新型变精度多粒化粗糙集模型

为了解决现有的变精度乐观多粒化粗糙集要求宽松和悲观多粒化粗糙集要求过于严格的不足,该文提出了新型变精度多粒化粗糙集模型,即可协调的变精度多粒度粗糙集模型。该模型通过引入阈值,调节满足变精度约束条件的属性个数,使变精度多粒化粗糙集模型更具灵活性。分析了该新模型的相关性质并将其与经典模型进行了对比分析。通过理论分析,该文提出的新型变精度不仅继承了传统变精度多粒化粗糙集的相关性质,而且在一定环境下可以退化为传统变精度多粒度乐观和悲观粗糙集模型。研究表明,该文提出的模型是传统多粒度模型在应用背景下的有力扩展。     

基于覆盖的多粒度决策理论粗糙集模型

经典的多粒度决策理论粗糙集是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到和把握.本文结合多粒度决策理论粗糙集模型,基于覆盖粗糙集理论提出了基于覆盖的多粒度决策理论粗糙集理论,推广了前人的工作.     

多粒度决策粗糙集模型研究

多粒度决策粗糙集模型是从多角度和多层次进行问题求解的有效方法.乐观多粒度决策粗糙集模型主要对上下近似采用求同存异策略进行决策,而悲观多粒度决策粗糙集模型主要对上下近似采用求同排异策略进行决策.为了适用于更多的多粒度环境,对上下近似采用不同的策略进行决策,提出了乐观-悲观和悲观-乐观的多粒度决策粗糙集模型,探讨了这两种模型的正确性和合理性,剖析了不同多粒度决策粗糙集模型之间的关系,这将为多粒度决策提供了一个新的视角.     

基于覆盖的程度多粒粗糙集模型

将程度粗糙集及多粒粗糙集引入到覆盖粗糙集模型中,提出了基于覆盖的程度多粒粗糙集模型.本文给出了基于覆盖的乐观程度多粒粗糙集模型上下近似的定义,进一步研究了基于覆盖的乐观程度多粒粗糙集上下近似的性质,最后给出了程度覆盖粗糙集、覆盖粗糙集、多粒覆盖粗糙集和基于覆盖的程度多粒粗糙集之间的关系.     

多粒化粗糙集性质的几个充分条件

多粒化粗糙集是Pawlak粗糙集非常重要的一种推广,主要给出当X是C(C')中任意有限个元素的并集时,乐观多粒化粗糙集(悲观多粒化粗糙集)上下近似对于交并运算的封闭性;得到若X是C'中任意有限个元素的并集,乐观多粒化粗糙集和悲观多粒化粗糙集下近似相等;若~X是C'中任意有限个元素的并集,乐观多粒化粗糙集和悲观多粒化粗糙集上近似相等.     

决策粗糙集模型研究综述

主要对决策粗糙集（decision-theoretic rough sets,DTRS）理论的内容与发展概况作综述性回顾。介绍了决策粗糙集的基本理论,包括决策粗糙集产生的背景、决策粗糙集的Bayes决策理论基础、概率粗糙集模型、决策粗糙集模型与经典Pawlak代数粗糙集模型以及一般概率粗糙集模型之间的关系等;讨论了决策粗糙集意义下的三值决策语义以及约简定义,并回顾了决策粗糙集在实际问题中的应用。     

粗糙集与商空间融合的粒计算模型理论研究

主要结合粗糙集和商空间理论,考虑信息系统IS的四元组(U,A,V,f),利用这个四元组来讨论拓扑空间的性质,抽象和总结粗糙集和商空间相互融合的粒计算模型,拓展了粒计算的应用范围,也为粒计算理论的发展提供一种新的研究思路.     

多粒度粗糙集模型

把Pawlak粗糙集模型从经典的单粒度粗糙集模型扩展到多粒度粗糙集模型,用论域上的多个等价关系定义了集合的近似.研究了多粒度粗糙集模型的一些数学性质,定理表明Pawlak粗糙集的许多性质是多粒度粗糙集的特殊情况,并且使用多粒度定义的近似度量优于单粒度定义的度量,该度量更适合描述概念的精度并利于解决用户需求的问题.     

决策细化的粗糙集理论分析

对基于粗糙集的决策系统,从理论上分析了决策数据细化的程度对规则近似质量、近似分类精度、核属性和信息熵的影响.证明了决策属性的属性值划分越细,则其规则近似质量、近似分类精度和信息熵就越小,并且决策表中决策属性值细化后所得到的核属性集一定包含细化前的核属性集.因此,在对决策属性离散化时,决策数据细化的程度要适宜.研究结果对研究决策表属性的约简、决策规则的形成和有效性等问题具有实际意义.     

