精度与程度的逻辑或近似算子的性质

本文目的是探讨精度与程度的复合,探索新的粗糙集拓展模型.从精度与程度的逻辑或运算出发,定义了精度与程度的逻辑或粗糙集模型.在该模型中,通过变精度近似与程度近似的转化公式,研究了精度与程度的逻辑或近似算子,并得到了该近似算子的幂作用等性质.用精度与程度的逻辑或粗糙集模型统一了变精度粗糙集模型、程度粗糙集模型和经典粗糙集模型,并在这些粗糙集模型中得到了近似算子幂作用的相应性质.     

直觉模糊序信息系统下基于精度与程度逻辑运算的粗糙集

本文基于直觉模糊信息系统提出加权得分函数,进而定义了优势关系,在此关系下运用"逻辑且"和"逻辑或"的方式将变精度粗糙集和程度粗糙集结合起来定义了"逻辑且"上近似和"逻辑或"下近似粗糙集模型,并论述了相关性质。最后,通过案例分析,进一步体现该模型的研究意义,为数据挖掘提供了理论基础。     

程度与精度的逻辑差近似算子的性质

目的是结合精度与程度,探索新的粗糙集拓展模型.从程度与精度的逻辑差运算出发,定义了程度与精度的逻辑差粗糙集模型.模型中,通过变精度近似与程度近似的转化公式,研究了程度与精度的逻辑差近似算子,并得到了近似算子的幂作用等性质.用程度与精度的逻辑差粗糙集模型拓展了程度粗糙集模型、经典粗糙集模型,并在这些模型中得到了近似算子幂作用的相应性质.     

程度下近似算子与变精度上近似算子的差运算模型

目的是探讨精度与程度的复合,建立并研究新的粗糙集拓展模型.基于程度与精度的逻辑差需求,提出了程度下近似算子与变精度上近似算子的差运算模型,得到了程度下近似算子与变精度上近似算子的差运算的宏观本质、精确描述与基本性质.并用一个医疗实例说明了模型的意义和应用.程度下近似算子与变精度上近似算子的差运算模型,部分的拓展了程度粗糙集模型和经典粗糙集模型.     

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。     

一类推广的多粒度双量化决策粗糙模糊集

多粒度决策粗糙集作为一种特殊的概率粗糙集模型，其主要运用条件概率来表示相对量化信息，却忽略了等价类与经典集重叠部分的绝对量化信息，而绝对量化信息在程度多粒度粗糙集中被广泛讨论。因此，本文基于逻辑析取和合取算子将多粒度决策粗糙集和程度多粒度粗糙集相结合，同时引入模糊集和标量基数的思想，提出两对推广的多粒度决策粗糙模糊集∨∨-MGDTRFS和∧∧-MGDTRFS.随后，讨论了∨∨-MGDTRFS和∧∧-MGDTRFS的相关性质，并且给出两者之间的联系。     

序信息系统中的双量化决策粗糙集模型

决策粗糙集和程度粗糙集作为两类广义的粗糙集模型,分别从相对信息量化和绝对信息量化的观点对经典的粗糙集模型进行了扩张。本文在序信息系统中将这两类广义粗糙集模型进行融合,即将决策粗糙集和程度粗糙集的近似算子重新组合,以此构造了两种不同类型的双量化粗糙集模型。然后,对模型的一些基本性质进行了讨论,新建立的粗糙集模型包含了相对量化信息和绝对量化信息。最后,通过对实际案例分析展现了双量化决策规则的获取方法,结果表明两类模型均可以有效的获取决策规则,本文为序信息系统中的决策分析提供了新的选择。     

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.     

基于最小描述交的覆盖广义粗糙集

针对Bonikowski覆盖广义粗糙集模型的不足,给出了基于最小描述史的覆盖上下近似算子.通过和Pawlak经典粗糙集以及Bonikowski的覆盖广义粗糙集比较,发现给出的覆盖上、下近似算子具有了对偶关系,并得到了相关重要性质;进一步讨论了在新定义下覆盖广义粗糙集的约简和公理化问题,丰富了覆盖广义粗糙条理论,并为覆盖广义粗糙集的应用提供了更确切的理论根据.     

