结构化变精度粗糙集

将结构化技术用于变精度粗糙集模型,提出结构化变精度粗糙集模型,并通过φ算子对该模型进行刻画,研究其相关性质,给出该模型的近似精度与粗糙度的计算公式.最后通过实例分析,进一步表明新模型的特点和优势.     

基于变精度粗糙集模型的属性约简的β值稳定区间讨论

引入了基于变精度粗糙集模型的上、下分布属性约简方法的关于β值的稳定区间的概念,通过β值的稳定区间讨论,将β的取值区间[0,0.5]划分成为有限个稳定区间,当β值落在某个稳定区间内时,使得基于变精度模型的上、下分布约简不发生改变.不仅从理论上证明了β值稳定区间的个数是有限的,而且通过实例说明求解方法的简便和易于实现.为决策者提供了一种如何选择β值而获得上、下分布约简的参考.     

覆盖粗糙集属性约简的新算法

覆盖广义粗糙集是Pawlak粗糙集的重要推广,其属性约简是粗糙集理论中最重要的问题之一.Tsang等基于一种生成覆盖设计了覆盖信息系统属性约简算法,但并未明确指出其适用的覆盖粗糙集类型.在本文中,我们首先指出Tsang的属性约简算法适用的覆盖粗糙集是第五,第六和第七类.其次,我们通过建立覆盖与自反且传递的二元关系之间的等价关系,提出了一种时间复杂度更低的属性约简算法,并证明了本文中的属性约简方法就是Wang等所提出的一般二元关系属性约简的特例.本文不仅提出了属性约简的简化算法,还首次建立起覆盖属性约简与二元关系属性约简之间的联系,具有理论和实际的双重意义.     

变精度概率相容粗糙集模型

在变精度概率粗糙集模型和相容粗糙集模型的基础上,探索粗糙集模型的扩展问题,提出了变精度概率相容粗糙集模型,并探讨了新模型上下近似算子的基本性质、数字特征以及与其他粗糙集模型之间的关系.     

基于Vague粗糙集信息熵的属性约简算法

针对复杂系统分析中的数据信息冗余问题,提出一种基于Vague粗糙集信息熵的属性约简算法。首先,对Vague粗糙集相关概念进行拓展,提出Vague粗糙集的扩展信息熵和广义信息熵的模型;其次,对基于信息熵的属性重要性度量和属性约简原理进行研究,进而提出了一种基于Vague粗糙集信息熵的监督式属性约简算法;最后,选取UCI数据库对算法性能进行验证,计算结果表明该算法实用有效。     

一种广义多粒度变精度粗糙集

本文基于文献[4]提出的广义多粒度粗糙集进行模型推广,提出广义多粒度变精度粗糙集模型.在多粒度的粒度不确定性的基础上考虑类选择的不确定性,研究新模型的一些基本性质并以实例计算说明.本文给出的广义多粒度变精度粗糙集为多粒度粗糙集理论的研究和应用奠定一定的理论基础.     

基于截集的变精度模糊粗糙集模型

从多数包含度的定义出发,用多数包含度描述了变精度粗糙集模型,进而研究了变精度模糊粗糙集模型及其性质.     

变精度覆盖粗糙集模型近似算子的性质

变精度覆盖粗糙集模型是在放宽了覆盖标准的前提下给出的,因而导致近似算子发生了变化。在介绍覆盖粗糙集模型和变精度覆盖粗糙集模型的概念的基础上,给出并证明变精度覆盖粗糙集模型的近似算子的几个性质。     

基于变精度粗糙集的高校课堂教学质量评价模型

针对传统课堂教学质量评价模型的不足,提出了基于变精度粗糙集的高校课堂教学质量评价模型.在构建课堂教学质量评价指标体系的基础上,建立课堂教学质量评价决策信息表,采用基于属性重要度的启发式算法来求解β近似约简,从而获取课堂教学质量的相关评价规则.算例表明,模型能够在一定程度上克服现有方法的不足,为当前课堂教学评价提供了一种新的途径.     