粗糙集三支决策理论及其应用

利用粗糙集中的三支决策思想,将类用正域、负域和边界域刻画,得到初始聚类结果。然后通过定义重叠度和类与类的合并策略,将初始聚类结果进行合并,得到最终聚类结果。之后应用2个关系网络数据展示了具体的聚类步骤,并通过比较2个例子的聚类结果,分析了影响聚类结果的一个主要因素:阈值的选取。实验表明:阈值的选取对简单的网络结构数据集的聚类结果的影响并不明显,然而对复杂的网络结构数据集的聚类结果的影响则较为显著。     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

决策粗糙集风险偏好模型的改进

决策粗糙集(DTRS)通过引入Bayes风险决策理论和三枝决策语义,为不确定知识的获取提供了更可靠的理论依据和语义解释.决策粗糙集的风险偏好模型进一步考虑到决策者的不同风险偏好,使得模型更加贴近实际决策问题.然而,决策粗糙集的风险偏好模型在参数取值范围上有待进一步精确,模型有待进一步完善.提出了一个更准确的决策粗糙集风险偏好模型,并利用UCI的信用卡审批数据集进行验证.结果表明,信用评估结果有效且与决策者的风险态度一致.     

制造决策的知识融合粗糙集模型

由于制造系统的复杂性和不确定性,单一的知识建模或数据挖掘建模都面临着知识或数据信息的不完备.为有效、充分地利用已有信息减少不确定性,文中提出了知识和数据挖掘相融合的建模思想,将知识嵌入到粗糙集模型中,建立了知识的函数关系,给出了基于不可分辨-函数关系的粗糙集决策模型,研究了不可分辨-函数关系下的知识分类和推理.相比原粗...     

基于粗糙集理论的冶金企业备件供应商选择多属性决策

备品备件货物品种多和可供选择供应商多的特点,使得冶金企业对备品备件供应商的管理比大宗原燃料供应商的管理更加复杂. 基于粗糙集理论,运用多属性决策方法研究了供应商选择问题. 首先,在选择决策指标体系的基础上,采用粗糙集理论分析历史指标数据与供应商选择结果之间的关系,从而确定每个指标的客观权重,再结合主观赋权,得到每个指标的综合权重. 其次,基于主、客观综合权重及数据的规范化处理结果,对候选供应商进行综合评价. 最后,用案例验证了本方法的可行性和有效性.     

基于粗糙集理论的多标记数据互补决策约简加速算法

互补决策约简是一种多标记数据属性约简方法,当数据规模较大时,其启发式算法的计算耗时较大。基于粗糙集理论,对互补决策约简启发式算法的加速算法进行了研究。当粒度由粗变细时,在逐步去掉正域的数据集上,首先研究互补决策约简中属性外部重要度的保序性质;基于此,通过逐步缩小数据规模来降低计算约简的耗时,提出了互补决策约简加速算法。加速算法不仅减少了属性约简的计算时间,而且能够保持原始算法的约简结果。     

防洪调度多目标决策理论与模型

根据我国防洪调度决策的特点,首先指出防洪调度决策是复杂的多目标决策问题。然后、建立防洪调度系统多目标决策的理论、模型与方法。其中包括多级模糊优选理论与模型、目标权重的确定等新颖内容。     

采用局部粗糙集模型的决策规则提取

研究基于局部粗糙集模型下的决策规则提取.对经典粗糙集的决策规则提取进行改进,给出局部粗糙集模型下的决策规则公式,并研究相关性质.结合局部粗糙集模型给出的规则提取公式,引入参数值α,α∈(0,1],使规则提取公式的泛化能力更强,适用性更广.通过3个实例对局部粗糙集模型决策规则提取的运用进行说明.     

粗糙集理论的扩展模型研究

在传统的粗糙集模型和相容粗糙集模型基础上，通过松弛对象之间的不可分辨和相容性条件，给出了一种新的基于和谐关系的粗糙集模型．在新的模型中，α-和谐关系在论域里导出一个嵌套的等价关系序列．分析了α在不同的取值区间时，和谐关系的粗糙性与信息熵间的关系．给出一个具体的实例对新的模型加以解释说明．     

局部邻域多粒度粗糙集模型

在大数据时代,越来越容易收集到大量样本,目前使用多个二元关系且可对混合型样本分类的已有方法较耗时.为克服这个不足,本文提出了两类局部邻域多粒度粗糙集模型,并研究了一些相关性质.通过算法和实例说明了所提出的模型的有效性.