模糊粗糙集的模糊邻域算子刻画

在模糊集合的公理化定义及其直积的基础上，提出基本模糊点的模糊邻域算子概念。用模糊邻域算子来定义模糊集的上近似和下近似。可以用模糊集的上、下近似来刻画模糊关系的自反性、对称性和传递性等性质。在模糊粗糙集的模糊邻域算子定义下，模糊粗糙集与粗糙模糊集可以统一起来。     

基于模糊化邻域系的粗糙近似算子(Ⅰ)

模糊化邻域系源自模糊化拓扑空间.以模糊化邻域系为工具,定义了一对粗糙近似算子,研究了其基本性质.证明了这对算子涵盖一些常见粗糙近似算子作为其特殊情形,从而扩大了粗糙集理论的研究范围.此外,还研究了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.     

模糊粗糙集代数

一个粗糙集代数是由一个集合代数加上一对近似算子构成的。本文用公理化方法定义了模糊环境下的近似算子和粗糙集代数系统。证明了若系统(Φ(U),∩,∪,-,L,H)是一个模糊粗糙集(粗糙模糊集)代数,则其导出的系统(Φ(U),∩,∪,-,LL,HH)也是模糊粗糙集(粗糙模糊集)代数,同时讨论了特殊类型的模糊粗糙集代数和粗糙模糊集代数与其导出的系统之间的关系。     

基于模糊邻域相对依赖互信息的特征选择方法

模糊粗糙集作为处理不确定性信息的有效工具，已广泛应用于特征选择中。然而当数据分布密度差别较大时，传统模糊粗糙近似不能有效度量样本的隶属度，且大多特征评价函数仅从代数或信息单一视角构造。针对以上问题，提出了一种基于模糊邻域相对依赖互信息的特征选择方法。首先，为克服传统模糊粗糙近似对数据分布敏感的缺陷，引入相对距离计算模糊相似关系，同时考虑模糊邻域粒度结构，提出了模糊邻域相对依赖度，从代数观度量数据的不确定性。然后，基于相对粒度结构提出了模糊邻域相对互信息，并与模糊邻域相对依赖度结合构造出一种新的特征评价函数——模糊邻域相对依赖互信息，将代数观和信息观结合进行特征评价。最后，设计了一种基于模糊邻域相对依赖互信息的特征选择算法(FNRDI)。通过与其他算法在9个公共数据集上进行实验对比分析，结果表明所提算法可有效消除冗余特征且提高数据的分类精度。     

多粒度模糊粗糙集的表示问题

研究了多粒度模糊粗糙集的表示问题。利用模糊集的分解定理思想首次用截集构造了多粒度模糊粗糙集模型,建立了基于截集的悲观和乐观多粒度模糊粗糙集模型。在该模型中,从模糊集的截集角度定义了悲观及其乐观多粒度模糊粗糙集的上下近似集,解决了多粒度模糊粗糙集的数学结构问题,证明了多粒度模糊粗糙集可以用一簇经典的多粒度粗糙集来表示。最后利用该模型证明了多粒度模糊粗糙集的一些结论。     

一般关系下的n-阶FC-粗糙集模型

给出一般模糊环境下n阶-FC-粗糙近似算子的定义,讨论它的一些性质,并通过α-水平集给出各种n-阶模糊粗糙集的表示。进而给出模糊传递闭包近似算子的定义,得到相应的结果。     

基于邻域粗糙集理论的组合预测单项模型选择

针对已有的基于经典粗糙集理论的组合预测单项模型选择方法存在的问题与不足,引入邻域粗糙集理论加以改进.首先采用kmeans算法对决策表进行适应性改进,使其符合邻域粗糙集的理论框架;然后,根据不同属性集中对应属性值的分布范围对每个属性集分别设置不同的邻域半径,使粒化结果更为科学合理;最后,结合均方根误差构造出新的属性重要度...     

基于矩阵的可变粒度变精度邻域粗糙集近似集更新方法

邻域粗糙集可以同时处理名义与数值属性,多粒度粗糙集提供多个粒度视角下的目标概念近似,变精度粗糙集使得近似集计算不再局限于完全包含。本文首先提出了一种同时具有以上三种粗糙集模型长处并且粒度可变的变精度多粒度邻域粗糙集模型,并设计基于矩阵的近似集计算与更新方法：首先提出静态计算近似集的矩阵算法,继而考虑在邻域粒变小时,基于静态计算算法对近似集进行更新,提出一种邻域粒变小时近似集更新的矩阵算法,最后通过UCI公开数据集实验验证了计算与更新算法的有效性。     

广义梯形模糊数决策粗糙集

考虑到在决策过程中损失函数的不确定性且广义梯形模糊数作为三角模糊数的一种拓展,从贝叶斯理论出发,在三角模糊数决策粗糙集的基础上,将广义梯形模糊数引入三枝决策粗糙集,建立了广义梯形模糊数决策粗糙集并推导了其性质和规则;然后,通过一个协同知识管理项目的例子来阐明模型的具体应用.优势在于不仅将离散模糊集合扩展到连续集合,而且与其它模糊集合相比较具有更好的泛化性.     

