直觉模糊决策系统的一种变协调度粗糙集模型

严格序关系下的粗糙集模型在处理不协调直觉模糊决策系统时,下近似集中包含很少的对象,其中可能存在着被遗漏的对象。文章通过引入协调度提出了一种序关系下直觉模糊决策系统的变协调度粗糙集模型,该模型通过调节协调度阈值的大小能够较为有效地处理直觉模糊决策系统中的不协调性,并给出该模型相关的重要性质及其证明,这些性质揭示了所提模型与严格序关系下模型的区别与联系;然后通过引入直觉模糊决策系统的分类质量给出了相对约简的方法,同时给出序决策规则的获取方法及其置信度;最后通过算例验证了该模型的有效性与合理性。     

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。     

双论域区间值直觉模糊vague粗糙集及其应用

区间值直觉模糊集可诱导出vague集和粗糙集，而后两者的结合具有不确定性深入分析的优势.立足双论域区间值直觉模糊粗糙集，引入vague集进行融合扩张，研究双论域区间值直觉模糊vague粗糙集.首先，定义区间值直觉模糊vague相容类，构建双论域区间值直觉模糊vague粗糙集模型，提出关于双逼近近似和三支决策区域的计算算法，并确立该模型的精确度、粗糙度、依赖度.然后，研究该模型的近似算子与不确定性度量的性质.最后，采用医疗例子进行模型计算、度量测量、性质验证，并得到关于患者临床诊断的患病分析与治疗决策.     

β确定下的飞机发电机故障诊断决策约简研究

针对飞机整体驱动发电机故障诊断过程中的故障多源、诊断决策复杂的问题,从数据挖掘角度出发,引用变精度粗集模型处理诊断信息系统.利用对象集定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,通过确定近似分类质量γ判断β取值范围并构造下近似分布表,提出了一种决策规则中β下近似属性约简的整体驱动发电机故障诊断决策.通过实际发电机输出故障信号诊断流程约简后得到决策系统,利用粗集中右边界域的准确度和覆盖度验证该方法的有效性和小样本情况下得到决策方法的普适性.     

含属性加权模糊序决策信息系统的近似约简

为保证关键属性在属性约简时能够被保留,可对信息系统的属性进行加权,从而提高关键属性的影响力.基于此,在属性加权的模糊序决策信息系统中建立了上、下近似约简的模型,得到两种约简的判定定理,并且给出求解上、下近似约简的辨识矩阵以及约简方法 .最后,通过实例验证了该约简方法的有效性.     

基于直觉模糊剩余蕴涵的直觉模糊粗糙集的性质

本文主要研究直觉模糊剩余蕴涵下的直觉模糊粗糙集的构造和性质.定义了直觉模糊集上的剩余蕴涵, 基于该剩余蕴涵构造了直觉模糊粗糙集的上、下近似算子, 并给出了基于不同二元关系下近似算子的性质.     

变精度粗糙集模型与应用

介绍了Ziarko变精度粗糙集模型、β约简和广义变精度粗糙集模型;讨论了广义变精度粗糙集模型β上、下近似算子的基本性质,分析了该模型与Ziarko变精度粗糙集模型之间的关系,最后用实例分析了β约简过程.     

基于属性重要度的变精度邻域粗糙集知识约简

在模糊决策信息系统理论研究的基础上,根据其属性来构造对象空间的模糊分割,用邻域粒化的思想定义了变精度模糊决策信息系统粗糙集模型的上、下近似算子及其约简和核等概念,由此给出了一种基于属性约简的算法,通过实例分析验证算法的有效性。     

基于模糊粗糙集的一种知识获取方法

将粗糙集理论与模糊集理论相结合,提出了一种基于模糊粗糙集的知识获取方法．该方法利用模糊集理论对决策表中连续属性进行模糊化;通过定义模糊等价类得到模糊粗糙近似空间的上、下近似,从而获取决策规则．实例验证了此方法的有效性．     

变精度粗糙集β下近似属性约简

从属性集角度研究变精度粗糙集模型的属性约简问题,在对象集上定义了一种β下近似二元关系,并利用这种关系建立了属性集及其幂集上的等价关系,由此产生依赖空间。同时利用定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,得到一种保持每个决策类的β下近似不变的属性约简方法。最后通过实例验证方法的有效性。     

变精度意义下的优势约简

属性约简是粗糙集理论与方法的研究热点,是一种重要的降维方法.将经典变精度粗糙集模型与优势关系粗糙集模型相结合,定义了优势关系下的β近似集合和β分布协调集的概念,并给出了基于β分布协调集的可辨识属性矩阵定义,提出优势关系下的变精度属性约简方法.通过实例分析,说明了该方法的可行性.     

一般多粒度直觉模糊粗糙集模型

直觉模糊粗糙集和多粒度粗糙集都是近几年来研究的热门课题.首先通过定义Pawlak近似空间中的支撑函数给出了一般多粒度直觉模糊粗糙近似算子的定义,并讨论了一般多粒度直觉模糊粗糙上、下近似算子的性质.其次,研究了一般多粒度直觉模糊粗糙集(λ1,λ2)截集的定义和性质.此外,还研究了一般多粒度直觉模糊集的不确定性度量以及参数(λ1,λ2)的一般多粒度直觉模糊粗糙集的不确定性度量.最后通过淘宝信息反馈的例子验证了模型的实用性和有效性.     

