集值信息系统中的粗糙集扩展模型

通过分析研究现有集值信息系统上定义的两种关系(相容关系和优势关系),在集值信息系统中引入相容度和包含度的概念,定义了基于相容度α的相容关系和基于包含度β的优势关系,提出了基于这两种关系的粗糙集扩展模型,并分析比较了该模型与现有模型之间的关系.通过对相容度和包含度的调节和控制,可以将现有集值信息系统中定义的两种关系有效地统一起来.最后,通过对一个具体实例的分析,进一步解释和说明了这些关系之间的联系.     

有限集合的相容关系与完全覆盖

非空有限集合A的完全覆盖S={A1,A2,…,An}决定了A上的相容关系R=∪ni=1(Ai×Ai).研究了R的最大相容类集合和完全覆盖S之间的关系,给出相容的完全覆盖、极大相容完全覆盖、极小相容完全覆盖和恰当完全覆盖的定义,证明了相容的完全覆盖其成员均为R的最大相容类,而极大相容完全覆盖恰为R的最大相容类的全体,并给出这几种完全覆盖之间的关系.     

集值信息系统中的粗糙集扩展模型

根据属性值的相容程度在集值信息系统上定义了一种新的关系--α相容关系;给出了相应的近似集合和相关性质,并讨论了它与相容关系、拟序关系之间关系;提出了基于这种关系的粗糙集扩展模型,并分析比较了该模型与现有的粗糙集扩展模型之间的关系;最后,通过一个实例来直观地解释这些关系之间的联系.     

一种基于相容粒计算模型的文章相似度计算方法

将粗糙集和粒计算理论应用于中文文章相似度计算研究中,通过引入文章相容粒、段落相容粒和段落粒空间信息表等概念构建相容粒计算模型,提出基于相容粒计算模型的中文文章相似度的计算算法。示例和测试结果说明所提出方法有效。     

基于极大相容块的区间集粗糙集

区间集粗糙集是针对目标集不能被精确表达时利用上下界进行近似刻画的有效方法，而对于连续型数据，基于等价关系的区间集粗糙集不再适用，相容关系则常被用于处理连续型数据。为进一步提高近似精度，文章将基于相容关系的极大相容块与区间集粗糙集结合，提出连续型数据集上基于极大相容块的区间集粗糙集。首先在信息系统中提出基于距离的相容关系及其极大相容块，由此定义基于极大相容块的乐观、悲观粗糙集，并讨论它们的性质。进而将极大相容块引入区间集粗糙集，提出了基于极大相容块的乐观、悲观区间集粗糙集，讨论了它们的性质及关系以及两类区间集粗糙集的精度。最后选取UCI数据集上的五组数据，验证了本文所提极大相容块下的模型较之相容关系下对应模型的精度平均提高33%。     

基于模糊相容关系的粗糙集的扩展

针对模糊信息系统,提出了用模糊相容关系代替经典粗糙集中的不可分辨关系来构造扩展粗糙集的方法.定义了模糊信息系统中的模糊相容关系,给出了模糊相容关系下粗糙集的表示方法及性质,证明了模糊相容关系下粗糙集模型的不同表示形式,并讨论了在模糊相容关系下模糊变精度粗糙集模型及其性质.     

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则,提出了一种不完全信息下概率决策的扩展粗糙集方法. 给出了容差关系下相容度的概念,通过设定相容阈值给出知识的粗糙下近似、上近似和边界域,然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.     

相容拓扑概念的推广与序列相容拓扑

对拓扑向量空间理论中相容拓扑概念作出了推广,引入了更为抽象的P（T）－相容拓扑的定义,它包容原有的相容拓扑概念,对P(T)-相容拓扑的一种特别情形－序列相容拓扑进行了深入的讨论,并给出了一些具体空间的例子。     

不完全确定时序电路状态简化的一种新方法

对不完全确定时序电路的化简,本文提出一种简便的方法,在求出全部相容状态对之后,借助文中定义的“相容对隐含图”,使用常用的合并图法,即可直接选择电路的最小闭覆盖。整个化简过程计算量小,使用方便。     

