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.     

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。     

Vague集之间的一种新的相似度量

相似度量是一种在数据处理和分析中十分重要的、有效的和广泛使用的方法,本文在分析比较以前的几种相似度量的基础上,利用对隶属度差距、假隶属度差距以及未知值差距的重视,提出了一种新的相似度量方法,并通过文中的例子证明了该方法是有效的和可行的.     

Vague集之间相似度量的一种方法

根据度量区间相似性的原理,指出影响Vague集相似性度量的4个因素,讨论了现有方法的不足,提出了一种新的Vague集相似性度量方法,并证明了它满足若干准则,通过实例说明了该方法的有效性.     

L-Fuzzy集中的L-Vague关系

根据L Fuzzy集及L Fuzzy关系的定义及其性质,提出了L fuzzy集中的L vague关系的基本概念,对它进行初步的研究,给出了它们的一些性质特点,并对这些性质特点进行严格的证明。
     

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。     

一个新的基于Vague集的近似推理方法

对于模糊概念的隶属函数为连续的情况,将规则前件中模糊概念的论域与后件中模糊概念的论域作一一映射,给出基于Ｖａｇｕｅ集的隶属函数为连续情况下的近似推理方法;对于Ｖａｇｕｅ集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Ｖａｇｕｅ集和事实中的Ｖａｇｕｅ集的真／假隶属函烤分别进行线性插值,使它们都成为连续函数,然后给出基于Ｖａｇｕｅ集的隶属函数为离散情况下的近似推理方法。     

关于Fuzzy信息系统的Rough集理论的一个注记

设(U，R)是Fuzzy相似的信息系统，若Ri∈R(i=1，2)，则对于任意x包含于U，有—↑αprR1YR2(X)=—↑αprR2(x)和αpr↑_R1YR2(X)=αpr↑_R1(X)I αpr↑_R2(X)。     

区间Vague集向Fuzzy集转化的一种新方法及实证分析

结合Vague集理论及一些Vague集向Fuzzy集转化的方法解释,对区间Vague集向Fuzzy集转化的方法进行了研究．结合区间Vague值的加权算术和加权几何集成算子,给出了区间Vague集的隶属度,进而给出了区间Vague值的一种有效的排序方法,并通过实例说明其有效性．     

基于模糊覆盖的粗糙模糊集模型

构造了基于模糊覆盖的粗糙模糊集模型,从理论上论证了定义的合理性,刻画了模糊覆盖粗糙集的一些基本性质.     

粗糙Vague集及其相似度量

对粗糙集和Vague集的概念、知识表示方法进行了研究,提出了粗糙Vague集的概念．研究了粗糙Vague集的相关性质,提出了粗糙Vague集相似度量的方法．     

基于模糊近似空间的S-粗集模型研究

基于近似空间,对原始S-粗集模型进行了扩展.提出了基于模糊近似空间的S-粗集模型,讨论了模型的上下近似算子的性质;接着分析了此模型与已有模型的相互关系,最后通过实例对此模型进行了说明.     

广义粗糙集理论的公理化注记

首先回顾了粗糙集理论的代数表示,给出代数表示与公理化算子的相互关系.特别地,给出了广义粗糙集模型的公理化等价表示.     

基于粗糙集和模糊集理论的规则提取方法

粗糙集理论和模糊集理论都是用来处理不完整和不确定信息的理论，两者都可用来观察、测试数据并进行推理。虽然它们之间有一些重叠，但两者的着眼点和计算方法是不一样的，因此它们不能被相互替代，而且必须结合起来使用。本文结合粗糙集理论和模糊集理论提出一种新的规则提取方法，并给出了一个应用实例。     

点态化的模糊粗糙集

给出了Pawlak近似空间和模糊近似空间上点态化的模糊粗糙集的定义,并讨论了它们的一些性质.     

多粒度邻域粗糙模糊集及其不确定性度量

邻域粗糙集是经典粗糙集的一个扩展模型,研究其不确定性度量模型具有重要意义。在邻域粗糙集理论中,当前不确定性度量方面的研究工作主要专注于度量知识空间的粒度大小或边界域尺寸。在邻域系统中,对于目标概念为模糊时的情形,其不确定性不仅来自于邻域粒的边界域,还来自于正域和负域,当前的不确定性度量方法较少考虑这种情形。为此,构建了邻域粗糙模糊集模型,从粒计算的角度出发,进一步提出了多粒度邻域粗糙模糊集模型;针对多粒度邻域粗糙模糊集具有乐观性与悲观性的特点,借鉴Vague集中支持度和反对度的思想,设计了基于模糊度的多粒度模糊熵的不确定性度量方法,不仅符合人类的认知习惯,而且可以有效刻画整个邻域知识空间的结构信息。     

连续Vague集

对存在中立者的投票模型进行了分析,指出Fuzzy集和Vague集在表达此类模糊信息时所存在的不足;根据投票模型中中立者的倾向程度,对中立者的倾向性给出了三种不同方式的赋值方法,即等量赋值为0.5,由支持者和反对者的人数的比例等量赋值以及根据中立者和反对者的比例不等量赋值.由这三种赋值方式提出了三种由Vague集向Fuzzy集的转化方法,并根据第三种转化给出了连续Vague集的定义,最后对连续Vague集的交、并、补等性质进行了初步讨论.     

基于相容关系的扩展粗糙集理论研究

引入相容度的概念,并给出一种利用相容度确定论域的完全覆盖的方法。然后用完全覆盖中的最大相容类定义精确集、粗糙集等概念,建立了一种基于相容关系的相容粗糙集理论体系。在此基础上讨论了相容粗糙集的一些基本性质和相关定义。     

广义粗集公理化的一个注记

广义粗集理论是基于等价关系的粗集理论的各种拓广。本文讨论了基于一般二元关系的广义粗糙集的公理化,通过实例分析了确定二元关系的必要公理组条件,并给出了各公理组的充分条件。