基于直觉模糊集的粗交流

提出基于直觉模糊集的粗交流的概念,分析了在基于直觉模糊集的粗交流过程中由于agents各自拥有的知识不同而产生的信息丢失问题,并给出了基于直觉模糊集的粗交流过程中信息丢失的量化分析方法.通过引入α-直觉粗交流截集等概念,得到基于直觉模糊集的粗交流和经典概念粗交流的关系定理.最后给出基于直觉模糊集的粗交流的一个具体实例.     

模糊等价关系基础上的粗集分解

介绍了模糊相似关系和模糊等价关系的有关性质,根据这些性质建立了在模糊等价关系基础上的λ-等价类,并在λ-等价类基础上建立了λ-粗集;给出了λ-等价类分解和λ-粗集分解的定义,最后给出了λ-等价类和λ-粗集的一般性质,可知λ-粗集是Z.Pawlak粗集的推广得出了等价类和粗集在模糊等价关系基础上的分解结构——分解链。     

粗交流整体最优传递序列的模拟退火算法

粗交流中,确定概念在多个agents间传递时,由于各个agent有不同的语言,相互之间不能提供准确的信息交流,从而导致概念在传递过程中会丢失部分信息,最后得到粗糙的结果.在不同的粗交流传递序列中,信息的丢失量往往是不同的.利用模拟退火算法,得到使参与粗交流的各个agent获得信息量最大的粗交流传递序列.算法的分析和仿真验证了该方法的有效性.     

粗正交小波网络及其在交通流预测中的应用

基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值.     

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。     

基于遗传算法的模糊神经网络智能控制器及其应用

提出了一种基于遗传算法的模糊网络控制系统,该系统采用模糊神经网络结构实现,它用遗传算法优化具有全局性的隶属函数参数,而用ＢＰ算法调节和优化具有局部性的网络权值参数。仿真结果表明该控制器可大大提高模糊神经推理控制系统的自学习性和鲁棒性。     

基于粗集的正交小波网络预测模型研究

为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。     

改进的模糊网络关键路径法

提出一种改进的模糊取最大运算和模糊减运算以确定模糊网络中的模糊时间参数. 改进的基于区间数距离测度的模糊取最大运算,通过枚举不同α-cut值,计算活动的模糊最早开始时间并确定项目可能变化的关键路径,从而解决了现有的研究中忽视了在活动工期模糊的情况下关键路径可能会发生变化的问题. 用改进的模糊减运算来计算活动的模糊最晚开始时间,有效避免了在传统的逆向递推计算中可能出现负的或者不可行解的情况. 通过一个实例验证了所提出的方法求解模糊网络时间参数的有效性和优越性. 所提出的方法不仅可用于模糊网络时间参数计算,也可以用于模糊资源受限项目调度问题.     

SPA 及其在模糊、灰色物元空间决策支持系统中的应用

在简述集对分析和模糊、灰色物元空间决策支持系统的基本思想方法的基础上,将集对分析引入模糊、灰色物元空间决策支持系统中,建立了基于集对分析和模糊、灰色物元空间决策支持系统的方案评价决策方法,并给出了相应的评价过程。     

一种新的网络对策评价方法及其应用

用一种新类型网络对策的势指标集理论建立了工作性质不同的合作部门之间的评价方法,给出了问题的数学模型及其有关证明,最后以民航为例作实例分析。     

Information rough communication based on both-branch fuzzy set

The concept of rough communication based on both-branch fuzzy set is proposed, in which the loss of information may exist, for each agent there has a different language and can not provide precise communication to each other. The method of information measure in a rough communication based on both-branch fuzzy set is proposed. By using some concepts, such as |α|-both-branch rough communication cut, the relation theorem between rough communication based on both-branch fuzzy concept and rough communication based on classical concept is obtained. Finally, an example of rough communication based on both-branch fuzzy set is given.     

基于粗糙集的信息粗传递

针对实际中两种信息传递情况,提出了两种信息粗传递概念—下近似和上近似信息粗传递。利用粗糙集理论对这两种信息粗传递进行了讨论,分析了粗传递信息保持不变、发生损失和发生增益的条件,得到了下近似和上近似粗传递信息不变定理,下近似粗传递信息损失定理,上近似粗传递信息增益定理,下近似和上近似信息粗传递原理以及提高信息粗传递精确性的方法。信息粗传递是粗糙集理论的一个新的应用。     

Rough similarity degree and rough close degree in rough fuzzy sets and the applications

Based on rough similarity degree of rough sets and close degree of fuzzy sets, the definitions of rough similarity degree and rough close degree of rough fuzzy sets are given, which can be used to measure the similar degree between two rough fuzzy sets. The properties and theorems are listed. Using the two new measures, the method of clustering in the rough fuzzy system can be obtained. After clustering, the new fuzzy sample can be recognized by the principle of maximal similarity degree.     

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.     

Fuzzy Rough Relation and Its Properties

1　IntroductionThe notion of rough sets has been introduced by Pawlak[1 ] .The conceptof fuzzy sets wasintroduced by Zadeh in his classic paper[2 ] .A comparisons between fuzzy sets and roughsets have been given in Pawlak[3 ] ,where itis shown thatthese concepts are different. Thecombine study of fuzzy set and rough setis important. Then fuzzy rough setis introducedby S. Nanda and S. Majumder in 1992 [4] . In this paper,the concept of fuzzy rough rela-tion and the max- min composition of F…     

粗糙近似算子的拓扑性质

通过闭包与内部算子研究模糊粗糙集的拓扑结构,证明了自反、传递关系下的近似空间中模糊集的上、下近似算子分别为一个模糊拓扑的闭包、内部算子,且相应的模糊拓扑满足(TC)条件;反之,满足(TC)条件的模糊拓扑的闭包与内部算子也恰为一自反、传递关系下的近似空间中的上、下近似算子.     

Transformation and entropy for fuzzy rough sets

A new method for translating a fuzzy rough set to a fuzzy set is introduced and the fuzzy approximation of a fuzzy rough set is given. The properties of the fuzzy approximation of a fuzzy rough set are studied and a fuzzy entropy measure for fuzzy rough sets is proposed. This measure is consistent with similar considerations for ordinary fuzzy sets and is the result of the fuzzy approximation of fuzzy rough sets.     

基于模糊聚类和粗糙集的仿真可信性模糊综合评估

为客观有效地解决仿真可信性评估问题,提出基于模糊聚类和粗糙集的仿真可信性模糊综合评估方法。阐述了基于模糊传递闭包法进行模糊聚类分析的基本步骤,分析了粗糙集中属性重要性的相关原理;提出了基于模糊聚类和粗糙集的可信性模糊综合评估模型,利用模糊聚类和粗糙集中的属性重要性原理客观地进行各因素权重分配,结合模糊综合评判进行仿真可信性综合评估;以某飞行视景仿真系统为例,进行可信性综合评估。结果表明,该方法具有一定的合理性和可行性。     

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。     

Static rough similarity degree and its applications

The definition of rough similarity degree is given based on the axiomatic similarity degree, and the properties of rough similarity degree are listed. Using the properties of rough similarity degree, the method of clustering in rough systems can be obtained. After clustering, a new sample can be recognized by the principle of maximal rough similarity degree.