基于属性相容度和重要度的粗糙集属性约简混合算法研究

针对粗糙集属性约简算法中时间效率较低的问题,结合属性相容度模型和属性重要度的模型,提出一种混合相容度和重要度的粗糙集属性约简算法。该算法利用属性的相容度模型,快速地从众多属性中将核集筛选出来,作为基本核集;然后通过属性的重要度模型对基本核集进行补充和完善,作为约简后的最终核集,以确保核集的完整性。实验结果表明,在保证约简结果完整性的基础上,该混合模型算法,大大提高了时间效率,降低了算法的时间复杂度。     

基于加权阈值容差关系的不完备信息系统粗糙集模型

针对已有的不完备信息系统粗糙集扩充模型没有考虑属性的权重的缺点,提出基于加权阈值容差关系的粗糙集扩充模型.该模型根据给出的不完备信息系统信息量计算权重,不需引入系统外知识,权重确定比较客观;同时引入阈值来调整加权阈值容差类判定的严格程度,兼顾了人的主观要求,并能预先排除因自身不满足阈值条件而不可能与任何其他对象划为同一加权阈值容差类的对象,但不影响类的完整性.实例对比分析表明,与其他模型相比,基于加权阈值容差关系的粗糙集扩充模型符合不完备信息系统应用客观实际,具有更强的适应能力.     

不完备信息系统中Rough集的扩充模型

经典的Rough集理论所处理的信息系统必须是完备的.为了能够分析处理不完备的信息系统,需要建立新的扩充Rough集模型.对现有的几种比较有影响的Rough集扩展模型进行了分析研究,提出了一种带约束的相似关系Rough集模型,并将这些扩充模型之间的关系进行了分析比较.结果显示,基于约束相似关系的扩充Rough集模型优于基于容差关系的扩充Rough集模型和基于相似关系的扩充Rough集模型,使得对象的划分更加合理,符合人们在处理数据时的直观感觉.     

相容关系的改进及其属性约简

针对经典粗糙集理论处理不完备信息系统存在的局限性,作者从扩展粗糙集理论的适用范围出发,引入不完备信息系统对象的先验概率并结合量化相容关系的思想,提出了改进的相容关系模型.以该模型为基础研究了不完备信息系统的属性约简.通过严格的数学证明,给出了属性约简算法.该算法以空集为起点求取系统的约简,不需要计算核,节约了时间,减少了占用空间,简化了求解过程.通过实例验证该改进相容关系模型及其属性约简算法.     

基于限制容差优势关系的粗集决策分析模型

针对不完备偏好决策问题,提出一种基于拓展粗糙集的决策分析模型.首先提出限制容差优势关系的定义;然后得到限制容差优势关系下的粗糙近似和分类决策规则.最后通过一个实例证明了所提出的模型对不完备偏好信息系统的处理符合实际情况.     

Content-Based Image Retrieval: Near Tolerance Rough Set Approach

<正>The problem considered in this paper is how to detect the degree of similarity in the content of digital images useful in image retrieval,i.e.,to what extent is the content of a query image similar to content of other images.The solution to this problem results from the detection of subsets that are rough sets contained in covers of digital images determined by perceptual tolerance relations(PTRs).Such relations are defined within the context of perceptual representative spaces that hearken back to work by J.H.Poincare on representative spaces as models of physical continua.Classes determined by a PTR provide content useful in content-based image retrieval(CBIR).In addition,tolerance classes provide a means of determining when subsets of image covers are tolerance rough sets(TRSs).It is the nearness of TRSs present in image tolerance spaces that provide a promising approach to CBIR,especially in cases such as satellite images or aircraft identification where there are subtle differences between pairs of digital images,making it difficult to quantify the similarities between such images.The contribution of this article is the introduction of the nearness of tolerance rough sets as an effective means of measuring digital image similarities and,as a significant consequence,successfully carrying out CBIR.     

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．     

基于粗糙集理论的RBF神经网络在LUCC分类浅析

将粗糙集作为神经网络的预处理单元,利用粗糙集消除冗余特征,减少神经网络的输入节点,降低了网络规模,加快了训练速度。粗糙集神经网络利用粗糙集原理进行知识的表达、推理和简化,利用神经网络的并行特点完成网络学习运算,能更有效地处理不确定、不精确及冗余的数据。结果表明,粗糙集简约后的决策信息放入RBF神经网络中进行运算,输出结果与BP网络运算结果进行对比,在运算时间和测试精度上均优于BP网络。     

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．