思想将Rough集思想推广到一般的方法论.     

粒矩阵与Rough关系矩阵

针对Rough集本身的代数定义和其他各种扩展模型没有提供简捷的计算边界元素数目的算法,笔者定义了粒矩阵和Rough关系矩阵,采用二进制粒矩阵运算代替传统的等价类计算获得上、下近似,灵活高效。从集合论的角度完善了Rough集理论,并在此基础上,提出了基于粒矩阵的知识发现算法,同时举例证明了Rough包含与Rough相等的隶属度函数定义的充要条件仅仅是必要条件。     

不确定性集合理论及其研究进展

目的 介绍Fuzzy集、Vague集和Rough集等理论,揭示它们之间的关系,在总结归纳不确定性集合理论研究进展的基础上拓展其应用.方法 历史分析法和文献考证.结果 通过对Fuzzy集、Vague集和Rough集等研究,从不同的角度拓展了经典的集合理论,并对他们之间的关系作了深入的探讨.结论 使得集合论的应用领域扩展到含糊的、不确定性问题上来.     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

基于信息熵的Rough集粗糙性度量新方法

基于等价关系和一般二元关系,通过引入Rough集边界熵概念,利用Rough集边界的知识粗糙性和Rough集本身的粗糙度来刻画Rough集粗糙性,为Rough集粗糙性提供了一种更为合理的度量方法,为Rough集中概念的获取和刻画提供了理论依据.     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

基于Rough集实现判定树归纳分类算法的简化

Rough集理论提供了一种新的处理不精确、不完全与不相容知识的数学方法，在决策表中快速、有效地挖掘出缺省规则。本文将Rough集属性约简应用到判定树归纳分类方法中，明显优化判定树，简化数据挖掘的过程。     

基于等价关系的Rough集模糊化方法

提出了一种利用等价关系将Rough集进行模糊化的新方法,给出了等价类集的模糊化和Rough集模糊化的定义、性质,讨论了Rough集的交、并、补集模糊化后的运算性质,并给出了证明.     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况，讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是，基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．     

2007年粗糙集与软件算、Web智能、粒计算联合学术会议征文通知

由中国人工智能学会粗糙集与软计算专业委员会和中国计算机学会人工智能与模式识别专业委员会主办、山西大学承办的“第七届中国Rough集与软计算学术会议(CRSSC2007)”、“第一届中国Web智能学术研讨会(CWI2007)”和“第一届中国粒计算学术研讨会(CGrC2007)”拟定于2007年8月19日至8月21日在山西太原召开。现将有关征文事宜通知如下,请相关研究人员踊跃投稿和参会。征文内容(主要包括,但不局限于以下方面)a)Rough集与软计算·Rough集理论及应用·计算智能·机器学习·神经网络·Fuzzy集理论及应用·软计算的逻辑基础·软计算及其应用…