程度多粒度粗糙集

多粒度粗糙集模型建立在一族而非仅仅一个不可分辨关系的基础上的。在融入一定程度误差的分类思想下,本文在多粒度粗糙集模型基础上将构建程度多粒度粗糙集,其中包括程度多粒度乐观近似算子和程度多粒度悲观近似算子两种形式。讨论了程度多粒度粗糙集的相关性质,并对程度多粒度粗糙集和经典的多粒度粗糙集进行了对比分析,得出了若干具有理论和应用价值的结果,从而为知识获取提供了一个新的不确定性方法。     

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.     

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。     

近似空间与信任结构之间的关系

回顾了由二元关系产生的粗糙近似空间及其导出的各种粗糙近似算子的构造性定义,介绍了经典和模糊环境下各种信任结构及其导出的信任函数与似然函数的概念,给出了粗糙集理论中近似空间及其导出的下近似算子与上近似算子和证据理论中的信任结构及其导出信任函数与似然函数之间的相互关系及其应用背景。     

完备的完全分配格上粗糙集的拓扑性质

本文讨论了定义在完备的完全分配格L上的粗糙集模型的拓扑结构。此粗糙集模型是现有的一些粗糙集模型和模糊粗糙集模型的统一形式。通过在格上讨论其拓扑性质,我们得到在一定条件下,此粗糙集的所有上近似集和下近似集分别构成L的一个闭拓扑。并且当此粗糙集的二元关系是序等价关系时,这两个闭拓扑是相同的。     

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。     

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。     

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。     

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.     

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。     

基于模糊粗糙集理论的格上模糊理想的刻画

初步讨论模糊粗糙集与格论相结合问题。给定剩余格L,由格上一个L-子集出发,给出L-上、下近似算子的定义,并对其部分性质进行讨论。特别地,我们指出,格上的L-粗糙近似算子可用于刻画格上的L-理想。     

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。     

模糊粗糙群

研究模糊群的粗糙近似。借助模糊正规子群生成群上模糊近似空间,在模糊粗糙集模型的框架中对相关的模糊粗糙近似算子进行讨论。得到了模糊粗糙近似算子的基本性质,并研究了模糊粗糙近似算子与群中乘法运算的相容性。     

基于包含度的模糊随机粗糙集模型

针对随机性与模糊性同时存在的情形,提出了建立在模糊随机近似空间上的基于包含度的模糊随机粗糙集模型.首先给出了模糊随机近似空间的概念,然后利用包含度提出了模糊随机近似空间上的一种基于模糊随机集的粗糙近似算子.最后讨论了这种近似算子的一些性质.     

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.     

粗糙集的矩阵刻画

本文首先从一个二元关系矩阵出发,给出经典粗糙集、模糊粗糙集、粗糙模糊集的上下近似的矩阵描述,然后研究了它们的性质,最后将粗糙集、模糊粗糙集、粗糙模糊集的上下近似的定义用矩阵的方法统一起来,给研究带来了方便。矩阵的方法不仅提供了上下近似的简单的计算方法,也提供了一种新的推理的方法。     

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。     

模糊粗糙近似算子的拓扑性质

考虑论域上一二元关系所决定的模糊粗糙近似算子的拓扑性质,证明了任一自反二元关系可以决定一模糊拓扑.并且,当二元关系自反对称时,该模糊拓扑中的元是开集当且仅当它是闭集;当二元关系自反传递时,该模糊拓扑的闭包与内部算子恰为模糊粗糙上、下近似算子.     

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.     

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.