基于灰色关联度的变精度粗糙集模型

为了解决经典粗糙集理论无法处理不精确分类以及连续值属性离散化造成信息损失等问题,本文提出了基本灰色关联度的变经度粗糙集模型(γ-′β(X),γ′β(X))。首先利用灰色关联度定义相似并进一步定义粗糙集并研究了模型的部分性质和定理(当0t1≤t21时,有γt2(x)γt1(x)、γ-t1β(X)γ-t2β(X)及γt2β(X)γt1β(X)成立),然后提出了一种基于重要度SIGB(c)的约简算法来计算最小约简,最后通过一个实例说明模型是有效和可行的。     

基于一种改进相似度的扩展粗糙集模型

应用经典粗糙集理论处理连续值属性决策表问题时,对连续值属性进行离散化会造成信息损失.本文在分析已有相似度不足的基础上提出一种改进的相似度,建立基于改进相似度的扩展粗糙集模型,并提出一种基于重要度的约简算法.     

基于覆盖的粗糙集代数

一个粗糙集代数是由集合代数加上一对对偶近似算子构成的。首先研究了两种类型的基于覆盖的粗糙集代数的相关性质,可以得到在经典覆盖的情形下,粗糙集代数没有很好的性质。为此,引入了单调的覆盖的概念,进而讨论了在单调覆盖的情形下粗糙集代数的相关性质,得到了许多很好的结果。
     

一般多粒度模糊粗糙集模型

通过分析多粒度和模糊粗糙集之间的联系,建立了一般多粒度模糊粗糙集模型。首先,通过定义等价信息系统下的支撑函数分别给出了等价信息系统下的一般多粒度模糊粗糙下近似算子和一般多粒度模糊粗糙上近似算子的定义;其次,为了更好的分析各算子的特性,本文还讨论了等价信息系统下一般多粒度模糊粗糙下、上近似算子的性质。另外,本文经过深入探讨分析等价信息系统下一般多粒度模糊粗糙下、上近似算子之间的关系,研究了一般多粒度模糊粗糙集模型粗糙度和精确度的定义及其性质。最后本文引用淘宝购物这一实例更好的体现了一般多粒度模糊粗糙集模型的实际应用价值。
     

基于灰色关联的因果图的基本事件重要度研究

用因果图进行故障诊断时,对基本事件重要度进行定量的分析,可以在故障早期定位故障源,制定合理有效的故障应对方案。在传统重要度的基础上,引入灰色关联理论,寻求重要度之间的数值关系,根据灰色关联度的大小,建立了基本事件的关联序。此方法描述了各重要度之间的弱相关性,能直观地反映基本事件引起中间事件发生故障的重要程度。实例结果表明此方法的引入是合理的。
     

变精度粗糙集模型

针对基本RS模型的不足，介绍了变精度粗糙集模型，并讨论了它与基本RS模型的关系。最后，定义了变精度粗糙集模型上的属性近似依赖、近似约简。     

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.     

基于一种新的量化容差关系的变精度粗糙集模型

提出了一种新的量化容差关系,建立了变精度粗糙集模型并提出了基于重要度的属性约简算法。新的模型考虑了决策属性值对条件属性值概率分布的影响并且具有一定噪声数据处理和错误分类容许能力。最后通过实例表明了该模型具有处理含有空值数据问题的能力。     

基于变分不等式的多商品流供应链网络模型

针对多商品流的供应链网络均衡问题，考虑电子商务对供应链网络的影响，得到了制造商、零售商及需求市场的均衡条件，利用变分不等式形式把供应链网络均衡模型表述出来，得到了系统均衡的模型，利用拟牛顿法，得到了具多商品流的供应链网络均衡模型的求解方法。 用具体的数值算例验证了模型的合理性。
     

基于关联规则挖掘的粗糙集屙陛值约简算法研究

粗糙集理论中约简是一个重要的研究课题,它包括属性约简和属性值约简两方面内容。针对目前属性值约简只能实现约简,而不能计算各个规则的出现次数的问题,结合关联规则和粗糙集两方面的优点,对冗余规则和不一致规则进行处理,获得具有实际意义的约简表。实验证明,此算法是有效的。     

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。     

变精度粗集模型中变精度值的估计

变精度粗集模型是一种有参数的粗集扩充模型．目前,基于变精度粗集模型知识约简和学习的各种算法中,参数届值都是作为领域的先验知识而被直接引入．而β值不同,约简的结果一般也不同,因此有必要寻求一种方法,实现从原始数据集本身出发完成对β值的估计和选择,从而摆脱β先验知识对结果的影响．结合决策表确定性度量和决策表相对辨识性方法,分别研究了β值的估计和选择以及参数β值对约简结果的影响．通过实例进行了分析,结果表明在利用变精度粗集模型提高系统容错度时,厣值选择是必要的。     

基于k等价度容差关系的变精度粗糙集模型及其约简算法

针对k等价度容差关系,提出了一种基于k等价度容差关系的变精度粗糙集模型,该模型是变精度粗糙集模型在不完备信息系统中的拓展．在此基础上,定义了变精度粗糙集模型约简的概念,讨论了一种刻画属性重要性的新指标,提出了一种启发式约简算法．该算法能从搜索空间中不断地添加重要的属性,并且删除不重要的属性,从而降低了约简的时间复杂度．最后,通过实例说明该算法的有效性．     

基于包含度的粗糙集模型

提出了包含度近似空间的概念，得到了基于包含度的粗糙集模型，从而为知识获取提供了一个新的不确定性方法。     

基于覆盖的程度粗糙集模型

在基于覆盖的粗糙集模型的基础上,引入分类误差,建立了基于覆盖的程度粗糙集模型,并讨论了该模型的一些相关性质.