区间粗糙数覆盖粗糙集模型

现有覆盖粗糙集仅讨论了属性值为实数、区间数或有限集值的情况,对属性值为区间粗糙数的讨论尚未见到。为此,文章提出了基于区间粗糙数的覆盖粗糙集模型。在定义了区间粗糙数距离的基础上,结合参数α和γ定义了相容度的概念,提出了相容关系和相容类的定义;然后定义了集合离散度的概念,对以相容类作为近似算子的上下近似进行了改进,提出了基于ξ阈值的集合离散度的上下近似和基于最小集合离散度的上下近似,证明了这两种上下近似的定义均提高了原有模型的精确度;最后讨论了基于最小集合离散度覆盖粗糙集模型的一些性质。     

基于覆盖的模糊粗糙集模型

讨论基于覆盖理论的模糊粗糙集模型。给出了模糊集的粗糙上、下近似算子,讨论了算子的基本性质,证明了覆盖粗糙集模型下所有模糊集的下近似构成一个模糊拓扑,并得到了覆盖模糊粗糙集模型的公理化描述。     

基于覆盖的概率粗糙集模型及其Bayes决策

经典的Pawlak概率粗糙集模型是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到.因此,许多学者建立了基于一般关系(如容差关系、相似关系等)的Pawlak粗糙集模型.本文建立了基于覆盖关系的概率粗糙集模型,推广和总结了前人的工作.同时,提出了该模型下的Bayes决策方法和应用实例.     

覆盖粗糙集的不确定性度量研究进展

覆盖粗糙集作为经典粗糙集一种较为流行的扩充模型,其现有不确定性度量方法主要包括覆盖粒度、粗糙度、粗糙熵、模糊度和模糊熵等。本文从纯粗糙集、信息论和模糊性三个视角对覆盖粗糙集的不确定性度量方法进行了分类梳理,通过结合覆盖粒度对覆盖粗糙度、覆盖精确度和覆盖粗糙熵进行了修正定义;设计了基于最小描述交的隶属函数,结合隶属函数对覆盖模糊度和覆盖模糊熵重新定义,给出了相关推论,分析了相关性质,为后续研究覆盖粗糙集不确定性的相关问题提供了新思路。     

基于覆盖粗糙集理论中的约简与求核

提出基于分辨矩阵的求覆盖粗糙集约简与核的方法,在Zakowski提出的覆盖粗糙集模型的基础上,利用分辨矩阵的一些性质,把文献[10]中的粗糙集理论中的约简与求核方法应用到基于覆盖的粗糙集理论中,既简化了覆盖粗糙集理论中的约简与求核过程,又推广了文献[10]的方法,最后举例说明此方法的有效性。     

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.     

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.     

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。     

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.     

模糊T划分下基于贴近度的变精度粗糙模糊集模型

粗糙集模型的扩展是粗糙集研究的重要内容之一,根据论域中知识和被近似对象的特点,学者们提出了针对不同情况的粗糙集模型,如Pawlaw针对知识和被近似对象都是确定的,提出了经典粗糙集模型,dubois针对知识是确定的而被近似对象是模糊的情况提出了粗糙模糊集模型。而本文是在知识和被近似对象都是模糊的情况下建立了一个新的变精度模型,首先是将论域进行模糊T划分,得到论域上的各个模糊子集,然后根据模糊的被近似对象与论域上的模糊子集之间的贴进程度关系,得到了新的变精度粗糙模糊集模型,并且研究了算子的有关性质,最后举例说明了该模型的应用。     

基于粗糙集的铁路客运服务质量改善程度评价模型研究

通过对铁路客运服务质量的改善情况的研究,提出了基于粗糙集和马尔可夫过程的铁路客运服务质量改善程度评价模型.该模型利用马尔可夫过程得到各个指标的改善状况;引入粗糙集确定的指标权重得到服务质量总体改善情况.通过对调查问卷的数据进行分析,验证了以上模型的科学性和可行性.