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(α, τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。     

精度与程度逻辑差双量化粗糙集模型的属性约简

双量化具有完备刻画粗糙集近似空间的重要功能,精度与程度逻辑差粗糙集模型则是一类基本双量化模型.本文主要针对该模型,深入探讨其在二分类情形下的属性约简.首先,讨论了基于模型上下近似的二区保持的基本性质,提出并研究了二区保持约简;接着,定义了基于变精度上下近似与程度上下近似的四区保持约简,得到了其与二区保持约简的层次关系;最后,利用一个统计决策表案例对两种属性约简及它们的层次性进行了说明.对双量化属性约简来讲,本文的二区保持约简具有泛化性,而四区保持约简则具有基础性与指导性,它们从而提供了一些基本思路.     

可变精度粗糙集模型区间约简

本文对可变精度粗糙集模型约简异常进行了深入研究,通过引入条件类包含度阈值的概念,描述了包含度与分类率的区间关系,分析了包含度区间的动态变化和正区域变化引起的约简异常,提出了消除异常的区间约简基本思想,并构造了区间约简算法,完善了可变精度粗糙集模型的约简.     

变精度上近似算子与程度下近似算子的逻辑或运算模型

本文主要探索精度与程度结合的粗糙集扩张模型, 提出了变精度上近似算子与程度下近似算子的逻辑或运算模型. 研究了该新模型的精确描述与基本性质, 提出了模型的常规算法与结构算法, 进行了算法分析与算法比较, 得到了结论: 常规算法与结构算法具有相同的时间复杂性但结构算法具有更优的空间复杂性, 并用一个医疗实例对模型与算法进行了说明. 该模型具有精度与程度复合描述的具体含义, 部分扩张了变精度粗糙集模型、程度粗糙集模型和经典粗糙集模型, 进而得到了已有近似算子的相应性质.     

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。     

精度与程度的逻辑差粗糙集模型及其算法

基于精度与程度的逻辑差需求,提出了精度与程度的逻辑差粗糙集模型,定义了粗糙集区域概念. 在精度与程度的逻辑差粗糙集模型中,得到了粗糙集区域的基本结构和精确描述,提出了计算粗糙集区域的宏观算法和结构算法, 并进行了算法分析与比较,得到了结构算法具有时间优势和空间优势的结论. 最后用一个医疗实例对模型及其算法进行了说明. 精度与程度的逻辑差粗糙集模型,部分拓展了程度粗糙集模型和经典粗糙集模型,在决策表应用中具有广阔前景.     

基于不对称边界的变精度粗糙集的参数选择

不对称边界的变精度粗糙集是Pawlak粗糙集、变精度粗糙集的推广,在l和u参数作用下,使粗糙集模型更加一般化,完善了近似空间的概念。基于不对称变精度粗糙集模型研究的基础上,提出了分类质量和依赖度的方法对不精确信息进行度量,对决策表进行约简。在l,u值的选取,提出了单参数控制的方法,通过l,u-质量图分析和计算验证了方法的有效性。     

肯定和否定决策规则的获取及约简

为了从不完备有噪声的信息系统中获取肯定和否定决策规则,首先提出了变精度粗糙集描述子的概念,并讨论了其性质|然后给出了该模型下肯定和否定决策规则获取的方法|最后,为了获得简化的决策规则,提出了基于分辨矩阵的描述子约简方法和保持下近似分布不变的启发式约简算法,在学生成绩的评测实例中验证了该方法的有效性。     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

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.     

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.     

不完全信息下的粗集拓展

在复杂的决策环境下，不完全信息是不可避免的，在此情况一，专家往往也能给出满意的决策，因此从不完全的案例中提取有用的模式，用于增强智能系统的知识库，是具有实际意义的，粗集是处理不确定信息的有效方法，但它通常适用于完全决策者，论文对粗集理论在不完全信息下进行了初步的拓展，这给从不完全决策表中挖掘知识提供了理论基础。     

粗集在数据开采中的应用

从数据库或数据仓库开采有用的知识，是辅助决策的有效手段，粗集作为一种新的软计算方法，是处理不确定、不完全数据的有效方法，它可以克服其他软计算方法的不足，并且和它们具有较强的亲和力，所以粗集理论得到了广泛的应用，尤其是数据开采领域巳成为研究的热点，论文就粗集在数据开采中的几个重要问题进行论述，包括决策表的约简、不完全决策表的处理，连续值的离散化、基于粗集数据开采的递增算法以及粗集与其他软计算方法的集成等几个前沿问题，同时指出了问题之所在，提出粗集进一步可能的发展方向。     

不完全信息的多属性粗糙决策分析方法

针对有偏好信息但信息不完全的多属性决策问题，给出了一种基于拓展粗糙集的决策分析方法，首先提出了扩展优势关系的概念；其次用扩展优势关系代替经典粗糙集中的不可分辨关系得到知识的粗糙近似，证明了粗糙近似的两种等效表示方法及基本性质，给出了分类决策规则；最后通过一个实例说明方法的可行性与有效性。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.     

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。     

不完备信息系统中基于联系度的粗集模型拓展

在分析几种已有的针对不完备信息系统的粗集拓展模型基础上,提出了一种基于联系度的粗集拓展模型.该模型的方法是:通过引入阈值将原不完备信息系统进行划分,再利用基于联系度的容差关系确定类,利用产生的这些类得到上下近似.通过例说明该模型是符合客观实际的,更重要的是在容差类的划分中通过引入阈值考虑了根据人的主观要求,这与人机结合以人为主的系统方法论是一致的.