基于粗集理论的一种相容决策表的学习算法

基于粗集理论,针对相容系统规则,提出一种新的相容系统决策表归纳学习算法,并通过实际例子说明该算法的有效性和可信度,与以往的相容决策表的归纳学习算法相比较,这种算法比较简单,而且能够全面地获取规则且没有冗余。给出了具有较高可信度的规则挖掘过程。     

L-Fuzzy集上的L-Fuzzy相容关系

给出了L-Fuzzy集上的L-Fuzzy相容关系的概念,并给出了L-Fuzzy集上的L-Fuzzy关系是L-Fuzzy相容关系的一个充要条件.     

粗集代数与IMTL代数关系

讨论粗集代数与IMTL代数的关系以及由粗集代数构造IMTL-代数的方法．借助近似代数数上的原子及同余关系，验证了在合理选择蕴涵算子→及补运算-之后，粗集代数就构成了IMTL-代数．     

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.     

极大相容度关系模型及其属性约简

经典粗集理论以等价关系为基础,它们在处理不完备信息系统时存在一定的局限性.从扩展粗集理论的适应范围角度出发,引入信息系统对象的先验概率,结合量化相容关系的思想,提出了极大相容度关系模型,然后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,提出了一种不完备信息系统的启发式属性约简算法.最后通过一个实例验证了该相容关系模型及其基于启发式的属性约简算法.     

粗集理论在数据处理中的研究与应用

论述了粗集方法性质及特点,提出了粗集方法在数据处理中的应用模型,同时给出了应用这一模型对一个数据库实例进行数据处理的过程.另外,从精确性、鲁棒性等方面对数据处理中的粗集方法的适用范围进行了分析.     

一种基于粗集理论的概念格构造方法

概念格是数据分析与规则提取的一种有效工具,但是在实际应用中由于需要处理的数据是海量的,使得直接基于概念格上提取规则的冗余度过大,造成机器计算时间和空间的浪费,而粗集理论在数据预处理和不确定性规则提取等方面表现出很强的优势,因此,为了减少人力物力的浪费,本文提出了一种应用粗集理论构造概念格的算法,且指出了该算法的优点及存在的不足。     

相容关系与相容核

给定论域上的相容关系,本文提出了相容核的概念。较之于相容关系的最大相容类,相容核是一个局部化的相容类。我们还讨论了有关相容核的若干数学性质,并且给出了相容关系与其相应的相容核族之间相互唯一确定的充分必要条件。     

粗集目标识别方法研究

为提取传感器获得的较粗糙的原始信息,运用粗集理论进行目标识别信息的处理,提出了一种采用关系表存储原始信息,通过简化关系表删去冗余信息,从而达到提取有用信息的处理方法。通过实例探讨了粗集目标识别方法,并对结果进行了分析。     

粗集理论中的决策表条件属性的简化

根据粗集理论，给出一些概念的新的形式定义，包括决策表、决策表的正区、决策表条件属性的简化、等价关系族对前件Ⅱ型简化等，并讨论了几个等价关系，包括决策表的正区与等价关系族对正区的等价性，决策表条件属性的简化和等价关系族对前件Ⅰ型简化的等价性，协调决策表条件属性的简化和等价关系族对前件Ⅱ型简化的等价性等．     

基于相似关系的变精度多粒度粗糙集

在不完备信息系统中基于相似关系,引入了可变精度和多粒度粗糙集,进而提出一种基于相似关系的变精度多粒度粗糙集模型。研究了基于相似关系的变精度多粒度粗糙集的相关性质和关系。随后讨论了基于相似关系变精度多粒度粗糙集的约简问题,提出了一种基于属性重要度的启发式分布约简算法,实例分析的结果验证了该方法的可行性。     

粗糙分类代数--协议关系与粗糙商代数

提出了协议关系的粗糙分类代数、粗糙单代数、协议关系粗集函数等概念。刻画了粗糙分类代数的性质,构造了粗糙商代数,得到了一些基本结果。提出了回避-归并算法,并给出了一个例子。     

基于相异关系的粗糙集理论

利用相异关系代替Pawlak粗糙集理论中的不可分辨关系,建立了基于相异关系的粗糙集理论,它使粗糙集理论在完备信息系统和不完备信息系统中的应用统一起来．     

模糊粗糙集的格结构

定义了模糊集合的上、下近似算子，讨论了其代数结构.证明了模糊粗糙集理论中全体可定义集合构成一个完全分配格，给出了生成这一完全分配格的元素的集合并讨论了其基本性质.     

基于粗糙集理论的Bayes粗糙模型研究

从经典的概率粗糙集推广模型出发,参照Bayes因子,研究了一种Bayes粗糙集模型,该模型不受先验概率的影响,从而减小了决策失误的风险．     

李代数中粗糙集的一些性质

把粗糙集的思想引入到李代数中,研究了李代数中粗糙集及其在同态下的若干性质.     

粗集代数与蕴涵格、格蕴涵代数、剩余格

在重新定义补运算和构造新蕴涵算子的基础上,证明了偶序对〈R,～R〉不仅可以构成蕴涵格、格蕴涵代数、剩余格,而且可构成正则剩余格和MV-代数。     

覆盖粗糙集的一般化

在近似空间中给出了基于最简覆盖的等域关系定义,证明了它是论域上的一个不可区分关系·由此,覆盖粗糙集转化为经典粗糙集,使得经典的粗糙集理论的应用范围得到了进一步的扩展·举例说明了一般化方法既能化覆盖粗糙集为经典的粗糙集,又提高了一个集合的近似程度·还给出了基于覆盖的近似空间中的信息处理过程的模型,该模型应用了WilliamZhu和Fei YueWang提出的覆盖约简的方法和技术来消除冗余数据,又可以使覆盖粗糙集转化为经典的粗糙集·     

分配格的等价关系刻画

通过在格上定义等价关系,给出了分配格,Heyting代数,Boolean代数的一致等价刻画。由此得到了Heyting代数与Boolean代数分解定理．     

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．