I-fuzzy拓扑中的正则开集

在I-fuzzy拓扑空间框架下引入了I-fuzzy正则开集和某个模糊点的I-fuzzy正则R-邻域系的概念,进一步,又给出了I-fuzzyδ-闭包、I-fuzzyδ-开集等概念,且分别研究了它们的基本性质.     

混合信息系统的邻域多粒度决策粗糙集及应用

为进一步有效处理混合型数据，在混合信息系统中引入邻域多粒度决策粗糙集；鉴于欧氏距离只考虑到数据之间的绝对距离，因此在模型中以卡方距离作为替代；在给定邻域半径之下，提出了混合信息系统的邻域多粒度决策粗糙集模型，对其相关性质进行了证明；实例分析结果表明，该模型具有更好的分类能力，并可通过调整相关参数使模型具有一定的容错性。     

局部加权邻域多粒度粗糙集

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复杂度相对较高。为此,本文提出局部加权邻域多粒度粗糙集模型,将局部粗糙集模型与矩阵理论相结合以降低矩阵算法的时间和空间复杂度。首先,给出局部加权邻域多粒度粗糙集模型的定义和性质;随后,设计出计算近似算子的矩阵算法。最后,通过实验在6个UCI数据集中验证局部算法比全局算法具有更高的时间效率。     

序信息系统的一般多粒度模糊粗糙集

模糊粗糙集已成为近年来研究的热点之一,粒计算也是近年来研究的热门领域之一。本文首先通过定义支撑函数建立了基于序信息系统的一般多粒度模糊粗糙集模型,并讨论了各近似算子的性质。其次研究了序信息系统一般多粒度模糊粗糙集的度量及性质。     

由KM-模糊伪度量诱导的模糊化粗糙集及其性质

本文首先介绍了由KM-模糊伪度量诱导的模糊等价关系。基于此模糊等价关系，然后，得到了由KM-模糊伪度量诱导的模糊化粗糙集，并研究了其性质。最后，详细探究了KM-模糊伪度量及其诱导的模糊化粗糙集之间的关系，丰富和完善了模糊粗糙集理论的研究内容。     

基于邻域粗糙集属性约简的对偶约束式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,改善模型预测的效果,将邻域粗糙集和遗传算法应用于对偶约束式最小二乘支持向量机,提出了一种基于邻域粗糙集属性约简的对偶约束式最小二乘支持向量机预测模型.同时,给出了这一改进模型的实现步骤.实证结果表明,通过邻域粗糙集指标预处理和遗传算法参数优化后,不但提高了模型预测的正确率,还降低了模型运行的时间,证实了该模型应用于财务困境预测是有效的.     

覆盖空间及粗糙集与拓扑的统一

引入覆盖空间,定义了其邻域、内部、闭包、测度等概念,研究了它们的性质.得出了粗糙集近似空间和拓扑空间都是具体覆盖空间的重要结论,从而用覆盖空间统一了粗糙集和拓扑.利用覆盖空间,得到了粗糙集和拓扑中更深刻的性质,从算子论和集合论的角度丰富和深化了粗糙集与拓扑的内容.     

双论域上的区间值直觉模糊粗糙集模型及其应用

基于区间值直觉模糊相容关系,给出了双论域上的区间值直觉模糊粗糙集模型并讨论了其相关性质,为粗糙集的应用提供了新的理论基础与操作手段。最后,通过一个例子阐述了本文提出的区间值直觉模糊粗糙集模型在临床诊断系统中的具体应用。     

模糊粗糙集理论研究进展

介绍模糊粗糙集的概念及发展进程．提出了理论建立过程中,分别以推广到模糊集、引入模糊逻辑算子、拓展到两个论域为特点的三个发展阶段;分析、比较了各阶段代表性理论的特点,并对模糊粗糙集的未来发展作出了预期。     

多粒度模糊粗糙集研究

本文研究了模糊粗糙集中属性约简问题.利用模糊粗糙集和多粒度粗糙集各自优点的结合,提出了两类多粒度模糊粗糙集模型,使得两类粗糙集中的上下近似算子关于负算子对偶.同时研究了多粒度模糊粗糙集的性质及与单粒度模糊粗糙集的关系.并通过构造区分函数的方法提出了一类多粒度模糊粗糙集模型的近似约简方法.最后用一个实例核对了该类多粒度模糊粗糙决策系统近似约简方法的有效性.     

有限理性下基于多粒度概率粗糙集的三支球型模糊多属性群决策

本文为应对多粒度概率粗糙集在信息融合方面的局限性以及决策者固有的有限理性,在三支决策的框架下,结合可调多粒度球型模糊概率粗糙集和前景理论,提出了面向多属性群决策问题的多粒度球型模糊三支群决策模型和方法。首先,本文结合球型模糊集和多粒度粗糙集,建立了可调多粒度球型模糊概率粗糙集模型。然后,本文在三支决策的框架下,依据前景理论对三支决策中的阈值进行集成,建立了多粒度球型模糊三支多属性群决策方法。最后,通过空气质量评估的实例验证了本文所提出的模型和方法的可行性与有效性。