基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于粗糙集和随机森林算法辅助糖尿病并发症分类研究

提出基于粗糙集和随机森林算法辅助糖尿病并发症分类。首先,运用简化的分明矩阵法对属性约简,产生新的决策信息系统;其次,采用随机森林算法对该新信息系统生成随机森林,实现分类;最后,通过糖尿病并发症临床诊断数据子集测试。实验表明该方法有效性,并优于直接用随机森林算法分类。     

L-Fuzzy拓扑空间的γ-良紧性

首先引入了LF拓扑空间的γ-开集,然后在LF拓扑空间中提出了γ-良紧集的概念,研究了它们的基本特征,讨论了它们的一些基本性质。     

粗糙模糊概念外延的逼近

基于因素空间,利用粗糙模糊集的扩展原理,给出粗糙模糊概念的表现外延和反馈外延,然后,利用粗糙模糊概念反馈外延包络对粗糙模糊概念进行了逼近。     

制度边界的粗集模型研究

本文首先构建了制度边界的粗集模型,定义并分析了制度边界粗集模型中具有政策意义的几个参数:制度的近似精度、粗糙度与制度的拓扑特征等,高层次经济系统可以以此评估制度的作用能力。提出了制度边界的操作方法——特化知识库,特化知识库提供了制度完善的新操作方法。制度变迁是制度的动态变化过程,表现为制度边界的迁移,特别地在行为论域中,制度变迁表现为制度曲线的位移与知识库的变化。本文基于S-粗集理论构建制度变迁的S-粗集模型,通过构建制度的单向迁移、单向对偶迁移以及双向迁移模型,研究了行为等价类的迁移方式。定义了制度边界的迁移过程中产生的消集合与副集合,并进一步指出,政府在进行制度的改革时,要尽量增加制度变迁过程中的消集合,同时减少制度变迁中产生的副集合。     

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.     

闭映射和稳定集拓扑

首次引入稳定集拓扑空间的概念,研究了稳定集拓扑空间并得到了稳定集拓扑空间的一些命题.然后利用这些命题,得到了闭映射的一个新的特征.利用稳定集拓扑空间的技巧,证明了关于子量量空间完全像的一个定理.     

基于粗糙集解决BP网络模式识别中的噪声

为了解决BP网络模式识别中的噪声问题,提出了利用粗糙集的上、下近似和边界线集理论对噪声样本进行处理的方法。该方法对处于下近似集内的含噪声属性值,将噪声消除后转换为理想状态下的属性值;对处于边界域内的含噪声属性值保持不变。当属性值处于边界域内属性的个数与全部属性数的比值达到某个确定的值时,就认为该样本受到噪声干扰过大,对其拒绝识别。通过实验对比表明,该方法能有效地降低BP网络模式识别的误识率。     

F-二重粗积分与边界厚度

F--二重粗积分是由函数双向S-粗集生成的积分对,它是F -二重粗积分和F^--二重粗积分的推广。给出F-二重粗积分边界厚度的概念,讨论了边界厚度的动态变化规律,得到边界厚度最值定理。利用边界厚度可以对F-二重粗积分进行辨识,给出F-二重粗积分辨识定理和两个辨识原则。     

模糊粗糙集分解定理的讨论(Ⅰ)

分解定理是模糊数学的最基本定理之一,给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集。分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。