基于多元组Rough集的不相容决策

Ｒｏｕｇｈ集理论是一种具有模糊边界集合理论,它被广泛应用于不相容决策 规则提 文讨论了基于多元组Ｒｏｕｇｈ集的不相容决策方法,并给上应的算法,同时 不相容规则的相容度作了分析,该方法比普通Ｈｏｕｇｈ集方法更简单、更有效、文中所给出的算法特别适用于具有重复元素且的决策表。     

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.     

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。     

Rough集在数据挖掘中的应用

数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据.随着数据挖掘的广泛应用,Rough集在数据挖掘中的作用也越来越显著.本文主要讨论Rough集在数据挖掘中起到的重要作用.     

Rough集理论中几个基本概念的算法描述

用信息向量表示信息表知识表达系统中的埘象，基于同一思想用算法描述了Rough集中的等价类、不可分辨关系、上下近似集、属性约简、相对属性约简等概念。     

一种基于Rough集的工程项目投标风险分析方法

针对工程项目投标过程中的不确定性和风险分析问题，从Rough集的基本体系出发，给出投标风险决策分析的知识表达系统，运用Rough集理论和方法对投标风险决策表的属性及属性值进行约简，挖掘其中隐含的知识，从而得出投标风险决策的最小决策算法，帮助决策者迅速对工程项目的投标风险进行评估和预测。     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况,讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是,基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．     

基于Rough集的多传感器信息融合

Rough集是一种处理含糊和不精确性问题的新型数学工具,将其应用于多传感器信息融合中,可以简化规则的描述和表示,有利于快速得到最小融合算法,同时可以解决数据超载问题,形成多传感器信息融合算法。     

变精度粗糙集模型及其一个性质的推广

在[7]的基础上,对变精度粗糙集模型的部分性质进行了推广,即通过引进一对新的算子,把并与交的β上下近似集之包含关系推广到了相等关系,从而得到了更好的结果。     

覆盖粗糙集模型的增值算子及其性质

引进覆盖粗糙集模型的一对增值算子,并讨论它们的有关性质,即通过定理2和定理3,给出并证明了定理4.     

变精度粗糙集模型及其一个性质的推广

在[7]的基础上,对变精度粗糙集模型的部分性质进行了推广,即通过引进一对新的算子,把并与交的β上下近似集之包含关系推广到了相等关系,从而得到了更好的结果.     

广义凸集函数多目标数学规划解的充分必要条件

给出了广义凸集函数多目标数学规划解的充分必要条件，它是对多目标广义凸规划解的充分必要条件等文献的推广     

粗糙集计算方法及应用研究

研究总结了粗糙集计算方法新进展,同时对它们的计算复杂性进行了分析,并给出了这些计算方法之间的逻辑关系结构图,然后讨论了粗糙集在模型方面的扩展,最后对粗糙集计算方法的应用进行了论述.     

广义Lah数及其性质

给出了广义Ｌａｈ数的定义及性质     

广义Takagi-Sugeno模糊系统与其分层系统的等价性

引入广义分层Ｔａｇａｋｉ－Ｓｕｇｅｎｏ模糊系统,“规则爆炸”或“维数灾难”问题可由该系统得到解决,通过引入中间变量,证明了分层模糊系统的Ｉ－Ｏ关系可以表示为带 有中间变量的广义ＴＳ模糊系统;反之,一个分层系统也可表示模糊系统的Ｉ－Ｏ关系。     

凸集和它的度量

建立凸集范畴与Ｋ－模范围的基本代数联系，定义凸集上一种广义度量ｄｉｓｔ，给出其拓扑性质以及ｄｉｓｔ与熵的关系。     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。