粗集理论及其应用（一）──粗集理论基础

作为研究粗集理论的开始，本文首先给出知识的形式化定义和知识库，知识的等价、推广及特化等概念的一些基本性质，强调知识与分类概念的联系。当涉及到非精确知识时，提倡以粗集概念作为讨论知识的理论基础，因而本文介绍了粗集与集合近似的基本概念，阐述了近似集合的性质及非精确性的数字特征与拓扑特征，最后给出集合的粗等价、粗包含和分类的近似方法。     

基于粗集理论的模糊知识权重计算方法及其应用

文章给出了一种模糊专家系统中基于粗集理论的模糊权重计算方法,通过专家经验所得到的主观权重和由粗集方法得到的客观权重进行综合,定义了模糊知识的综合权重。并给出了在羊疾病防治专家系统的应用。     

双枝模糊粗集

为进一步揭示模糊集、双枝模糊集与粗糙集的关系,在双枝模糊集及粗糙集的基础上,给出了上枝模糊粗集,下枝模糊粗集及双枝模糊粗集的概念;利用双枝模糊集及粗集的性质,讨论了下枝模糊粗集,上枝模糊粗集和双枝模糊粗集的性质.由讨论可知,双枝模糊集与粗集具有紧密的联系,由二者融合构成的双枝模糊粗集与模糊粗集具有类似的性质,双枝模糊粗集是模糊粗集的推广,而模糊粗集是双枝模糊粗集的特殊情况.     

基于粗集理论的决策分析

管理信息系统建设的重要目标之一是利用系统运行所积累的数据辅助用户进行决策分析 ,因此从数据中挖掘隐含的知识是建立决策系统的基础。粗集理论是知识发现的基础理论之一 ,是目前在知识发现领域研究最活跃的技术之一。文章从粗集的基本体系出发以优化疾病治疗方案为例 ,探讨其在决策分析中的应用     

基于模糊近似空间的S-粗集模型研究

基于近似空间,对原始S-粗集模型进行了扩展.提出了基于模糊近似空间的S-粗集模型,讨论了模型的上下近似算子的性质;接着分析了此模型与已有模型的相互关系,最后通过实例对此模型进行了说明.     

广义粗集的公理化

粗集理论在数据挖掘等领域得到了广泛的应用，对粗集理论进行推广可得到各种广义粗集。该文研究了广义粗集的多个公理组，证明了公理组中各公理的独立性，并给出了普通粗集理论的另一个公理组，它有4条相互独立的公理组成。     

粗集理论在知识发现系统中的应用

阐述了粗集理论的基本思想，给出了一个基于粗集的知识发现系统模型，并通过实例说明了这一模型的有效性。     

粗集近似精度及其粒度特征

Pawlak近似精度是衡量粗集近似程度的重要指数[1],针对Pawlak近似精度没有考虑近似空间的颗粒结构,在此利用粒度的概念定义了具有颗粒结构的近似精度,讨论了该近似精度的粒度特征.     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点，并对其在旋转机械故障诊断中的应用进行了探索，提出了粗集理论在旋转机械故障诊断中的数据挖掘方法，运用这一方法对故障诊断决策表进行属性约简，去除其中不必要的属性，揭示出旋转机械故障诊断条件属性中的冗余性，最后得出了属性约简的结果以及决策规则。     

决策粗集理论及其应用研究综述

在阐释决策粗理论基本体系结构的基础上,给出了决策粗集理论研究的重点,综述了当前国内外关于决策粗集模型及其属性约简、与相关领域结合的若干最新研究进展,最后简要探讨了今后进一步研究的方向。     

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．     

粗集理论及其在旋转机械故障诊断中的应用(一)粗集理论基本知识

粗集理论是对不精确、不完整、不确定的数据进行上近似和下近似的计算、分类和约简，寻找其隐含的关系和模式，产生新的规则，确定规则的可信度。介绍了知识库的形式化定义、知识的等价、约简等一些基本概念，提出了旋转机械故障诊断知识表达系统的思路。     

粗集理论中知识的简化及其相互关系

证明了等价关系族对在前件的交集包含在后件的交集的条件下，它的前件Ⅰ型简化和前件Ⅱ型简化等价，在前件等于后件的条件下，它的前件Ⅱ型简化与等价关系族的简化等价．进而举例说明这样的等价性的存在，致使这三种简化形式相关的定理和性质呈现出较大的相似性．     

项目组合粗集模糊选择方法研究

本文针对现有评价方法或者指标权重的确定存在较大主观性,提出了粗集模糊选择模型。     

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.     

广义单向S-粗集和它的一般结构

基于单向S-粗集和一般二元关系R,本文给出广义单向S-粗集,对广义单向S-粗集的一般结构进行了描述,对广义单向S-粗集的有关性质进行了讨论.广义单向S-粗集为研究一般系统动态的近似特性提供了新的途径和方法.     

粗集理论中的相容关系

粗集通常是由等价关系来定义的,相容关系是对标准粗集理论拓广的一种方法,文中主要讨论相容关系的计数问题和代数结构问题。     

模糊粗糙集合

介绍了模糊集合及粗糙集合的概念和特征。说明了模糊集合和粗糙集合之间的联系 ,讨论了模糊粗糙集合概念 ,同时 ,对模糊粗糙集合的补、交、并及等价进行了研究。为模糊集合和粗糙集合的结合建立了基础     

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。     

基于模糊C均值聚类的粗集理论连续属性的离散化新算法

讨论模糊C均值聚类算法在决策表条件属性对决策属性的相容程度的指导下对粗集理论中的连续属性进行离散化的一种新算法。该算法充分考虑属性之间的相关性，将所有连续属性转化为矩阵同时处理，能明显提高传统动态层次聚类算法离散化过程的速度。算法测试结果表明，新算法能较好地保留有效属性，提高离散化精度。