基于模糊相似矩阵的分类方法

粗糙集理论是一种处理不确定性问题的有力工具，它假定知识是一种对对象进行分类的能力，分类是推理、学习与决策中的关键问题，传统粗糙集所基于的是不分明关系，这往往使得分类过细，因而笔者探讨一种基于模糊相似矩阵的分类方式，把传统的等价关系弱化为模糊等价关系，从而可得到更具表达力的粗糙集模型。     

Vague关系与基于Vague相等的Vague映射

在文[4]的基础上系统研究了作为Zadeh模糊集理论重要扩展的Vague关系及其合成运算,并就Vague关系的性质进行了讨论.在此基础上研究了Vague等价关系,并给出了Vague映射的概念,讨论了Vague映射的一些性质.     

基于模糊相似矩阵与粗糙集的规则获取

粗糙集理论是一种对对象进行分类的能力.分类是推理、学习与决策中的关键问题.传统粗糙集所基于的是不分明关系,这往往使得分类过细,因而基于粗糙集的规则获取也存在知识粒度过细的问题.文章探讨一种基于模糊相似矩阵的分类方式,把传统的等价关系弱化为模糊等价关系,从而得到更具表达力的粗糙集模型,在这个前提下讨论规则获取一定程度上解决了知识粒度过细的问题.     

基于最小熵值相似矩阵构造方法及其聚类过程

针对利用相似矩阵进行聚类分析的分类问题,定义了相似矩阵及其性质,并给出相似矩阵的一些常见构造方法.针对现有构造方法缺少含义的问题,尤其是针对模糊问题,提出了一种基于最小信息熵值聚类构造相似矩阵的方法.该方法首先利用最小信息熵值原理获得多准则决策中不同属性的权重信息,然后求解不同方案集间的加权距离.通过构造正负不同的理想解,求解方案集与正负理想解直接的加权距离,并利用方案间加权距离与正负理想解整体距离之间的比例构造相似矩阵.算例表明该方法切实可行.     

Vague半群及其Vague理想

给出了普通半群上Vague半群、Vague理想的定义,并讨论了他们的性质,对同态问题进行了研究.     

基于Vague集的模糊聚类方法研究

引入Vague集(值)的距离概念及Vague集(值)的贴近度概念,并证明了这一新的贴近度的性质.利用此贴近度概念给出了基于Vague集的模糊聚类方法,这一方法对于数据挖掘研究有很好的参考价值.     

基于覆盖的粗糙Vague集模型研究

在覆盖广义粗糙集模型理论研究基础上,进一步将对象在精确值集方面推广到了更具广泛性的Vague集,提出了基于覆盖的粗糙Vague集的新模型,并且证明了该模型的一些较好的性质.同时考虑到导致覆盖广义粗糙Vague集粗糙性的原因,提出了一种新的粗糙度用于度量该模型的不确定性程度,最后给出相关实例.     

软件系统可靠性分析的Vague集方法

本文介绍了软件状态不仅有正常、失效状态，还有文中提到的失常状态，因此引入Vague集分析软件系统可靠性，在顺序和选择结构系统中通过三角形的Vague集方法运算证实，该方法可以更灵活、更智能有效地分析软件系统可靠性，建立成熟的人性化模型，使软件系统更加稳定。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

基于Vague集的Web内容安全文本分类

随着网络普及应用,Web内容安全问题已经引起人们的高度重视,对Web内容安全的分类监控已成为研究热点。在分析Web内容安全问题的基础上,提出一种"需求模型",该模型结合向量空间模型(VSM),利用Vague集改进的特征提取策略,扩充原有文档特征表示模型。通过对来自真实网络网页中等规模的语料实验证明,这种"需求模型"可以提高网页内容安全的文本分类效果,分类效果优于采用传统特征的方法。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

粗糙集模型和概率粗糙集模型的若干研究

主要叙述在等价关系、一般关系和概率论中的粗糙集模型，给出它们的定义、性质、各自的几种定义类型和它们之间的联系以及若干例子．     

基于Vague集的多目标二人零和矩阵对策

根据多目标决策和模糊对策理论,研究支付值为Vague值的多目标二人零和矩阵对策.讨论了Vague多目标二人零和矩阵对策的两种求解方法:一是先将Vague多目标对策问题清晰化,再转化为单目标对策问题求解;另一种方法是先将Vague多目标对策集结为Vague单目标对策,再根据Vague值的排序函数进行清晰化求解.算例表明,上述两种方法能方便地得到多目标矩阵对策的均衡策略和均衡解.     

基于粗集的模糊聚类方法和结果评估

粗集的决策表的属性包括定量属性和定性属性,针对这种情况,根据一种对象的相似性度量方法,使用模糊聚类方法对粗集对象进行模糊聚类,对聚类结果进行了评估(根据这种聚类方法得到的结果和实际的分类结果进行比较)．在这种相似性度量方法基础上,证明了粗集的等价关系可以被转化为模糊等价矩阵．基于粗集的聚类步骤如下：首先,一个粗集等价关系都可以转化为一个模糊相似矩阵,其次,转化成一个模糊等价矩阵,最后,进行模糊聚类．对此方法进行了实验,并对实验的结果进行评估．实验结果说明了这种方法的简单高效．     

基于优势关系下的区间值Vague集扩充模型及应用

针对区间值信息系统,提出了区间值Vague集信息系统。进而定义了基于α-优势关系的扩充了Vague集模型,并结合区间值Vague集给出了优势概率。最后,实例验证了该方法的有效性。     

半群上的Vague粗糙性

基于一般二元关系下的粗糙Vague集,定义了半群上的Vague同余关系,给出了Vague集在Vague关系下的上、下近似,并研究了这个半群上Vague粗糙性.