基于粗糙集和模糊C均值聚类的空战效能评估

针对评估指标的重要性不一,且存在冗余问题,基于粗集可辨识矩阵,提出了一种计算指标属性重要度和约简的有效、简便算法,对样本信息进行约简,并计算约简后各指标的权重.其中,针对连续属性值离散化过程可能造成信息损失问题,采用了模糊C均值聚类算法离散化连续属性值.最后,建立了基于粗糙集和模糊C均值聚类的空战效能评估模型,并通过实例验证了该模型的可行性和有效性.     

一种基于相似度比较的模糊属性约简方法

属性约简是粗糙集理论的重要研究内容,本文基于模糊信息系统,一方面,通过模糊相似关系定义了条件相似度以及决策相似度,建立了关于条件相似度与决策相似度的相对比较矩阵,给出了属性约简集的新定义;另一方面,结合知识的粒度、分辨度、关联度确定了条件属性对决策属性的重要度,由此,提出了一种基于相似度比较的模糊属性约简方法。     

基于粗糙集理论的区间型多属性灰决策规则及应用

本文在粗糙集理论的基础上,针对属性值为区间数的信息系统,提出了一种新的决策规则。首先,借助于改进的粗糙聚类算法对区间型属性值进行离散化,之后通过构造划分同族矩阵来确定属性约简集。最后,基于灰色关联分析技术提出了灰色决策规则。而在属性权重的确定方面,通过属性相对重要性的定义构造互反矩阵,利用遗传算法解优化模型得到属性权重。     

基于粗糙集理论的多维定性变量约简方法

基于粗糙集理论中的属性约简方法,提出了一种基于信息熵进行多维定性变量的约简方法,并进行了实证分析.     

基于Markov Blanket的模糊差别矩阵属性约简算法

模糊差别矩阵属性约简是一种广泛使用的模糊粗糙集属性约简方法。然而已有方法大多采用启发式贪婪策略,属性约简率低且约简质量差。本文结合Markov Blanket概念,提出基于模糊差别矩阵的属性约简算法。首先,为了避免约简选择过多属性的问题,提出了利用Markov Blanket性质的迭代后向删除属性约简算法,可以有效删除低频率的相对冗余属性。其次,提出了一种基于Markov Blanket的双向搜索启发式属性约简算法,通过迭代前向添加高频属性和后向删除低频率策略来提升属性约简计算效率。在UCI数据集上实验表明,相比于其他模糊差别矩阵算法,所提出的算法能得到更优的约简结果。     

基于混合属性值的航材库存品种确定方法

针对航材备件信息不完备,同时包含定量和定性混合数据的特点,根据粗糙集理论在处理不精确、不完备信息的优势特点,提出航材库存品种的粗糙集方法,通过属性依赖度函数约简含有混合属性的数据集合,避免了离散化处理,最终得到航材库存品种的决策规则,并与差别矩阵计算结果一致,验证了模型的正确性,为航材库存备件提出了计算简单、适应性强的品种确定方法.     

基于k-means聚类与粗糙集算法的指标筛选方法研究

针对多属性决策中指标的信息重复和不确定性问题,提出了一种基于改进的k-means聚类与粗糙集算法相结合的指标筛选方法。首先,定义样本的空间分布密度,实现初始聚类中心优化的k-means算法,对连续型指标进行离散化处理;然后利用粗糙集的相对约简原理进行指标约简,删除存在信息重复的冗余指标,并结合绿色经济指标体系构建的案例验证了该方法的合理性和有效性。     

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...     

基于区间值模糊粗糙集的研究生教育质量的评价方法研究

首先,采用区间值模糊粗糙集的属性约简方法,以属性重要性作为属性约简的重要启发式信息,剔除重要性不足的指标,得到约简后的研究生教育质量评价指标体系.其次,在此基础上确定了该评估指标体系的权重,给出了研究生教育质量的综合评价方法.     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

模糊粗糙集及粗糙模糊集的贴近度及其应用

本文研究了模糊粗糙集（FR集）及粗糙模糊集（RF集）的贴近度，是权衡两个FR集，两个RF集彼此糙近程度的一种标尺，进而研究了FR集，RF集的内积，外积，引进了FR集，RF集的格贴近度，并在此基础上提出一种新的属性约简的方法。     

基于信息量的集值信息系统的属性约简

属性约简是粗糙集理论研究的核心内容之一.在集值信息系统中引入信息量和属性重要性,给出它们的性质及与属性约简之间的关系.针对集值信息系统提出了一种基于信息量和属性重要性的属性约简算法及算法的时间复杂度.通过实例说明,该算法是有效的.     

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.     

基于粗糙集的房屋销售评价方法

首先,利用非协调覆盖决策系统的属性约简方法和知识表达系统中差别矩阵的决策属性约简方法,针对同一个房屋销售问题,对房屋的属性进行属性约简,得到的共同属性可增强决策的可靠性,然后分析了两种方法的异同点以及分别适用的情况,最后得到了粗糙集的属性约简方法在房屋销售中有很好的应用的结论。     

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.     

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.     

区间值信息系统在变精度优势关系下的粗集模型

借助于属性区间值的优势程度在区间值信息系统中定义了一种具有变精度的优势关系,给出了这种变精度优势关系下的属性约简与判定,得到了区间值信息系统上属性约简的具体操作方法.考虑对象的属性值具有优劣顺序,基于变精度优势度提出了对象排序的方法.     

基于AFS模糊逻辑系统和贴近度的属性约简

在科学技术迅猛发展的今天．数据库被应用于人们工作生活的各个角落,数据量急剧增加。人们收集大量数据的目的是想从中得到有用的信息,而无用的信息充斥其中必然导致应用数据库效率的下降,因此数据库冗余数据的化简和属性的约简就变得很重要。本文应用一种新的模糊数学分析方法——AFS理论与贴近度相结合,得到了一种新的数据库属性约简方法。通过实例可以看出此方法在某些方面优于粗糙集的属性约简方法．而且客观、统一性强,便于理解,有利于人们进行数据挖掘。     

一种基于模糊聚类的区间值属性约简算法

针对区间值信息系统基于粗糙集理论提出一种新的属性约简算法:首先计算同一属性下对象间的相似度,然后通过合取算子计算出所有属性下对象之间的相似度矩阵,再用模糊聚类中的传递闭包算子得到等价矩阵,将区间值信息系统转化为具有等价关系的信息系统并且进行约简,从而得到λ-核,同时给出了该算法的复杂度.最后通过一个实例表明这种算法的有效性和合理性.     

一种新型粗糙集的指标筛选模型及实证分析

针对现有指标筛选方法不能将指标客观数据和指标实际含义同时处理的弊端,研究提出了一种新型粗糙集指标筛选方法,并对绿色经济下的社会可持续发展评价指标体系构建进行了实证分析.方法同时将粗糙集决策表的相对约简理论与信息表的属性约简理论相结合,既保证了筛选的客观性又兼顾了指标的实际含义,其主要做法一是通过布尔推理算法,保证了连续型指标离散化过程中候选断点的最优组合,为粗糙集约简提供了高准确率的信息表数据;二是考虑了指标的实际含义,通过对有因果关系的指标构成的决策表进行相对约简,删除了指标信息间的冗余指标;三是通过对无实际联系的指标构成的信息表进行属性约简,删除了研究指标客观数据中的冗余指标.