局部模糊粗糙集及其属性约简

借鉴局部粗糙集的理论,本文利用模糊集上包含度的定义提出了局部模糊粗糙集模型,分析了该模型的性质并且给出了该模型的属性约简,最后通过实例说明该属性约简算法是有效的.     

一种广义多粒度变精度粗糙集北大核心

本文基于文献[4]提出的广义多粒度粗糙集进行模型推广,提出广义多粒度变精度粗糙集模型.在多粒度的粒度不确定性的基础上考虑类选择的不确定性,研究新模型的一些基本性质并以实例计算说明.本文给出的广义多粒度变精度粗糙集为多粒度粗糙集理论的研究和应用奠定一定的理论基础.     

基于集对分析下的变精度Bayesian粗糙集模型

引入集对分析概念,提出了一种基于集对分析下的变精度Bayesian粗糙集模型,这就将经典粗糙集模型和变精度Bayesian粗糙集模型推广到了不完备信息系统,并且得到了该模型的上、下近似的一些性质.最后,给出了与该模型定义等价的一个定理.     

基于粗糙集的突发事件属性约简方法

针对突发事件不完备信息系统中的原始数据存在大量属性冗余的问题,提出一种基于粗糙集的不完备信息系统属性约简方法,以剔除冗余属性,提高知识清晰度。首先对缺失、冗余、噪声以及连续型数据进行预处理;然后进行属性分类,将属性分为条件属性与决策属性,进而建立决策表;最后根据决策表的特征,结合有序加权平均算子的思想,提出一种基于属性重要度的启发式属性约简算法。文末,通过实例验证了方法的正确性与有效性,并利用该方法实现了火灾数据的属性约简。     

限制容差关系下的集对变精度粗糙集模型

不完备信息系统中目前有多种扩充,如基于容差关系的扩充、基于相似关系的扩充等等,但是这些扩充都各自存在局限性。针对这些局限性,引入相对分类错误率的概念,提出了一种基于限制容差关系下的集对变精度粗糙集模型。这就将经典的粗糙集模型和限制容差关系下的集对粗糙集模型进行了推广。然后,讨论了该模型上、下近似算子的一些性质。最后,通过一个具体例子,说明了该模型在不完备信息系统中处理模糊和不确定性知识是可行、有效的。     

粒度空间约简及其粗糙集模型研究

针对交可约粒度空间中覆盖、基和粒结构的关系,结合偏序关系的哈斯图,给出一种约简粒度空间的方法.另外,通过限定上、下近似算子的取值范围,重新定义了交可约粒度空间上的粗糙集模型,并讨论了其相关性质.     

基于精度的属性约简新方法

自Pawlak提出粗糙集概念以来,人们就一直对粗糙集的近似精度很感兴趣,出现了不少有关近似精度的文献.在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征.在分析传统精度和基于等价关系图的过剩熵的近似精度的基础上,提出了一种新的精度定义.比较发现,新定义的精度更具有合理性.同时把这个新定义的精度运用到了属性约简上,通过实例比较发现,本文提出的属性约简更具有可行性.     

集覆盖问题的粗糙集属性约简方法

集覆盖问题和粗糙集属性约简问题都是当前的研究热点,两者均有广泛的应用背景.目前,集覆盖理论与粗糙集理论的交叉研究还处于起步阶段.文章的工作主要是把集覆盖问题转化成测试代价敏感粗糙集属性约简问题,使得可应用粗糙集理论来研究集覆盖问题,目的在于丰富集覆盖理论与粗糙集理论的交叉研究.首先构造集覆盖的分辨矩阵,然后在该分辨矩阵...     

不完备模糊目标信息系统的α,β精度约简算法

本文首先定义了不完备模糊目标信息系统及其非对称相似关系,然后借鉴经典的可辨识矩阵精度约简算法,提出一种新的基于非对称相似关系的可辨识矩阵(α,β)精度约简算法,对不完备模糊目标信息系统进行属性约简.最后给出一个实例,检验算法的可行性.