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。     

直觉模糊序信息系统中双量化粗糙集模型

研究经典信息系统中单量化粗糙集模型在直觉模糊序信息系统中的表达形式,建立直觉模糊序信息系统下双量化粗糙集模型,给出直觉模糊序信息系统下双量化粗糙集模型求解上近似和下近似的算法,最后通过实际案例分析构造的模型.     

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。     

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。     

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。     

多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.     

基于双论域犹豫三角模糊多粒度粗糙集的疾病诊断

在临床决策领域,疾病诊断已成为较为复杂的决策问题之一。医疗专家在疾病诊断过程中不仅需要处理大量的不确定性信息,而且需要综合不同医疗专家的意见来给出最终的诊断结果。为了解决以上疾病诊断中普遍存在的不确定性数据分析以及群决策的问题,通过结合犹豫三角模糊集和多粒度粗糙集,提出双论域犹豫三角模糊多粒度粗糙集的概念。在此基础上,提出以疾病诊断为背景的决策模型并用算例阐述所提出模型的有效性。     

基于相似度的直觉模糊多粒度决策理论粗糙集

多粒度决策理论粗糙集具有强大的理论基础和合理的语义解释。考虑直觉模糊集和多粒度决策理论粗糙集在知识表达和信息处理方面各自具有很强的优势,本文提出了直觉模糊多粒度决策理论粗糙集模型。首先,在多源直觉模糊信息系统中,通过构造直觉模糊相似关系,对对象集进行直觉模糊划分,进而得到了多源直觉模糊粒结构。其次,利用直觉模糊相似度及多源直觉模糊相似类实现了对目标集合的多粒度近似。另外,给出了该模型的一些主要性质。最后,通过实例验证了该模型的有效性。该模型为实际应用中的多源数据分析提供了一种有效的思路与方法。     

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。     

面向三支群决策的多粒度图像模糊概率粗糙集研究

随着新兴产业的快速发展,社会经济中各类复杂决策问题不断涌现,复杂决策问题的有效求解离不开推进体现科学化与民主化的群决策。图像模糊集作为直觉模糊集的推广形式,在实际应用中能够高效处理信息不一致的问题。本文针对图像模糊三支群决策问题,由于传统损失函数受决策者主观因素的影响进而在构造阈值时各有不同,探索了面向三支群决策的多粒度图像模糊概率粗糙集模型与方法。首先,本文将图像模糊的概念与三支群决策模型相结合,提出可调多粒度图像模糊概率粗糙集模型。然后,计算属性权重和专家权重时运用离差最大法。鉴于VIKOR(多准则妥协解排序)法能够同时考虑群体效用最大化和个体遗憾最小化并融入决策者主观偏好,利用VIKOR法进行多粒度图像模糊粗糙隶属度的最优粒度选择,进而建立图像模糊三支群决策方法。最后,通过一个UCI(University of California Irvine)数据库中的实例证实本文所构建方法的可行性。     

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。     

基于模糊认知图的序贯三支多粒度决策模型

传统序贯三支决策模型通常不重视样本粒子的分布情况,未能较好地融入多粒度计算思想.本文提出基于模糊认知图的序贯三支多粒度决策模型,用图结点表示等价类,以图的形式进行多粒度描述和计算,并利用启发式算法实现多层次动态决策过程中粒度的自我调整和优化.实验结果表明,相较于已有的模型,该方法能够在具有较强解释性和粒度自适应的前提下...     

多源直觉模糊决策信息系统中信息融合的加权多粒度方法

多源信息系统经常被用于表示来自多个信息源的复杂数据,随着大数据时代的来临,信息融合已成为人工智能领域的研究热点.许多现有的多源决策融合方法是从多源决策信息系统中选择更多可靠的信息,最后形成一个单源决策信息系统,但是它会有信息损失.为了解决这一问题,提出多源直觉模糊决策信息系统中信息融合的加权多粒度方法,提出了加权广义,...     

基于可调多粒度对偶犹豫模糊概率粗糙集的三支多属性群决策

本文为减少三支决策中主观性因素对决策结果的影响,并克服经典多粒度粗糙集模型在信息融合方面存在极端性的局限,在对偶犹豫模糊信息系统中探索了基于可调多粒度概率粗糙集的三支决策模型与方法,用于求解多属性群决策问题.首先,本文将对偶犹豫模糊的概念引入三支决策中,提出了可调多粒度对偶犹豫模糊概率粗糙集模型.然后,本文依据离差最大...     

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.     

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。