模糊信息系统知识约简的分辨函数法

知识约简是粗糙集理论的重要研究内容.针对不同的粗糙集模型和约简定义,给出相应的知识约简方法一直是知识约简的主要任务.以分辩函数法为代表的各种符号值信息系统知识约简方法已得到深入研究.将分辨函数引入模糊信息系统,得到相应的知识约简分辨函数法,并通过实例分析说明了该方法的具体计算步骤.这为从模糊信息系统中获取知识提供了一种有效的粗糙集方法.     

Rough function model and rough membership function

Two pairs of approximation operators, which are the scale lower and upper approximations as well as the real line lower and upper approximations, are defined. Their properties and antithesis characteristics are analyzed. The rough function model is generalized based on rough set theory, and the scheme of rough function theory is made more distinct and complete. Therefore, the transformation of the real function analysis from real line to scale is achieved. A series of basic concepts in rough function model including rough numbers, rough intervals, and rough membership functions are defined in the new scheme of the rough function model. Operating properties of rough intervals similar to rough sets are obtained. The relationship of rough inclusion and rough equality of rough intervals is defined by two kinds of tools, known as the lower （upper） approximation operator in real numbers domain and rough membership functions. Their relative properties are analyzed and proved strictly, which provides necessary theoretical foundation and technical support for the further discussion of properties and practical application of the rough function model.     

基于遗传算法的一种粗糙集知识约简算法

知识约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余知识.文中从系统的信息表出发,根据可辨别下三角矩阵,利用遗传算法,提出一种基于遗传算法的粗糙集知识约简算法,并通过实验分析说明,这种算法可以解决现有启发式算法无法解决的部分问题.     

基于粗糙集的知识理论及其应用

粗糙集理论是一种刻划不完整性和不确定性的数学工具,它能有效地分析不精确、不一致、不完整等各种不完备信息.本文给出了基于粗糙集的知识理论,该理论不需要预先给定某些特征或属性的数值,可从现有的数据出发进行知识的简化和相对简化、范畴的简化和相对简化方法,为处理不完备信息提供了一种更符合人类认知的知识理论.此外,文中还提出了该理论的应用方法及步骤,列举了一个在配镜决策方面的实际应用例子.     

粗糙Vague集及其相似度量

对粗糙集和Vague集的概念、知识表示方法进行了研究,提出了粗糙Vague集的概念．研究了粗糙Vague集的相关性质,提出了粗糙Vague集相似度量的方法．     

一种高效的启发式属性约简算法

属性约简是粗糙集的精髓,差别矩阵算法是属性约简中的常见方法之一。差别矩阵算法需大量空间存储差别元素,且有很高的时间复杂度。为降低时间、空间复杂度,给出不可鉴别信息量定义,计算属性重要性,并以此为启发信息,设计一种启发式约简算法,使原来的时间复杂度由O(|R|~2|U|~2)降为max(O(|R|~2|U/R|),O(|R||U|)),空间由O(|R||U|~2)降为O(U/R),并通过实例验证该算法的高效性和正确性。     

不同覆盖产生相同覆盖近似集的条件研究

覆盖粗糙集是处理不确定性问题的一种有效方法,在最近几年日益受到研究人员的关注.由于覆盖具有很强的一般性,使得出现了许多从不角度构建的覆盖粗糙集模型.然而,由此引发的一个现实而关键的问题还未得到全面有效的解决,即:对于某个模型而言,不同的覆盖产生相同覆盖近似集的条件是什么针对这个问题,以六类主要的覆盖粗糙集模型为研究对象,对它们的上下近似产生原理展开了深入分析.研究发现各模型的近似集与覆盖中的极大块或极小块有着紧密联系,基于此提出了最小覆盖和最大覆盖的概念,利用它们的特性对该问题进行了探讨和解决.     

连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

基于一致性和知识粒度的半监督特征选择方法

针对数据标注的代价昂贵和半监督学习难以直接处理高维数据，其包含的冗余特征往往导致分类模型效果不理想问题。为了解决上述问题，根据粒计算模型，提出基于一致性和知识粒度的半监督特征选择方法。利用正域的依赖度去度量有标记样本的一致性，同时采用知识粒度对未标记样本去评价特征对样本空间的可区分性，由此结合数据分布情况构造了一种基于线性融合的特征重要性方法。在此基础上，设计了面向半监督数据的特征选择方法。最后，通过实例分析和与当前四种半监督特征选择方法对比进一步验证了本文方法在半监督数据中的有效性和可行性。     

基于粗糙集理论的仿人控制器设计

针对如何模拟人的控制行为以及提取控制行为特性问题,提出了基于粗糙集理论的仿人控制器的规则提取方法和仿人控制器的设计方法,包括用人控制行为的样本集建立初始决策信息表、信息表离散化、属性约简、规则提取和决策表完备化等。实验结果表明:将所设计的仿人控制器应用到原有的实际系统中,能顺利实现规则校验,提出的仿人控制器的设计方法是可行的。