基于变精度粗糙集的脱机手写体汉字识别

文章为研究脱机手写体汉字识别问题,将汉字样本及其特征向量看作是一个信息系统,采用基于β近似依赖度的属性重要度定义作为启发式信息,设计出在变精度粗糙集模型下的特征属性近似约简算法,对手写体汉字信息系统中冗余特征属性进行约简,构建出脱机手写体汉字识别决策信息系统。识别过程中采用基于加权规则置信度的规则融合方法,进一步提高了脱机手写体汉字的可识别性和正确识别率。实验结果表明,该方法是有效可行的。     

基于覆盖的变精度粗糙直觉模糊集模型研究

针对经典的Pawlak粗糙集模型容易受到噪声数据影响的问题,在覆盖概念的基础上,对变精度粗糙直觉模糊集进行研究.首先,通过设定变精度中的两个约束条件(α,β),将其引入到覆盖粗糙直觉模糊集模型中,从而提出基于覆盖的变精度粗糙直觉模糊集模型,又考虑到元素邻域、规则置信度及元素与最小描述之间的关系,定义了有关该模型的4种类...     

区间直觉模糊粗糙集的启发式属性约简方法

属性约简是数据挖掘之中最核心的问题,是任何一个部门决策知识获取的关键技术。基于深入研究模糊粗糙理论、直觉模糊粗糙集理论在属性约简知识方面的研究成果,通过定义区间模糊粗糙集的正域、依赖度与非依赖度等相关概念,提出一种启发式区间直觉模糊粗糙集属性约简方法。结果表明：该方法在知识约简中是可行的,并且相比差别矩阵方法,能有效降低空间和时间复杂度。     

一种模糊Rough决策方法

利用模糊集理论和粗糙集理论在处理不确定性和不精确性问题方面侧重点的差异性，构造一种组合决策模型。该模型从问题领域内的部分不精确信息出发利用模糊聚类方法构造一个决策信息系统，利用粗糙集理论关于决策规则的约简方法从决策信息系统中提取（挖掘）决策规则，使之适用于问题的整个领域。     

基于直觉模糊可能性测度的三支决策模型的研究

在直觉模糊集和可能性测度理论基础上,用可信度,对三支决策模型进行了研究.首先运用直觉模糊集和可能性理论,定义了直觉模糊可能性测度和直觉模糊可信度,讨论它们的性质.在直觉模糊可能性空间中,建立了基于直觉模糊可能性测度的三支决策模型,给出了该模型的划分规则.然后,定义了直觉模糊信息表的三支决策模型,给出了求信息表对象的综合直觉模糊属性特征值方法.最后,对该模型下的误判进行分析,给出了一种基于直觉模糊可能性测度和可信度的决策风险计算方法,并进行了实例演算.通过实例,给出具体计算步骤:综合分析了对象在不同属性特征下的隶属度和非隶属度,计算其直觉模糊可能性测度;运用可信度,计算出边界阈值和综合直觉模糊属性特征值;讨论了该模型的有效性.     

变精度粗糙集下基于信息熵的属性约简算法

本文针对在Z．Pawlak粗糙集下进行属性约简中存在的问题,在对变精度粗糙集理论下卢下近似约简概念分析的基础上,引入了信息熵,建立了变精度粗糙集意义下的决策表中属性重要性的度量方式,区分了β阈值界定下的“弱不一致信息”与“强不一致信息”的不确定程度,从而刻画了标准粗糙集下正域之外的不一致信息的不确定程度,以该度量作为启发式信息,提出了基于信息熵的β下近似约简的启发式算法．这为不一致信息系统的属性约简提供了理论依据与算法．     

直觉模糊信息系统下基于优势关系的邻域粗糙集

粗糙集是处理不确定性信息的有效数学工具,然而,在复杂的环境下,经典粗糙集并不能满足某些特殊的现实需要,因此,为粗糙集引入拓展要素,是增强模型可靠性的重要手段。文章在直觉模糊信息系统下,基于优势关系研究邻域粗糙集模型。首先将直觉模糊数与邻域粗糙集近似算子结合,刻画直觉模糊邻域粗糙近似算子,建立直觉模糊邻域粗糙集模型。然后,引入了优势关系,构建优势邻域类,进而构建基于优势关系下的直觉模糊邻域粗糙集模型,并研究了该模型的上下近似、优势邻域类、集合的基本运算等性质,给出了模型不精确性度量指标。最后通过实例验证了所提出模型的有效性。     

变精度粗糙集模型中β参数范围的确定

正确分类率β是变精度粗糙集模型中重要的参数之一.针对变精度粗糙集中β参数的确定缺乏可预见性的问题,提出了在确定近似分类质量γ下β取值范围的确定方法.首先在选取特定β值的情况下,根据约简条件求取所有β约简;然后在近似分类质量保持不变的前提下,确定β参数的取值范围;最后通过一个算例验证了该方法的有效性.